庫
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython、anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，此外，還有virtualenv、pyenv等工具管理虛擬環境。
個人嘗試了很多類似的發行版，最終選擇了anaconda，因為其強大而方便的包管理與環境管理的功能。該文主要介紹下anaconda，對anaconda的理解，並簡要總結下相關的操作。
進入下文之前，說明一下conda的設計理念——conda將幾乎所有的工具、第三方包都當做package對待，甚至包括python和conda自身！因此，conda打破了包管理與環境管理的約束，能非常方便地安裝各種版本python、各種package並方便地切換。
安裝時，會發現有兩個不同版本的anaconda，分別對應python 2.7和python 3.5，兩個版本其實除了這點區別外其他都一樣。後面我們會看到，安裝哪個版本並不本質，因為通過環境管理，我們可以很方便地切換執行時的python版本。（由於我常用的python是2.7和3.4，因此傾向於直接安裝python 2.7對應的anaconda）
# 將anaconda的bin目錄加入path，根據版本不同，也可能是~/anaconda3/bin
echo 'export path="~/anaconda2/bin:$path"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
which conda或conda --version命令檢查是否正確。假如安裝的是python 2.7對應的版本，執行python --version或python -v可以得到python 2.7.12 :: anaconda 4.1.1 (64-bit)，也說明該發行版預設的環境是python 2.7。
假設我們需要安裝python 3.4，此時，我們需要做的操作如下：
# 建立乙個名為python34的環境，指定python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create --name python34 python=3.4
# 安裝好後，使用activate啟用某個環境
activate python34 # for windows
source activate python34 # for linux & mac
# 啟用後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把預設2.7環境從path中去除，再把3.4對應的命令加入path
# 此時，再次輸入
python --version
# 可以得到`python 3.4.5 :: anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境
# 如果想返回預設的python 2.7環境，執行
deactivate python34 # for windows
source deactivate python34 # for linux & mac
# 刪除乙個已有的環境
conda remove --name python34 --all
~/anaconda/envs/python34下面的bin或者scripts加入path，去除anaconda對應的那個bin目錄。這個辦法，怎麼說呢，也是可以的，但總覺得不是那麼elegant……
如果直接按上面說的這麼改path，你會發現conda命令又找不到了（當然找不到啦，因為conda在~/anaconda/bin裡呢），這時候怎麼辦呢？方法有二：1. 顯式地給出conda的絕對位址 2. 在python34環境中也安裝conda工具（推薦）。
conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：
# 安裝scipy
conda install scipy
# conda會從從遠端搜尋scipy的相關資訊和依賴專案，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）
# 檢視已經安裝的packages
conda list
# 最新版的conda是從site-packages資料夾中搜尋已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包
# 檢視當前環境下已安裝的包
conda list
# 檢視某個指定環境的已安裝包
conda list -n python34
# 查詢package資訊
conda search numpy
# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝
# 更新package
conda update -n python34 numpy
# 刪除package
conda remove -n python34 numpy
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python公升級為3.4.x系列的當前最新版本
# 新增anaconda的tuna映象
conda config --add channels
# tuna的help中映象位址加有引號，需要去掉
# 設定搜尋時顯示通道位址
conda config --set show_channel_urls yes
~/.condarc(linux/mac)或c:usersuser_name.condarc檔案，記錄著我們對conda的配置，直接手動建立、編輯該檔案是相同的效果。
anaconda具有跨平台、包管理、環境管理的特點，因此很適合快速在新的機器上部署python環境。總結而言，整套安裝、配置流程如下：
配置path（bashrc或環境變數），更改tuna映象源
建立所需的不用版本的python環境
just try!
c:\>conda create -n tensorflow
c:\>activate tensorflow
(tensorflow) c:\>anaconda search -t conda tensorflow
(tensorflow) c:\>anaconda show anaconda/tensorflow-gpu
#此處的url也可以換為其他映象
(tensorflow) c:\>conda install --channel tensorflow-gpu
Anaconda使用總結
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，...
Anaconda使用總結
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，...
Anaconda使用總結
python易用，但用好卻不易，其中比較頭疼的就是包管理和python不同版本的問題，特別是當你使用windows的時候。為了解決這些問題，有不少發行版的python，比如winpython anaconda等，這些發行版將python和許多常用的package打包，方便pythoners直接使用，...