anaconda是一个专为科学计算设计的python发行版，适用于linux、mac和windows系统。它提供了包管理和环境管理功能，方便解决多版本python共存、切换以及各种第三方包的安装问题。anaconda使用conda工具来管理package和environment，并且已经包含了python及相关的配套工具。conda是开源包（packages）和虚拟环境（environment）的管理系统。
包管理： 可以使用conda来安装、更新和卸载工具包，尤其关注数据科学相关的工具包。安装Anaconda时，预先集成了像Numpy、Scipy、pandas、Scikit-learn等常用于数据分析的包。此外，conda不仅管理Python包，还可以安装非Python包，例如新版Anaconda中可以安装R语言的集成开发环境Rstudio。
虚拟环境管理： 在conda中，可以创建多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以避免版本冲突。对于需要使用不同Python版本的用户，可以创建Python2和Python3两个环境，分别运行不同版本的Python代码。
Anaconda的优点？ Anaconda的优点可以总结为八个字：省时省心、分析利器。
省时省心： Anaconda通过管理工具包、开发环境和Python版本，大大简化了工作流程。它不仅能方便地安装、更新和卸载工具包，还能自动安装相应的依赖包，并使用不同的虚拟环境隔离不同要求的项目。
分析利器： Anaconda官网宣传其为适用于企业级大数据分析的Python工具，包含了720多个数据科学相关的开源包，涵盖数据可视化、机器学习和深度学习等领域。不仅可用于数据分析，还可应用于大数据和人工智能领域。
在CentOS上安装Anaconda：
wget https://repo.continuum.io/archive/Anaconda2-4.3.0-Linux-x86_64.sh bash Anaconda2-4.3.0-Linux-x86_64.sh
如果遇到conda命令找不到的错误提示，可能是环境路径设置的问题，需要添加conda环境变量：
export PATH=/root/anaconda2/bin:$PATH
查看conda版本：
conda --version
添加channels：
conda config --add channels conda-forge conda config --add channels defaults conda config --add channels r conda config --add channels bioconda conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --set show_channel_urls yes
或者直接修改conda的配置文件，通常在当前用户路径下，例如：
vim ~/.condarc
Conda的包管理： Conda的包管理功能类似于pip。例如，安装scipy：
conda install scipy
conda会从远程搜索scipy的相关信息和依赖项目。对于Python 3.4，conda会同时安装numpy和mkl（运算加速库）。查看已安装的packages：
conda list
最新版的conda从site-packages文件夹中搜索已安装的包，不依赖于pip，因此可以显示通过各种方式安装的包。
conda的一些常用操作：
conda list # 查看当前环境下已安装的包 conda list -n python34 # 查看某个指定环境的已安装包 conda search numpy # 查找package信息 conda install -n python34 numpy # 安装package conda update -n python34 numpy # 更新package conda remove -n python34 numpy # 删除package
conda将conda、Python等都视为package，因此可以使用conda来管理conda和Python的版本，例如：
conda update conda # 更新conda，保持conda最新 conda update anaconda # 更新anaconda conda update python # 更新python
假设当前环境是Python 3.4，conda会将Python升级为3.4.x系列的当前最新版本。
如果创建新的Python环境，比如3.4，运行
conda create -n python34 python=3.4之后，conda仅安装Python 3.4相关的必须项，如Python、pip等。如果希望该环境像默认环境那样，安装anaconda集合包，只需要：
conda install anaconda # 在当前环境下安装anaconda包集合
结合创建环境的命令，可以合并为：
conda create -n python34 python=3.4 anaconda
也可以根据需求只安装所需的package。
设置国内镜像： 如果需要安装很多packages，可能会发现conda下载速度很慢，因为Anaconda.org的服务器在国外。幸运的是，清华TUNA镜像源有Anaconda仓库的镜像，可以将其加入conda的配置：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
执行上述命令后，会生成
~/.condarc（Linux/Mac）或
C:\Users\USER_NAME\.condarc文件，记录着对conda的配置。直接手动创建、编辑该文件也有相同的效果。
