1 为什么要Anaconda
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）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。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 安装anaconda
首先在下载链接中下载对应版本，然后运行安装
bash Anaconda3-5.1.0-Linux-x86_64.sh注意要换成自己下载的版本，安装的时候一路enter或yes就可以，安装完后测试
conda list # 查看安装的包3 管理python环境
3.1 新建环境
默认的环境是root，也可以新创建一个环境
conda create -n env_name list of packages其中 -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。
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 Python 2 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细心的你一定会发现，py2 环境中不仅安装了 pandas，还安装了 numpy 等一系列 packages，这就是使用 conda 的方便之处，它会自动为你安装相应的依赖包，而不需要你一个个手动安装。
再比如，新建一个tensorflow环境
conda create -n tensorflow python=3.5
conda activate tensorflow
pip install tensorflow-gpu keras # 安装 gpu 版本的 tensorflow 和 keras
#安装需要的环境
conda install ipython
conda install jupyter3.2 进入环境
source activate env_name3.3 退出环境
source deactivate3.4 删除环境
conda env remove -n env_name3.5 显示环境
conda env list3.6 保存环境
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.yaml3.7 迁移环境
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.yaml3.8 复制环境
conda create --name <new_env_name> --clone <copied_env_name>4 conda包管理
4.1 安装包
在指定环境中安装包
conda install --name <env_name> <package_name>例如： conda install --name python2 pandas 即在名为“python2”的环境中安装pandas包。
在当前环境中安装包
conda install <package_name>4.2 卸载包
卸载指定环境中的包
conda remove --name <env_name> <package_name>卸载当前环境中的包
conda remove <package_name>4.3 更新包
conda update <package_name> #方法1
conda upgrade <package_name> #方法2