Anaconda 和 Jupyter notebook已成为数据分析的标准环境。
简单来说，Anaconda是包管理器和环境管理器，Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。
接下来我详细介绍下Anaconda，并在最后给出Jupyter notebook：
1.Anaconda是什么？
2.如何安装？
3. 如何管理包？
4.如何管理环境？
5.Jupyter notebook如何快速上手？
不过在开始前我需要强调下，下面的步骤你要亲自跟着敲一遍并在自己的电脑上实践。虽然下面你会遇到很多命令，给了谁都记不住的。但是别怕，也别中途放弃，因为你没必要记住命令，因为当你在后面学习数据分析用的多了，自然就记住了。
记不住也没关系，学会在哪查找就可以了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。
刚开始学习的过程就像下面这个图，只要中途不放弃，自己实际操作一遍，我保证你可以熟练上手。
1.Anaconda是什么？
Anaconda在英文中是“蟒蛇”，麻辣鸡（Nicki Minaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。
所有你看下面Anaconda的图标就像一个收尾互相咬住的“蟒蛇”。
你可能已经安装了 Python，那么为什么还需要 Anaconda？有以下3个原因：
1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。
2）管理包
Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。
在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3）管理环境
为什么需要管理环境呢？
比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。
2. 如何安装Anaconda？
Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。你可以在下面地址上找到安装程序和安装说明。根据你的操作系统是32位还是64位选择对应的版本下载。
（Anaconda已经不支持Windows XP；同时查看自己电脑是32位还是64位，不要装错了。）
官网地址：https://www.continuum.io/downloads
如果官网地址网速太慢无法下载，可以从我公众号：猴子聊人物，中回复“资料”从网盘下载
Anaconda 的下载文件比较大（约 500 MB），因为它附带了 Python 中最常用的数据科学包。
如果计算机上已经安装了 Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。
注意：如果你是windows 10系统，注意在安装Anaconda软件的时候，右击安装软件→选择以管理员的身份运行。
完成安装后，如果你是在windows上操作，按下面图打开 Anaconda Prompt （或者 Mac 下的终端），后面我会将Anaconda Prompt统一称为“终端”。
注意：如果你是windows 10系统，按下图操作
如果win10系统没有按上述操作，后面会报下面的错误信息：
可以在终端或命令提示符中键入 conda list，以查看你安装的内容。
如果安装后，在Anaconda Prompt中都无法使用Conda命令，解决方法在这里：
猴子：Python管理包工具anaconda安装过程常见问题解决办法
如果Anaconda Prompt中可以使用conda命令，接着下面继续操作。
为了避免后面使用报错，你需要先更新下所有包。在终端输入更新所有包的命令：
conda upgrade --all
并在提示是否更新的时候输入 y（Yes）让更新继续。初次安装下的软件包版本一般都比较老旧，因此提前更新可以避免未来不必要的问题。
如果以上命令运行后报错，参考这里的解决办法：
猴子：Python管理包工具anaconda安装过程常见问题解决办法
3. 如何管理包？
安装了 Anaconda 之后，就可以很方便的管理包了（安装，卸载，更新）。
1）安装包
在终端中键入：
conda install package_name
例如，要安装 pandas，在终端中输入：
conda install pandas
你还可以同时安装多个包。类似 conda install pandas numpy 的命令会同时安装所有这些包。还可以通过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。
conda 还会自动为你安装依赖项。例如，scipy 依赖于 numpy，因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy)，则 conda 还会安装 numpy（如果尚未安装的话）。
2）卸载包
在终端中键入 ：
conda remove package_names
上面命令中的package_names是指你要卸载包的名称，例如你想卸载pandas包：conda remove pandas
3）更新包
在终端中键入：
conda update package_name
如果想更新环境中的所有包（这样做常常很有用），使用：conda update --all。
4）列出已安装的包
#列出已安装的包
conda list
例如我已经成功安装了numpy和pandas这两个常用的包。
如果不知道要找的包的确切名称，可以尝试使用 conda search search_term 进行搜索。例如，我知道我想安装numpy，但我不清楚确切的包名称。我可以这样尝试：conda search num。
4.如何管理环境？
conda 可以为你不同的项目建立不同的运行环境。
0）安装nb_conda用于notebook自动关联nb_conda的环境。
1）创建环境
在终端中使用:
conda create -n env_name package_names
上面的命令中，env_name 是设置环境的名称（-n 是指该命令后面的env_name是你要创建环境的名称），package_names 是你要安装在创建环境中的包名称。
例如，要创建环境名称为 py3 的环境并在其中安装 numpy，在终端中输入 conda create -n py3 pandas。
2）创建环境时，可以指定要安装在环境中的 Python 版本
当你同时使用 Python 2.x 和 Python 3.x 中的代码时这很有用。要创建具有特定 Python 版本的环境，例如创建环境名称为py3，并安装最新版本的Python3在终端中输入：
conda create -n py3 python=3
或也可以这样创建环境名称为py2，并安装最新版本的Python2：
conda create -n py2 python=2
因为我做的项目不同，有时候会用到Python2，还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境，并分别取了这样的环境名称：py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。
如果你要安装特定版本（例如 Python 3.6），请使用 conda create -n py python=3.6
3）进入环境
在 Windows 上，你可以使用 activate my_env进入。在 OSX/Linux 上使用 source activate my_env 进入环境。
进入环境后，你会在终端提示符中看到环境名称，下面图片是我进入py3的环境（这里的py3是我上面创建环境时自己起的名称，你可以起个自己喜欢的名称）。
进入环境后，我可以用conda list 查看环境中默认安装的几个包：
在环境中安装包的命令与前面一样：conda install package_name。
不过，这次你安装的特定包仅在你进入环境后才可用。
3）离开环境
在 Windows 上，终端中输入：
deactivate
在 OSX/Linux 上 输入：
source deactivate
4）共享环境
共享环境非常有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。比如你开发了一个药店数据分析系统，你要提交给项目部署系统的王二狗来部署你的项目，但是王二狗并不知道你当时开发时使用的是哪个python版本，以及使用了哪些包和包的版本。这怎么办呢？
你可以在你当前的环境中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中包保存为YAML文件（包括Pyhton版本和所有包的名称）。
命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。
在“notebook工作文件夹”下（及你在终端中上图的路径）可以看到导出的环境文件：
在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。
导出的环境文件，在其他电脑环境中如何使用呢？
首先在conda中进入你的环境，比如activate py3
然后在使用以下命令更新你的环境：
#其中-f表示你要导出文件在本地的路径，所以/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml
对于不使用 conda 的用户，我通常还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。
具体见这里：https://pip.pypa.io/en/stable/reference/pip_freeze/
举个例子你可能更容易理解这个使用场景：
首先，我在自己的电脑上在conda中将项目的包导出成environment.txt 文件：
然后我将该文件包含在项目的代码库中，其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境：
他在自己的电脑上进入python命令环境，然后运行以下命令就可以安装该项目需要的包：
pip install -r /path/requirements.txt
其中/path/requirements.txt是该文件在你电脑上的实际路径。
5）列出环境
我有时候会忘记自己创建的环境名称，这时候用 conda env list 就可以列出你创建的所有环境。
你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在选定环境中时使用的环境）名为 root。
6）删除环境
如果你不再使用某个环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里环境名为 env_name）。
最后重新再强调下，不要被上面的命令吓到。虽然上述命令多，给了谁都记不住的。后面你跟着我在知乎上多做项目，用的多了自然记住了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。
conda的官方文档：https://conda.io/docs/user-guide/tasks/index.html
按照上面的步骤你亲自操作一遍后，你已经学会了Anaconda，并安装好你的数据分析Pyhton环境了，接下来你就可以愉快的使用Jupyter notebook来做数据分析了：
其他常见问题，见这里：
猴子：Python管理包工具anaconda安装过程常见问题解决办法链接：https://www.zhihu.com/question/46309360/answer/254638807
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
我会从下面4个方面详细聊聊，记得实践每一步，你将不仅了解什么是Jupyter notebook，而且还能轻松使用这个神器。
1.Jupyter notebook 是什么？
2.如何安装 Jupyter notebook？
3.如何启动Jupyter notebook？
4.新手如何快速使用notebook？
1.Jupyter notebook 是什么？
在没有notebook之前，在IT领域工作的我都是这样工作的：
在普通的 Python shell 或者在IDE（集成开发环境）如Pycharm中写代码，然后在word中写文档来说明你的项目。
这个过程很反锁，通常是写完代码，再写文档的时候我还的重头回顾一遍代码。最蛋疼的地方在于，有些数据分析的中间结果，我还的重新跑代码，然后把结果弄到文档里给客户看。
有了notebook之后，我的世界突然美好了许多，因为notebook 可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。
例如，我的数据分析社群小伙伴就用Jupyter notebook写出了他的学习笔记，长这样，是不是很酷：
所以，你现在明白了这句话是在说什么了：
Jupyter notebook（ http://jupyter.org/） 是一种 Web 应用，能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。
Jupyter Notebook 已迅速成为数据分析，机器学习的必备工具。因为它可以让数据分析师集中精力向用户解释整个分析过程。
Jupyter这个名字是它要服务的三种语言的缩写：Julia，PYThon和R，这个名字与“木星（jupiter）”谐音。
如果看了以上对Jupyter Notebook的介绍你还是拿不定主意究竟是否适合你，那么不要担心，你可以先免安装试用体验一下，戳这里，然后再做决定。（感谢
提供的试用经验）值得注意的是，官方提供的同时试用是有限的，如果你点击链接之后进入的页面如下图所示，那么不要着急，过会儿再试试看吧。
试用满线
如果你足够幸运，那么你将看到如下界面，就可以开始体验啦。
主界面
2.如何安装 Jupyter notebook？
对于做数据分析这么有用的神器，不安装使用下是不是很遗憾？
安装 Jupyter 的最简单方法是使用 Anaconda。该发行版附带了 Jupyter notebook。你能够在默认环境下使用 notebook。
确保你已经安装了Anaconda，如果不知道如何安装的，可以看我之前写的：
初学python者自学anaconda的正确姿势是什么？？
要在 conda 环境中安装 Jupyter notebook，在conda终端使用命令（以下所有命令是指conda的终端Anaconda Prompt）：
conda install jupyter notebook
也可以通过python shell的 pip 来安装：pip install jupyter notebook。
3.如何启动Jupyter notebook？
启动 notebook 服务器，在终端中输入： jupyter notebook。
服务器会在你运行此命令的“notebook工作文件夹”中启动。也就是说后面你操作的任何 notebook 文件都会保存在该文件夹下，类似于你用优酷下载视频，优酷都会放到自己的下载目录一样。例如我在下面的C:\houzi 下面启动目录后，会在该目录下看到我后面运行的文件。
启动notebook 服务器后，在浏览器中打开notebook页面地址：http://localhost:8888
（其中localhost 表示你的计算机，而 8888 是服务器的默认端口）
如果你同时启动了另一个 notebook 服务器，新服务器会尝试使用端口 8888，但由于此端口已被占用，因此新服务器会在端口 8889 上运行。之后，你可以通过 http://localhost:8889 连接到新服务器。以此类推。
如果启动后遇到问题，参考这里的解决方案：
猴子：jupyter notebook常见问题解决办法
4.新手如何快速使用notebook？
1）确保你在Anaconda终端中安装了以下包：
- 安装环境自动关联包
conda install nb_conda
该包可以将conda中创建的环境自动关联到你的notebook中。
我们可以对应conda中的环境，就知道这些环境对应conda中的环境列表。用 conda env list 就可以列出你创建的所有环境。
其中py2是我在conda中创建的Python2环境名称，
root和default一样是默认环境，因为我安装的是Anaconda3，所以默认环境是Python3。
你会发现环境名称py3没有出现在notebook中。解决办法是按下图步骤安装包ipykernel。
（同样的，在你的py2环境下也要像刚才步骤那样安装一次这个包）
完成上面安装步骤，回到标签页“Files”，再新建notebook时，会发现已经关联了环境名称py2和py3：
这样你在notebook中可以轻松切换Python2和Python3环境了。
ps：感谢
的经验分享：经过上面步骤后，notebook的首页右上角，在新建的时候没有显示py3和py2两个环境的关联，这个时候，你可以尝试重启浏览器，注意！是重启浏览器，不是notebook！刷新浏览器有时候是没有用滴（因为缓存的原因），而然我刷了两个小时。。。
- 在Anaconda终端安装代码自动补全包
conda install pyreadline
什么是代码自动补全呢？
后面会介绍，您就等好吧。
1）顶部的3个选项卡
顶部的3个选项卡是：Files（文件）、Running（运行）和 Cluster（集群）。
Files（文件）显示当前“notebook工作文件夹”中的所有文件和文件夹。
点击 Running（运行）选项卡会列出所有正在运行的 notebook。可以在该选项卡中管理这些 notebook。
Clusters一般不会用到。因为过去在 Clusters（集群）中创建多个用于并行计算的内核。现在，这项工作已经由 ipyparallel 接管。
2）如何创建一个新的notebook？
像下面图片中一样，在右侧点击“New”（新建），创建新的 notebook、文本文件、文件夹或终端。
“Notebooks”下的列表显示了你已安装的内核。由于我在 Python 3 环境中运行服务器，因此列出了 Python 3 内核。你在这里看到的可能是 Python 2。这里我点击Python3。
这样你就打开了下面的页面，你会看到外框为绿色的一个小方框。它称为单元格。单元格是你编写和运行代码的地方。以后你就可以在这里写你的数据分析代码了。
在这里你可以输入自己人生中的第一行Python代码Hello world。然后点击图中的运行按钮，会执行你当前所在的代码，其实我更喜欢用快捷键（键盘上同时按住ctrl+enter键）来执行代码。
这句代码的意思是在界面输出字符串"Hello world！"，所以你会看到在下面与输出结果出来。
运行代码单元格时，单元格下方会显示输出。单元格还会被编号（左侧会显示 In [1]:）。如果运行了多个单元格的话（也就是多块代码），这能让你知道运行的代码和运行顺序。
notebook 中的大部分工作均在代码单元格中完成。这是编写和执行代码的地方。在代码单元格中可以执行多种操作，例如编写代码、给变量赋值、导入包，展示数据分析结果等。在一个单元格中执行的任何代码在所有其他单元格中均可用。
+ 按钮用于创建新的单元格
还记得一开始我提到代码自动补全功能吗？那么，什么是代码自动补全呢？
比如 我定义了下面的变量。
在后面代码中用到这个变量是，我只要输入第一个变量的第一个字母p，然后按下Tab键，边会自动查找到代码中以p开头的变量名称，这可以大幅度提供你写代码的效率。
但是要注意：如果你定义的变量想出现在代码补全里，需要你先把定义该变量的cell运行以后，notebook才能识别它。
当Cell前出现*，表示当前cell程序正在运行，或者它前面的cell正在运行。
2）重命名notebook
你会看到刚才我建的notebook文件名是下面这样默认的，我想修改成自己喜欢的文件名如何办呢？
点击“File”->Rename，可以对notebook文件进行重命名，这里我命名成‘Helloworld’
同时，你可以在当前运行notebook服务器的“notebook工作文件夹”下看到创建的notebook，文件名后缀是ipynb。
（其实Notebook 就是个扩展名为 .ipynb 的大型 JSON 文件。）
点击下面的保存按钮，可以保存你的notebook文件。但 notebook 也会定期自动保存。
3）重新运行所有单元格里的代码
4）关闭 notebook文件
通过在服务器主页上选中 notebook 旁边的复选框，然后点击“Shutdown”（关闭），你就可以关闭各个 notebook。
但是，在这样做之前，请确保你保存了工作！否则，在你上次保存后所做的任何更改都会丢失。同时如果不保存，你下次运行 notebook 时，你还需要重新运行代码。
5）如何共享你的notebook？
点击File->Download as，你可以选择多种格式下载你的notebook。一般我都会根据下面的用途来选择不同的下载格式：
1）如果我想和客户分享我的数据分析成果，我会选择将notebook下载为HTML文件。
2）如果我希望将自己的数据分析成果和代码嵌入到项目中，比如为药店管理系统做个数据分析子模块，我就会选择Python（.py）模块，这可以将我的代码融入项目中，成为子模块，方便和其他开发人员共同完成任务。
3）如果要在博客或文档中使用 notebook，我就选择Markdown格式。
6）关闭Jupler notebook服务器
通过在终端中按两次 Ctrl + C，可以关闭整个服务器。再次提醒，这会立即关闭所有运行中的 notebook，因此，请确保你保存了工作！
关闭notebook服务器后，下次启动再打开notebook，当你继续在该notebook中写代码时，发现之前的变量无法访问了。需要你在该notebook的Kernerl选项卡中选择“Run All”重新编译下之前的代码。
7）安装的包在notebook中不可使用的问题：
是因为安装包的时候，不在当前notebook所在的python环境下安装了包，所以在这个python环境下找不到包。解决办法如下：
如果你实践了上面的每一步，恭喜你，已经入门学会了 notebook。上面的命令也不需要你记住，只有你后面经常使用notebook，自然就熟练了。想想，你每天说话，会记住每个单词吗？当然不会，用的多了自然在大脑中就形成了记忆，而所谓的新技能学习，无非也是熟能生巧。
后期可以进一步学习Python：
零基础掌握人工智能(AI)核心语言：Python