写在前面
被python下的包管理和环境管理反复折磨过几回，遂将遇到的一些问题和使用的方法整理下来，减少以后重复检索的劳动。本文主要聚焦在Conda，也有一些其他相关内容。
辨析
Python之所以强大，一方面是其本身（语言特性、core和标准库）的强大，另一方面也因为其有着覆盖众多领域、丰富而强大的第三方库，很多时候只需要检索一下是否有相关的库，如果有就可以做个快乐的“调包侠”了。但是，库多了，如果将所有库放在一起，杂乱不说，而且难以迁移。项目背景不同，需要的库也不同，同时库也一直在更新，库间还存在依赖，因此就需要对库及其版本和依赖进行管理，保证代码在任何时候都可以正常运行。Python、问题领域相关的库以及管理工具一起就构成了相对独立的生产环境，引出了包管理和环境管理。
下面辨析下与Conda常常一起出现的几个小伙伴：pip、virtualenv、Anaconda、Miniconda等。
- pip：从官网上下载的Python，是一个相对纯净的默认环境，里面有Python内核和标准库、pip等其他可选包和工具。pip是包管理工具，我们可以使用pip来下载和安装其他包，pip会将包安装在当前环境里，没有创建和启用其他环境时，安装在默认环境里。
- virtualenv：vitualenv是环境管理工具，可以创建独立的python环境——与默认环境具有相似的目录结构。
- conda：conda可同时进行包管理和环境管理，通过conda可以创建环境和切换环境，也可以将包安装到对应环境。Conda将一切都视为包，甚至包括Python和conda自己。
- Miniconda：miniconda相当于python+conda，安装好Miniconda后可通过conda安装其他包。
- Anaconda：anaconda相当于python+conda+data science and machine learning相关的包，即相对Miniconda预装了数据科学和机器学习相关的常用包。
有趣的是，我们知道Python英文单词的意思是蟒蛇，而Anaconda是巨蟒——狂蟒之灾的电影名就叫Anaconda (´⊙ω⊙`)！两者的logo都是蛇~
Conda使用
conda基础操作
conda环境管理
包管理
多版本Python管理
以上截自Getting started with conda
创建的环境均保存在anaconda/envs/的各个子目录（以环境名命名），其与从python官网下载下来python纯净环境并无多大差别，具有相同的目录结构，只是在更上一层用conda 工具“统领”管理起来。
使用 activate 激活相应环境后，默认使用的都是该环境下的命令，如anaconda/envs/py35/Scripts/下的pip 、wheel 等，安装的包也是放在该环境的lib目录下。
设置国内镜像
conda默认使用的国外镜像源速度相对较慢，使用清华的Anaconda仓库镜像，执行下面的命令。
# 添加清华Anaconda镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 显示通道地址
conda config --set show_channel_urls yes命令执行完后，会生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME.condarc文件，文件内容如下：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true若未成功生成该配置文件，也可手动创建、添加上面内容保存即可，具体可参见Sample .condarc file。
此时，我们搜索包，可以看见已经能使用清华Anaconda镜像源了。
