Anaconda
环境
官方下载安装包:https://www.anaconda.com/download/
Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在Navigator中手工实现。
Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
找到你对应的操作系统, 然后下载安装即可使用,非常方便.
常用命令
# 在终端执行如下命令，需要使用【管理员权限】更新所有工具库
conda upgrade --all
# 管理Python包
conda install package_name # 安装一个库
conda install numpy scipy pandas # 安装多个库
conda install numpy=1.10 # 安装一个固定版本的库
conda remove package_name # 删除一个库
conda update package_name # 更新一个库
conda list # 查看所有已经安装的库
conda search search_term # 搜索一个库
# 管理Python环境
# 默认的环境是root,你也可以创建一个新环境
# -n 代表name,env_name是需要创建的环境名称,list of packages 则是列出在新环境中需要安装的工具包。
conda create -n env_name list of packages
# 例如,当我安装了Python3版本的Anaconda后,默认的root环境自然是Python3,但是我还需要创建一个Python2的环境来运行旧版本的Python代码,最好还安装了pandas包,于是我们运行以下命令来创建：
conda create -n py2 python=2.7 pandas
conda create -n tensorflow python=3
conda create -n superset python=3
# Linux系统进入名为env_name的环境：
source activate env_name
source deactivate
# Windows系统中进入环境
activate env_name
deactivate
# 删除名为 env_name 的环境
conda env remove -n env_name
# 显示所有的环境
conda env list
# 当分享代码的时候,同时也需要将运行环境分享给大家,执行如下命令可以将当前环境下的package信息存入名为environment的YAML文件中
conda env export > environment.yaml
# 同样,当执行他人的代码时,也需要配置相应的环境.这时你可以用对方分享的YAML文件来创建一摸一样的运行环境.
conda env create -f environment.yaml第一个环境
# 创建Py3 版本的环境
conda create -n tensorflow python=3
# 激活环境
activate tensorflow
# 安装 tensorflow 相关的包
conda install tensorflow
# 安装 matplotlib 相关的包
conda install matplotlib研发环境（目前未使用）
conda install ipykernel
activate tensorflow
python -m ipykernel install --user --name 环境名称 --display-name "Python (环境名称)"
python -m ipykernel install --user --name tensorflow --display-name "Python tensorflow"
jupyter notebook研发环境（正在使用）
# 激活 Tensorflow环境后，重新安装spyder
conda install spyder
spyder常用包安装
# 注意先激活环境activate tensorflow
conda install -c anaconda psycopg2 # PostgreSQL 驱动包
conda install -c anaconda beautifulsoup4 # 解析网页的包
conda install -c anaconda pysocks # socks 相关包
conda install -c anaconda scikit-learn # 机器学习相关包
pip install configparser # 读取配置文件相关包