> 友情提问：
到底该装 Python2 呢还是 Python3 ？
为什么安装 Python 时总是出错？
怎么安装工具包呢？
为什么提示说在安装这个工具前必须先安装一堆其他不明所以的工具？
==Anaconda== - 一键式解决Python开发中的各种问题
> 1. Anaconda、Conda和Miniconda 的区别
- Anaconda 本质上是一个软件发行版，包含了 conda、Python 以及 190 多个科学包及其依赖项等。
简单来说，安装了Anaconda，就安装了python、conda和一般可能用到的numpy、scipy、pandas等等常见的科学计算包，而无需再单独下载配置。由于python3和python2的分裂，自行使用virtualenv用pip进行配置，经常会出现无法使用的情况。固推荐安装Anaconda。
Conda 是一个开源的软件包(package)管理系统和环境(environment)管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
Miniconda本质上是一个conda环境的安装程序，只包含Conda及其依赖项，以便您可以从头开始安装所需的。
下载地址:
> 2. 简要介绍Conda
因为conda来自于Python（更具体地说是PyData）社区，许多人错误地认为它基本上是一个Python包管理器。情况并非如此,conda旨在管理任何软件堆栈中的包和依赖关系。在这个意义上，它不像pip，更像是apt或yum等跨平台版本
Conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。可以把 conda 看作是 pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库，也就是一个更完整也更大的集成管理工具。
Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
安装完成后，可以通过Anaconda Prompt打开控制台。
> 3.Pip与Conda的区别
pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引（PyPI）上发布的包。 pip和PyPI都由Python包装管理局（PyPA）管理和支持。
简而言之，pip是Python包的通用管理器;conda是一个与语言无关的跨平台环境管理器。
对于用户，最显着的区别可能是这样的：
pip在任何环境中安装python包;conda安装在conda环境中的任何包装。如果你正在做的是在孤立的环境中安装Python包，conda和pip + virtualenv大多是可互换的，模数依赖处理和包可用性的一些差异。通过隔离环境(conda-env或virtualenv)，您可以在其中安装软件包，而无需修改您的系统Python安装。
如果我们专注于只是安装Python包，conda和pip服务不同的受众和不同的目的。 如果你想在现有的系统Python安装中管理Python包，conda不能帮助你：通过设计，它只能在conda环境中安装包。 如果你想说，使用依赖于外部依赖的许多Python包（NumPy，SciPy和Matplotlib是常见的例子），同时以一种有意义的方式跟踪这些依赖，pip不能帮助你：它 管理Python包和只有Python包。
Conda和pip不是竞争对手，而是侧重于不同用户组和使用模式的工具。
> 4.为什么使用Anaconda？
省时省心、分析利器
[省时省心]
1）管理包
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(完美的防止了自己安装的依赖问题).
2）管理环境
为什么需要管理环境呢？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。
[分析利器]
3）Anaconda自带常用数据科学包，它包括了conda、numpy、pandas,以及Python 190 多个科学包及其依赖项, 在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。
> 5.安装 Anaconda
1 - Anaconda的安装步骤比较简单，唯一需要注意的地方，环境变量的设置选项勾选上:
然后一路下一步，直到完成:
2 - 设置国内镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
3 - 更新conda
一般新安装的Anaconda中conda的版本都比较低，安装完成之后我们需要对conda进行升级，升级到最新版本，使用命令：
- conda upgrade --all
- conda update -n env_name conda
到此，安装就是这么快就完了.
> 6.常用命令简介
启动Anaconda:
在windows中使用管理员权限打开Anaconda Prompt.
[图片上传失败...(image-d52a32-1520044715806)]
- 创建环境
conda create -n env_name python=x.x install_packages
这里的env_name就是需要创建的新环境名名称、python=x.x创建环境使用的python版本(例如：python=3.4). install_packages是初始化安装的第三方包 空格隔开 支持批量安装 自动安装依赖
- 查看环境
conda info -e|--envs
- 激活环境
activate env_name
- 失效环境
deactivate env_name
- 删除环境
conda remove -n env_name --all 删除环境
- 安装包
pip install package_name(激活模式下)
conda install -n env_name package_name(非激活模式下)
- 查看当前环境已安装包|某个指定环境的已安装包
conda list [-n env_name]
- 查看包信息(例如搜索numpy)
conda search num
- 更新包
conda update -n env_name package_name
- 删除包
conda remove -n env_name package_name
- 更新conda
conda update -n env_name conda
- 安装|更新anaconda
conda install|update anaconda
- 更新python
conda update python(从python 3.4.1 -> 3.4.2[laster])
参考文章：
5. 最省心的Python版本和第三方库管理--初探Anaconda
