要学习Python数据分析，环境搭建是最基础的知识点，目前Anaconda 和Jupyter notebook是数据分析的标准环境。
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。
一、安装Anaconda
1、Anaconda可用于多个平台（Windows、 Mac OS 和Linux），直接去官网地址根据操作系统版本对应下载：
此为MacOS版本，下载好软件后一路默认安装。
2、命令行安装方式是打开终端，执行以下命令：
bash ~/Downloads/Anaconda3-5.3.1-MacOSX-x86_64.sh //python3版本过程默认安装，可选择自动添加环境变量。看到”Thank you for installing Anaconda!”就安装完成了。
然后你source一下或者重启终端使新加的环境变量生效
source ~/.bash_profile //或者是source ~/.zshrc_profile注意：Mac安装好后的Anaconda可直接在图形界面进行包的管理和操作，有的会出现桌面菜单不现实Anaconda 的情况，这个我没有去解决，接下来的学习教程都是在终端命令行完成。
二、conda操作命令
常用命令
查看conda 版本
可检测安装Anaconda是否成功
conda --version // 或者conda -V更新conda 版本
conda update conda查看安装了哪些依赖库
conda list查找包
conda search XXX安装包
conda install XXX更新包
conda update XXX删除包
conda remove XXXconda 虚拟环境
anaconda默认自带环境base
若之前从未进入base环境时，需先进入anaconda自带环境base
source /opt/anaconda3/bin/activate base备注：“opt”需替换为自己电脑上anaconda3所在文件夹上的路径
查看所有虚拟环境和信息
// 有三种命令均可查询
conda info -e
conda info --envs
conda env list创建新的虚拟环境
conda create --name env_name
// 或者是指定python版本
conda create -n env_name python=3.x备注：“env_name”为自己创建的环境名；3.x 根据需求选择版本；
新的虚拟环境会自动创建在原anaconda的envs目录中
创建新环境并指定包含的库
conda create -n env_name scipy
// 并且可以指定库的版本
conda create -n env_name scipy=0.15.0复制环境
conda create --name env_clone --clone env_name激活进入虚拟环境
source activate env_name退出当前虚拟环境
source deactivate删除环境
conda remove --name env_name --all查看某个环境下安装的库
conda list -n env_name三、指令进入Jupyter notebook 并配置虚拟环境
激活虚拟环境
conda activate env_name项目要运用到Jupyter notebook，要先确保该环境中已安装jupyter notebook的包，输入指令：
conda install jupyter notebook默认端口启动运行
终端命令进入项目目录下输入指令：
jupyter notebook进入到Jupyter服务器页面发现python解释器还是默认的环境，退出服务器回到终端
退出Jupyter notebook,需要关闭它的服务器。只需要在它启动的终端上按：
Mac用户：control c
Windows用户：ctrl c
进行以下操作：
安装ipykernel
pip install ipykernel
// 或者是 conda install ipykernel在ipykernel中安装当前环境
python -m ipykernel install --name env_name备注：python为软连接，有可能是python3; env_name为之前进入的虚拟环境名
若报错[Errno 13] Permission denied:
python -m ipykernel install --user --name env_name退回至base环境，打开jupyter
conda deactivate
jupyter notebook