1. anaconda 常用指令
conda list (所有安装的库列表)
conda install package_name (库)安装
conda clean清理
conda update package_name(更新)
conda remove package_name(库) 删除
conda search package_name(库)搜索
conda list -n env_name #指定查看某环境下安装的库
conda info -e （conda info --envs）（conda env list）查看当前系统下的所有环境，可以切换或者删除相应的环境。 带 * 号前缀的那个环境就是现在正在使用的环境。
创建新的环境:
指定python版本为2.7，注意至少需要指定python版本或者要安装的包
conda create -n env_name python=2.7
同时安装必要的包：conda create -n env_name numpy matplotlib python=2.7
如果新环境中需要复制本地（当前环境）的库依赖包，
那么用 pip freeze >requirements.txt
这样就根据本地的库生成了一个依赖库文档。
然后直接安装该文档安装即可：pip install -r requirements.txt(如果需要就指定路径，例如：pip install -r C:\Users\Administrator\requirements.txt )
或者conda install --yes --file requirements.txt
以上方法是常用方法，但是仍然需要重新安装包，实际上anaconda可以直接将运行环境保存成文件分享，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.yaml
当使用别人的代码时,可以用对方提供的 YAML 文件来创建一个一样一样的运行环境。
conda env create -f environment.yaml
环境切换：
切换到新环境
linux下(或macOS)需要使用：source activate env_name
win下：activate env_name或者conda activate env_name
退出环境:
win下（也可以使用’activate root’ 切回root环境）
deactivate env_name 或者conda deactivate
linux下：
source deactivate
一般流程的注意点
conda env list 可以列出所以环境，前面带*号的是当前环境，直接用conda install 安装包会直接安装到这个环境下。但是有时候需要安装的包conda中没有，需要使用pip install安装，这时候需要切换到activate env_name再安装，否则不会安装到conda的环境下。
网上有些人用pip安装了再把包复制过来，又或者切换到anaconda的bin中跑pip，亲测不大好用。
spyder配置
命令窗实现了Python不同版本的自由切换，但spyder打开之后始终是base环境，这是因为新环境没有安装spyder，需要在不同环境下都安装才可以使用。
使用conda list找不到spyder这一项，那么就需要安装。
conda install spyder
安装spyder。如果无法直接安装，可以通过搜索工具包所在的网址进行安装，使用anaconda search -t conda指令，具体用法在安装库那一部分中。
在创建的新环境中安装好spyder以后，然后在终端中输入spyder，系统会自动打开基于新环境的spyder。
移除环境
conda remove -n env_name --all（conda remove -name env_name --all）
conda remove --name your_env_name --all
安装库
anaconda search -t conda (库例如：tensorflow) 搜索可用版本,搜到的名字
anaconda show m_name(m_name代表搜到的名字) 会显示这个库需要用什么指令下载
输入安装指令即可。
通常安装新的版本也会提供老的版本的选项，例如搜索出来tensorflow是2.0的版本，实际上会提供1.14等旧的版本，只需要在安装指令后加上=1.14.0，就可以安装了。
更常用的方法是：直接pip install (库名) 删除库：pip uninstall （库名）
当想要安装的库安装不了或者下载没速度的时候，连到这个网址，（http://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost）直接ctrl+f搜想要的库。
cp27代表python2.7以此类推，找到对应版本的库（和自己python版本以及win32/amd64版本一样的库下载）
下载下来是一个whl文件，找到该文件的路径，然后pip install （该文件的文件名.whl）
也可以使用清华大学的镜像，怕麻烦可以直接改conda设置：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
查看设置好的镜像：
conda config --show channels
恢复默认源：
conda config --remove-key channels
删除镜像源：
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
安装anaconda之后，打开spyder的闪退问题：（来自知乎）
删除你目录下的 .continuum 文件夹就行了
step1. 打开终端
step2. 输入 sudo rm -rf .continuum
step3. 输入电脑的密码
2.使用virtualenv隔离环境
在开发Python应用程序的时候，系统安装的Python3只有一个版本：3.4。所有第三方的包都会被pip安装到Python3的site-packages目录下。
如果我们要同时开发多个应用程序，那这些应用程序都会共用一个Python，就是安装在系统的Python 3。如果应用A需要jinja 2.7，而应用B需要jinja 2.6怎么办？
这种情况下，每个应用可能需要各自拥有一套“独立”的Python运行环境。我们知道anaconda中可以用（conda create -n env_name）隔离环境，但是anaconda更多是数据工程师使用（具体见之前博客https://www.jianshu.com/p/cf14d7b51fe7），开发者更多使用virtualenv来为一个应用创建一套“隔离”的Python运行环境。
首先，我们用pip安装virtualenv：pip3 install virtualenv
有时候出现报错：
“pip install virtualenv” giving Found existing installation: filelock 2.0.12
输入pip install -U --ignore-installed filelock
pip show virtualenv 找到virtualenv路径。
/home/dataw/.local/lib/python3.6/site-packages
bin文件夹的地址写入环境变量或者创建软连接：/home/dataw/.local/bin
写入软链接，没有权限就加sudo
ln -s /home/dataw/.local/bin/virtualenv /usr/bin/virtualenv
然后，假定我们要开发一个新的项目，需要一套独立的Python运行环境：
第一步，创建目录：
mkdir myproject
cd myproject/
第二部，创建独立环境：
#命令virtualenv就可以创建一个独立的Python运行环境，
#我们还加上了参数--no-site-packages，
#这样，已经安装到系统Python环境中的所有第三方包都不会复制过来，
#这样，我们就得到了一个不带任何第三方包的“干净”的Python运行环境。
virtualenv --no-site-packages venv
指定python版本
virtualenv --no-site-packages venv --python=python3.6
出现virtualenv: command not found
手动加一下环境变量或者加一下软连接
pip show virtualenv
显示：
/home/dataw/.local/lib/python3.6/site-packages
```ln -s /home/dataw/.local/bin/virtualenv /usr/bin/virtualenv```
#新建的Python环境被放到当前目录下的venv目录。有了venv这个Python环境，
可以用source进入该环境：
source venv/bin/activate
#此时命令提示符会多一个(venv)前缀，表示当前环境是一个名为venv的Python环境。
看一下python和pip指向：
which python:
/home/dataw/utils/python_env/dssm/tf_1.14/tf_1.14/bin/python
which pip:
/home/dataw/utils/python_env/dssm/tf_1.14/tf_1.14/bin/pip
打开jupyter notebook```jupyter notebook```
此时可以在（venv）里安装环境
#如果有requirements.txt，直接批量安装所有依赖库
(venv) $ pip install -r requirements.txt
在venv环境下，用pip安装的包都被安装到venv这个环境下，系统Python环境不受任何影响。也就是说，venv环境是专门针对myproject这个应用创建的。
退出当前的venv环境，使用deactivate命令：
(venv) $ deactivate
此时就回到了正常的环境，现在pip或python均是在系统Python环境下执行。
完全可以针对每个应用创建独立的Python运行环境，这样就可以对每个应用的Python环境进行隔离。
virtualenv是如何创建“独立”的Python运行环境的呢？原理很简单，就是把系统Python复制一份到virtualenv的环境，用命令source venv/bin/activate进入一个virtualenv环境时，virtualenv会修改相关环境变量，让命令python和pip均指向当前的virtualenv环境。
创建版本库
