Anaconda 和 Jupyter notebook已成为数据分析的标准环境。

简单来说，Anaconda是包管理器和环境管理器，Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。

接下来我详细介绍下Anaconda，并在最后给出Jupyter notebook：

1.Anaconda是什么？

2.如何安装？

3. 如何管理包？

4.如何管理环境？

5.Jupyter notebook如何快速上手？

不过在开始前我需要强调下，下面的步骤你要亲自跟着敲一遍并在自己的电脑上实践。虽然下面你会遇到很多命令，给了谁都记不住的。但是别怕，也别中途放弃，因为你没必要记住命令，因为当你在后面学习数据分析用的多了，自然就记住了。

记不住也没关系，学会在哪查找就可以了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。

刚开始学习的过程就像下面这个图，只要中途不放弃，自己实际操作一遍，我保证你可以熟练上手。

1.Anaconda是什么？

Anaconda在英文中是“蟒蛇”，麻辣鸡（Nicki Minaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。

所有你看下面Anaconda的图标就像一个收尾互相咬住的“蟒蛇”。

你可能已经安装了 Python，那么为什么还需要 Anaconda？有以下3个原因：

1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

2）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。

3）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。

2. 如何安装Anaconda？

Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。你可以在下面地址上找到安装程序和安装说明。根据你的操作系统是32位还是64位选择对应的版本下载。

（Anaconda已经不支持Windows XP；同时查看自己电脑是32位还是64位，不要装错了。）

官网地址：https://www.continuum.io/downloads

如果官网地址网速太慢无法下载，可以从我公众号：猴子聊人物，中回复“资料”从网盘下载

Anaconda 的下载文件比较大（约 500 MB），因为它附带了 Python 中最常用的数据科学包。

如果计算机上已经安装了 Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。

注意：如果你是windows 10系统，注意在安装Anaconda软件的时候，右击安装软件→选择以管理员的身份运行。

完成安装后，如果你是在windows上操作，按下面图打开 Anaconda Prompt （或者 Mac 下的终端），后面我会将Anaconda Prompt统一称为“终端”。

注意：如果你是windows 10系统，按下图操作

如果win10系统没有按上述操作，后面会报下面的错误信息：

可以在终端或命令提示符中键入 conda list，以查看你安装的内容。

如果安装后，在Anaconda Prompt中都无法使用Conda命令，解决方法在这里：

猴子：Python管理包工具anaconda安装过程常见问题解决办法​zhuanlan.zhihu.com

如果Anaconda Prompt中可以使用conda命令，接着下面继续操作。

为了避免后面使用报错，你需要先更新下所有包。在终端输入更新所有包的命令：

conda upgrade    --all

并在提示是否更新的时候输入 y（Yes）让更新继续。初次安装下的软件包版本一般都比较老旧，因此提前更新可以避免未来不必要的问题。

如果以上命令运行后报错，参考这里的解决办法：

猴子：Python管理包工具anaconda安装过程常见问题解决办法​zhuanlan.zhihu.com

3. 如何管理包？

安装了 Anaconda 之后，就可以很方便的管理包了（安装，卸载，更新）。

1）安装包

在终端中键入：

conda install package_name

例如，要安装 pandas，在终端中输入：

conda install pandas

你还可以同时安装多个包。类似 conda install pandas numpy 的命令会同时安装所有这些包。还可以通过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。

conda 还会自动为你安装依赖项。例如，scipy 依赖于 numpy，因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy)，则 conda 还会安装 numpy（如果尚未安装的话）。

2）卸载包

在终端中键入 ：

conda remove package_names

上面命令中的package_names是指你要卸载包的名称，例如你想卸载pandas包：conda remove pandas

3）更新包

在终端中键入：

conda update package_name

如果想更新环境中的所有包（这样做常常很有用），使用：conda update --all。

4）列出已安装的包

#列出已安装的包
conda list

例如我已经成功安装了numpy和pandas这两个常用的包。

如果不知道要找的包的确切名称，可以尝试使用 conda search search_term 进行搜索。例如，我知道我想安装numpy，但我不清楚确切的包名称。我可以这样尝试：conda search num。

4.如何管理环境？

conda 可以为你不同的项目建立不同的运行环境。

0）安装nb_conda用于notebook自动关联nb_conda的环境。

1）创建环境

在终端中使用:

conda create -n env_name package_names

上面的命令中，env_name 是设置环境的名称（-n 是指该命令后面的env_name是你要创建环境的名称），package_names 是你要安装在创建环境中的包名称。

例如，要创建环境名称为 py3 的环境并在其中安装 numpy，在终端中输入 conda create -n py3 pandas。

2）创建环境时，可以指定要安装在环境中的 Python 版本

当你同时使用 Python 2.x 和 Python 3.x 中的代码时这很有用。要创建具有特定 Python 版本的环境，例如创建环境名称为py3，并安装最新版本的Python3在终端中输入：

conda create -n py3 python=3 

或也可以这样创建环境名称为py2，并安装最新版本的Python2：

conda create -n py2 python=2

因为我做的项目不同，有时候会用到Python2，还有时候会用到Python3。所以我在自己的计算机上创建了这两个环境，并分别取了这样的环境名称：py2,py3。这样我可以根据不同的项目轻松使用不同版本的python。

如果你要安装特定版本（例如 Python 3.6），请使用 conda create -n py python=3.6

3）进入环境

在 Windows 上，你可以使用 activate my_env进入。在 OSX/Linux 上使用 source activate my_env 进入环境。

进入环境后，你会在终端提示符中看到环境名称，下面图片是我进入py3的环境（这里的py3是我上面创建环境时自己起的名称，你可以起个自己喜欢的名称）。

进入环境后，我可以用conda list 查看环境中默认安装的几个包：

在环境中安装包的命令与前面一样：conda install package_name。

不过，这次你安装的特定包仅在你进入环境后才可用。

3）离开环境

在 Windows 上，终端中输入：

deactivate

在 OSX/Linux 上 输入：

source deactivate

4）共享环境

共享环境非常有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。比如你开发了一个药店数据分析系统，你要提交给项目部署系统的王二狗来部署你的项目，但是王二狗并不知道你当时开发时使用的是哪个python版本，以及使用了哪些包和包的版本。这怎么办呢？

你可以在你当前的环境中终端中使用 conda env export > environment.yaml 将你当前的环境保存到文件中包保存为YAML文件（包括Pyhton版本和所有包的名称）。

命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。

在“notebook工作文件夹”下（及你在终端中上图的路径）可以看到导出的环境文件：

在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。

导出的环境文件，在其他电脑环境中如何使用呢？

首先在conda中进入你的环境，比如activate py3

然后在使用以下命令更新你的环境：

#其中-f表示你要导出文件在本地的路径，所以/path/to/environment.yml要换成你本地的实际路径
conda env update -f=/path/to/environment.yml

对于不使用 conda 的用户，我通常还会使用 pip freeze > environment.txt 将一个 txt文件导出并包括在其中。

具体见这里：https://pip.pypa.io/en/stable/reference/pip_freeze/

举个例子你可能更容易理解这个使用场景：

首先，我在自己的电脑上在conda中将项目的包导出成environment.txt 文件：

然后我将该文件包含在项目的代码库中，其他项目成员即使在他的电脑上没有安装conda也可以使用该文件来安装和我一样的开发环境：

他在自己的电脑上进入python命令环境，然后运行以下命令就可以安装该项目需要的包：

pip install -r /path/requirements.txt

其中/path/requirements.txt是该文件在你电脑上的实际路径。

5）列出环境

我有时候会忘记自己创建的环境名称，这时候用 conda env list 就可以列出你创建的所有环境。

你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在选定环境中时使用的环境）名为 root。

6）删除环境

如果你不再使用某个环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里环境名为 env_name）。

最后重新再强调下，不要被上面的命令吓到。虽然上述命令多，给了谁都记不住的。后面你跟着我在知乎上多做项目，用的多了自然记住了。你只需要跟着上面步骤操作下，并理解了每一步是干什么的就可以了。后面遇到要做的事情，忘记了回头查这个文档就可以了。

conda的官方文档：https://conda.io/docs/user-guide/tasks/index.html

按照上面的步骤你亲自操作一遍后，你已经学会了Anaconda，并安装好你的数据分析Pyhton环境了，接下来你就可以愉快的使用Jupyter notebook来做数据分析了：

jupyter notebook 可以做哪些事情？​www.zhihu.com

其他常见问题，见这里：

我会从下面4个方面详细聊聊，记得实践每一步，你将不仅了解什么是Jupyter notebook，而且还能轻松使用这个神器。

1.Jupyter notebook 是什么？

2.如何安装 Jupyter notebook？

3.如何启动Jupyter notebook？

4.新手如何快速使用notebook？

1.Jupyter notebook 是什么？

在没有notebook之前，在IT领域工作的我都是这样工作的：

在普通的 Python shell 或者在IDE（集成开发环境）如Pycharm中写代码，然后在word中写文档来说明你的项目。

这个过程很反锁，通常是写完代码，再写文档的时候我还的重头回顾一遍代码。最蛋疼的地方在于，有些数据分析的中间结果，我还的重新跑代码，然后把结果弄到文档里给客户看。

有了notebook之后，我的世界突然美好了许多，因为notebook 可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。

例如，我的数据分析社群小伙伴就用Jupyter notebook写出了他的学习笔记，长这样，是不是很酷：

所以，你现在明白了这句话是在说什么了：

Jupyter notebook（ http://jupyter.org/） 是一种 Web 应用，能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。

Jupyter Notebook 已迅速成为数据分析，机器学习的必备工具。因为它可以让数据分析师集中精力向用户解释整个分析过程。

Jupyter这个名字是它要服务的三种语言的缩写：Julia，PYThon和R，这个名字与“木星（jupiter）”谐音。

如果看了以上对Jupyter Notebook的介绍你还是拿不定主意究竟是否适合你，那么不要担心，你可以先免安装试用体验一下，戳这里，然后再做决定。（感谢

值得注意的是，官方提供的同时试用是有限的，如果你点击链接之后进入的页面如下图所示，那么不要着急，过会儿再试试看吧。

如果你足够幸运，那么你将看到如下界面，就可以开始体验啦。

2.如何安装 Jupyter notebook？

对于做数据分析这么有用的神器，不安装使用下是不是很遗憾？

安装 Jupyter 的最简单方法是使用 Anaconda。该发行版附带了 Jupyter notebook。你能够在默认环境下使用 notebook。

确保你已经安装了Anaconda，如果不知道如何安装的，可以看我之前写的：

初学python者自学anaconda的正确姿势是什么？？​www.zhihu.com

要在 conda 环境中安装 Jupyter notebook，在conda终端使用命令（以下所有命令是指conda的终端Anaconda Prompt）：

conda install jupyter notebook

也可以通过python shell的 pip 来安装：pip install jupyter notebook。

3.如何启动Jupyter notebook？

启动 notebook 服务器，在终端中输入： jupyter notebook。

服务器会在你运行此命令的“notebook工作文件夹”中启动。也就是说后面你操作的任何 notebook 文件都会保存在该文件夹下，类似于你用优酷下载视频，优酷都会放到自己的下载目录一样。例如我在下面的C:\houzi 下面启动目录后，会在该目录下看到我后面运行的文件。

启动notebook 服务器后，在浏览器中打开notebook页面地址：http://localhost:8888

（其中localhost 表示你的计算机，而 8888 是服务器的默认端口）

如果你同时启动了另一个 notebook 服务器，新服务器会尝试使用端口 8888，但由于此端口已被占用，因此新服务器会在端口 8889 上运行。之后，你可以通过 http://localhost:8889 连接到新服务器。以此类推。

如果启动后遇到问题，参考这里的解决方案：

猴子：jupyter notebook常见问题解决办法​zhuanlan.zhihu.com

4.新手如何快速使用notebook？

1）确保你在Anaconda终端中安装了以下包：

• 安装环境自动关联包

conda install nb_conda

该包可以将conda中创建的环境自动关联到你的notebook中。

我们可以对应conda中的环境，就知道这些环境对应conda中的环境列表。用 conda env list 就可以列出你创建的所有环境。

其中py2是我在conda中创建的Python2环境名称，
root和default一样是默认环境，因为我安装的是Anaconda3，所以默认环境是Python3。

你会发现环境名称py3没有出现在notebook中。解决办法是按下图步骤安装包ipykernel。

（同样的，在你的py2环境下也要像刚才步骤那样安装一次这个包）

完成上面安装步骤，回到标签页“Files”，再新建notebook时，会发现已经关联了环境名称py2和py3：

这样你在notebook中可以轻松切换Python2和Python3环境了。

ps：感谢

经过上面步骤后，notebook的首页右上角，在新建的时候没有显示py3和py2两个环境的关联，这个时候，你可以尝试重启浏览器，注意！是重启浏览器，不是notebook！刷新浏览器有时候是没有用滴（因为缓存的原因），而然我刷了两个小时。。。

• 在Anaconda终端安装代码自动补全包

conda install pyreadline

什么是代码自动补全呢？

后面会介绍，您就等好吧。

1）顶部的3个选项卡

顶部的3个选项卡是：Files（文件）、Running（运行）和 Cluster（集群）。

Files（文件）显示当前“notebook工作文件夹”中的所有文件和文件夹。

点击 Running（运行）选项卡会列出所有正在运行的 notebook。可以在该选项卡中管理这些 notebook。

Clusters一般不会用到。因为过去在 Clusters（集群）中创建多个用于并行计算的内核。现在，这项工作已经由 ipyparallel 接管。

2）如何创建一个新的notebook？

像下面图片中一样，在右侧点击“New”（新建），创建新的 notebook、文本文件、文件夹或终端。

“Notebooks”下的列表显示了你已安装的内核。由于我在 Python 3 环境中运行服务器，因此列出了 Python 3 内核。你在这里看到的可能是 Python 2。这里我点击Python3。

这样你就打开了下面的页面，你会看到外框为绿色的一个小方框。它称为单元格。单元格是你编写和运行代码的地方。以后你就可以在这里写你的数据分析代码了。

在这里你可以输入自己人生中的第一行Python代码Hello world。然后点击图中的运行按钮，会执行你当前所在的代码，其实我更喜欢用快捷键（键盘上同时按住ctrl+enter键）来执行代码。

这句代码的意思是在界面输出字符串"Hello world！"，所以你会看到在下面与输出结果出来。

运行代码单元格时，单元格下方会显示输出。单元格还会被编号（左侧会显示 In [1]:）。如果运行了多个单元格的话（也就是多块代码），这能让你知道运行的代码和运行顺序。

notebook 中的大部分工作均在代码单元格中完成。这是编写和执行代码的地方。在代码单元格中可以执行多种操作，例如编写代码、给变量赋值、导入包，展示数据分析结果等。在一个单元格中执行的任何代码在所有其他单元格中均可用。

+ 按钮用于创建新的单元格

还记得一开始我提到代码自动补全功能吗？那么，什么是代码自动补全呢？

比如 我定义了下面的变量。

在后面代码中用到这个变量是，我只要输入第一个变量的第一个字母p，然后按下Tab键，边会自动查找到代码中以p开头的变量名称，这可以大幅度提供你写代码的效率。

但是要注意：如果你定义的变量想出现在代码补全里，需要你先把定义该变量的cell运行以后，notebook才能识别它。

当Cell前出现*，表示当前cell程序正在运行，或者它前面的cell正在运行。

2）重命名notebook

你会看到刚才我建的notebook文件名是下面这样默认的，我想修改成自己喜欢的文件名如何办呢？

点击“File”->Rename，可以对notebook文件进行重命名，这里我命名成‘Helloworld’

同时，你可以在当前运行notebook服务器的“notebook工作文件夹”下看到创建的notebook，文件名后缀是ipynb。

（其实Notebook 就是个扩展名为 .ipynb 的大型 JSON 文件。）

点击下面的保存按钮，可以保存你的notebook文件。但 notebook 也会定期自动保存。

3）重新运行所有单元格里的代码

4）关闭 notebook文件

通过在服务器主页上选中 notebook 旁边的复选框，然后点击“Shutdown”（关闭），你就可以关闭各个 notebook。

但是，在这样做之前，请确保你保存了工作！否则，在你上次保存后所做的任何更改都会丢失。同时如果不保存，你下次运行 notebook 时，你还需要重新运行代码。

5）如何共享你的notebook？

点击File->Download as，你可以选择多种格式下载你的notebook。一般我都会根据下面的用途来选择不同的下载格式：

1）如果我想和客户分享我的数据分析成果，我会选择将notebook下载为HTML文件。

2）如果我希望将自己的数据分析成果和代码嵌入到项目中，比如为药店管理系统做个数据分析子模块，我就会选择Python（.py）模块，这可以将我的代码融入项目中，成为子模块，方便和其他开发人员共同完成任务。

3）如果要在博客或文档中使用 notebook，我就选择Markdown格式。

6）关闭Jupler notebook服务器

通过在终端中按两次 Ctrl + C，可以关闭整个服务器。再次提醒，这会立即关闭所有运行中的 notebook，因此，请确保你保存了工作！

关闭notebook服务器后，下次启动再打开notebook，当你继续在该notebook中写代码时，发现之前的变量无法访问了。需要你在该notebook的Kernerl选项卡中选择“Run All”重新编译下之前的代码。

7）安装的包在notebook中不可使用的问题：

是因为安装包的时候，不在当前notebook所在的python环境下安装了包，所以在这个python环境下找不到包。解决办法如下：

如果你实践了上面的每一步，恭喜你，已经入门学会了 notebook。上面的命令也不需要你记住，只有你后面经常使用notebook，自然就熟练了。想想，你每天说话，会记住每个单词吗？当然不会，用的多了自然在大脑中就形成了记忆，而所谓的新技能学习，无非也是熟能生巧。

后期可以进一步学习Python：

零基础掌握人工智能(AI)核心语言：Python​www.zhihu.com