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：
在 OSX/Linux 上 输入：
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）。