這次帶給大家Python的環境配置解析，Python環境配置解析的注意事項有哪些，下面就是實戰案例，一起來看一下。
打算學習 Python 來做資料分析的你，是不是一開始就遇到各種麻煩呢？
到底該裝 Python2 呢還是 Python3 ？
為什麼安裝 Python 時總是會出錯？
怎麼安裝工具包呢？
為什麼提示說在安裝這個工具前必須先安裝一堆其他不明所以的工具？
相信大多數 Python 的初學者們都曾為環境問題而頭疼不已，但你並不孤獨，大家都是這麼折騰過來的。為了在入門時少走彎路，並且讓高漲的積極性不至於太受打擊，這裡推薦使用 Anaconda 來管理你的安裝環境和各種工具包。
本文介紹了Anaconda的使用，全文大綱如下：
#為什麼選擇Anaconda
* 什麼是Anaconda
* 什麼是conda
* Anaconda 的優點
如何安裝Anaconda
如何管理Python 套件
如何管理Python 環境
Anaconda是專注於資料分析的Python發行版本，包含了conda、Python等190多個科學套件及其相依性。身為好奇寶寶的你是不是發現了一個新名詞 conda，那你一定會問 conda 又是什麼呢？
conda 是開源套件（packages）和虛擬環境（environment）的管理系統。
packages 管理： 可以使用 conda 來安裝、更新 、卸載工具包 ，並且它更關注於與資料科學相關的工具包。在安裝 anaconda 時就預先整合了像 Numpy、Scipy、 pandas、Scikit-learn 這些在資料分析中常用的套件。另外值得一提的是，conda 並非只管理Python的工具包，它也能安裝非python的套件。例如在新版的 Anaconda 中就可以安裝R語言的整合開發環境 Rstudio。
虛擬環境管理： 在conda中可以建立多個虛擬環境，用於隔離不同專案所需的不同版本的工具包，以防止版本上的衝突。對於糾結於 Python 版本的同學們，我們也可以建立 Python2 和 Python3 兩個環境，分別運行不同版本的 Python 程式碼。
知道 是什麼（what） 的同時，我們也需要問一個問 為什麼（why）。那麼，為什麼要選擇用Anaconda呢？
Anaconda的優點總結起來就八個字：省時省心、分析利器。
省時省心： Anaconda透過管理工具包、開發環境、Python版本，大大簡化了你的工作流程。不僅可以方便安裝、更新、卸載工具包，而且安裝時能自動安裝對應的依賴包，同時還能使用不同的虛擬環境隔離不同要求的項目。
分析利器： 在 Anaconda 官網中是這麼宣傳自己的：適用於企業級大數據分析的Python工具。其包含了720多個資料科學相關的開源包，在資料視覺化、機器學習、深度學習等多方面都有涉及。不僅可以做數據分析，甚至可以用在大數據和人工智慧領域。
解決了 是什麼 以及 為什麼 的問題後，下面讓我們來看看 怎麼做（How）。
可以從這裡下載 Anaconda 的安裝程式以及查看安裝說明。無論是 Windows、Linux 或 MAC 的 OSX 系統，都可以找到對應的安裝軟體。如果你的電腦是64位元則盡量選64位元版本。至於 Python 的版本是 2.7 還是 3.x，這裡推薦你使用 Python3，因為 Python2 最終將停止維護。可能目前市面上大多數教學使用的都還是 Python2，這也不用著急，因為在 Anaconda 中可以同時管理兩個 Python 版本的環境。
根據提示進行安裝，完成後你大概會驚訝地發現電腦中多了很多應用，不用擔心，我們一項項來看：
Anaconda Navigtor ：用於管理工具包和環境的圖形使用者介面，後續涉及的眾多管理指令也可以在 Navigator 中手動實作。
Jupyter notebook ：基於web的互動式運算環境，可以編輯易於人們閱讀的文檔，用於展示資料分析的過程。
qtconsole ：一個可執行IPython 的仿終端圖形介面程序，相較於Python Shell 介面，qtconsole 可以直接顯示程式碼產生的圖形，實現多行程式碼輸入執行，以及內建許多有用的功能和函數。
spyder ：一個使用Python語言、跨平台的、科學運算整合開發環境。
安裝完成後，我們還需要對所有工具包進行升級，以避免可能發生的錯誤。打開你電腦的終端，在命令列中輸入：
conda upgrade --all
在終端詢問是否安裝如下升級版本時，輸入 y。
有的情況下，你可能會遇到找不到conda 指令的錯誤提示，這很可能是環境路徑設定的問題，需要加入conda環境變數：export PATH=xxx/anaconda/bin:$PATH,其中xxx替換成anaconda的安裝路徑。
至此，安裝完成，以下讓我們來看看如何用 Anaconda 管理工具包和環境。
安裝一個 package：
conda install package_name
這裡 package_name 是需要安裝套件的名稱。你也可以同時安裝多個包，例如同時安裝numpy 、scipy 和pandas，則執行以下命令：
conda install numpy scipy pandas
你也可以指定安裝的版本，例如安裝1.1 版本的numpy ：
conda install numpy=1.10
移除一個package：
##conda remove package_name
conda update package_name
如果你記不清package 的具體名稱，也可以進行模糊
##4、如何管理Python環境？
conda create -n env_name list of packages
其中-n 代表name，env_name 是需要建立的環境名稱，list of packages 則是列出在新環境中需要安裝的工具包。
conda create -n py2 python=2.7 pandas
細心的你一定會發現，py2 環境中不僅安裝了pandas，也安裝了numpy 等一系列packages，這就是使用conda 的方便之處，它會自動為你安裝相應的依賴包，而不需要你一個個手動安裝。
source activate env_name
退出
另外注意，在Windows 系統中，使用activate env_name 和deactivate 來進入和退出某個環境。
conda env remove -n env_name
顯示所有的環境：
conda env list
當分享程式碼的時候，同時也需要將運行環境分享給大家，執行以下指令可以將目前環境下的package 資訊存入名為environment 的YAML 檔案中。
conda env export > environment.yaml
同樣，當執行他人的程式碼時，也需要配置對應的環境。這時你可以用對方分享的 YAML 檔案來創造一摸一樣的運作環境。
conda env create -f environment.yaml
至此，你已跨入 Anaconda 的大門，後續就可以徠徉在 Python 的海洋中了。
祝學習愉快！
註：本文程式碼範例參考自Udacity資料分析課程之Anaconda章節。
相信看了本文案例你已經掌握了方法，更多精彩請關注php中文網其它相關文章！
推薦閱讀：
以上是Python的環境配置解析的詳細內容。更多資訊請關注PHP中文網其他相關文章！
