大多数Python学习者都遇到过“安装”的问题。 这些安装问题包括安装Python本身的环境、安装第三方模块、切换不同版本、不同平台、版本之间的兼容性问题等。 暴躁的奇迹充满了这些问题，一行代码还没写就疯了。 请相信我。 你不是一个人。 ……包括我自己在内，都被这么坑了。
我印象最深的是，在Mac上安装了pycrypto (加密)和scipy )模块，花了很长时间。 因为这样的模块不是简单的Python代码，需要调用c语言等库，所以涉及在不同平台的编译，有些在虚拟环境中不能简单分离版本。 几次尝试失败后，最终用同样的工具简单地解决了。 这就是我今天要介绍的：
美国航空航天局
应该有不少人已经知道并且正在使用。 另外，也在考虑需要标记后再看的收藏党。 在这里，我给你“太长了，不想看”版。
Anaconda是扩展版的Python。 最直接的好处是，它为我们打包了一整套与数据科学相关的Python库。 一次安装即可拥有数据分析、数值计算、数据可视化、机器学习常用的几十个库，无需担心安装不成功、版本不一致等，节省了时间和精力。 Anaconda的核心是conda这个包/环境经理，和前面介绍的虚拟环境virtualenv类似，而且功能丰富。 安装了Anaconda后，同时可以使用conda管理电脑上不同版本的Python环境。 如果对conda的使用不熟悉的话就没关系。 Anaconda还附带了一个名为Navigator的桌面GUI工具，可以直观地创建和管理环境，也可以安装和删除扩展包。 安装Anaconda后，附带了Jupyter和Spyder两种IDE。 Jupyter是基于浏览器的交互式开发环境，在开发的同时运行的模型适合编写数据科学类程序。 Spyder的接口与Matlab非常相似。 但是，如果您熟悉PyCharm，也可以通过设置interpreter路径直接使用Anaconda环境。 主要是这几点。 如果你在使用中遇到了什么问题，请在文本下面留下讨论。 如果有其他的想法或者想听的内容的话，也请告诉我们。
Anaconda这个词，从字面上看和Python很像，都是大蟒蛇。 系列电影《狂蟒之灾》的主角就是这个。 美国著名嘻哈歌手麻辣鸡(Nicki Minaj )有一首歌叫《Anaconda》 ) (本文封面，儿童请勿搜索。 这个项目的命名其实是示意图。 Anaconda是一个更大的Python。
试着做个类比吧。 安装了Python就像买了毛坯房一样。 虽然涂了涂料之后通电了，但是真的很想住下去。 另外，必要时必须自己装修。 Anaconda是一种精致的装修。 这个硬封面是面向数据科学的，同时也确保了你自己进一步改装的空间。
官网上有Anaconda支持库列表：
358文档. Anaconda.com/Anaconda /软件包/PKG -文档/
里面有很多熟悉的面孔。 从中选了几个常见的东西。
勾选的包含在安装包中，没有勾选的则需要之后的手动安装。 数据分析所需的numpy、pandas、scipy、matplotlib自不必说，还有数据收集的请求、beautifulsoup、scapy、网页开发的flask、GUI的pyqt、图像处理的pillow
唯一的缺点可能是它占了空间。 但是，既然你决心深入开发Python，这就少了一个游戏的空间吧。
如果安装了Anaconda，就不需要安装Python了。 由于其本身包含Python环境，因此可以避免版本不一致的问题。 因为支持Windows、Mac、Linux三个平台，所以直接从官网下载安装就可以了。 (建议选择最新版本)
3559 www.anaconda.com /下载/
按照指示安装也没什么问题。 网上的安装示例也搜索了一遍，这里不赘述。 建议在安装时右键单击，然后选择“以管理员身份运行”。
安装后，检查你的Python是否已经在Anaconda环境下。 (由提示可知)
=pc">进群：960410445 即可获取书十套PDF！
这时候，你可以通过 conda 来管理你的安装包和环境。使用方法和我们之前介绍过的 virtualenv 类似（参见《 为什么你的python版本一团糟？因为少了这个操作 》）。常用的命令有
conda list ：查看环境中的所有包conda install XXX ：安装 XXX 包conda remove XXX ：删除 XXX 包conda env list ：列出所有环境conda create -n XXX ：创建名为 XXX 的环境conda env remove -n XXX ：删除指定环境activate XXX （或 source activate XXX）：启用 XXX 环境deactivate （或 source deactivate）：退出环境同 pip 一样，如果使用 conda 安装很慢，可以通过 修改国内源 的方式来加速。修改 C:Users当前用户名.condarc（非 Windows 是 ~/.condarc），加入如下配置：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults show_channel_urls: trueAnaconda 的又一贴心之处在于，给了你一个叫做 Anaconda Navigator 的桌面 GUI 工具，把上述 conda 的功能都做成了点击按钮就可以完成的事情。
包管理和环境管理都一目了然。
数据科学库、包/环境管理、Navigator 工具 ，这几样就是 Anaconda 的主要功能。
另外值得一提的是： Anaconda 是附带了一系列第三方库的 Python 以及对这些库的管理工具 ，和我们之前说的 PyCharm 不是一类东西。 PyCharm 是 IDE，用来写代码的编辑器 。你可以把 Anaconda 作为运行环境放在 PyCharm 里使用。只要你 创建项目的时候选择已经配置好的 Anaconda 环境 即可。关于 PyCharm 的具体配置可以在公众号（ Crossin的编程教室 ）里回复关键字 pycharm
而 Anaconda 默认附带的另一个开发工具 Jupyter，也是非常值得推荐的。你可以从 Navigator 里运行，或者在命令行执行命令：
jupyter notebook它是一个 基于浏览器的交互式开发工具 。跟 Python 自带的交互环境相比，它的自动完成和提示功能都强大许多，并且你不用再纠结不能在交互环境里写多行代码的问题。
这种代码分块，可以边开发边执行的模式， 非常适合编写爬虫、数据处理、数据分析 等数据科学类的程序。我之前的很多案例都是使用它来开发，你们看到项目代码中的 .ipynb 文件就是可以导入 Jupyter 的文件。另外它还有个好处，就是可以部署在自己的服务器上使用（当然这也有安全风险），这样只要有网络，你就能随时随地写 Python 了。
不管是 Anaconda 还是 Jupyter，以及之前推荐多次的 PyCharm，到底好不好用，是不是适合你，自己试过了才知道。花点时间装起来用一下，然后欢迎你回来报告使用体验。