共计 2343 个字符，预计需要花费 6 分钟才能阅读完成。
介绍
Anaconda 是开源的 Python 包管理器。既是 Python 各种库的大礼包汇合, 特地是数据分析和科学计算方面的库都预装了，也是一个能创立虚拟机环境的工具。
我为什么装置
我装置它的起因不是科学计算，是因为我要用 AkShare 库获取数据，要求 Python 3.6 及以上版本。我电脑 Python 2.7.15，又不想降级，所以装置 anaconda，用 anaconda 创立虚拟机环境，在虚拟机环境应用 Python3.7，本地电脑放弃原版本不变。
装置过程
下载地址 www.anaconda.com 抉择 download，
下载最新版本安装包 Anaconda3-2020.02-Windows-x86_64.exe，
这里抉择装置目录，未来创立的各个版本 Python 的环境文件也都放在这个目录的子目录下
这里我勾选了上面，没有勾选下面，开始装置
怎么用
关上
装置实现，在开始搜寻 ana 会呈现 Anaconda prompt，我是以管理员身份运行的，不必管理员权限应该也没问题。
关上后窗口最后面的 (base) 示意你正处于 Anaconda 的根底环境，根底环境个别不真正应用，要依据本人具体我的项目须要建设本人的环境，否则这个工具的威力大打折扣了。
比照 base 环境的 Python 版本和失常命令行工具的 Python 版本，能够看到两者互不影响。
Ana 窗口
一般 cmd
批改 channels
建设环境的时候要下载很多包，如果下载速度慢会导致下载 timeout 而终止，会报错，
解决办法是把 channels 设置为清华大学的镜像地址，在命令行顺次执行上面命令。倡议先设置上面的 channels，而后创立你的第一个环境。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
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/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/新建环境
建设本人环境的命令 conda create -n ak_test python=3.7.6，ak_test 是新建环境的名称，叫什么随便，3.7.6 是我指定的版本，须要哪个版本就写哪个。
到这里阐明创立 ak_test 环境实现，同时提醒进入环境和来到环境的命令。
执行 conda activate ak_test，看到 (base) 变成了(ak_test)，阐明曾经进入了 ak_test 环境。
装置 akshare
这步每个人都不一样，按须要装置本人要的库。科学计算类的库 Anaconda 是预装的，装置更简略。
我建设这个环境是要应用 akshare，装置，报错 time out
是国内网络问题，应用阿里云镜像进行装置，命令如下
pip install akshare -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com --upgrade
装置胜利！
应用 akshare
上面两个小例子展现 akshare 库的性能。
股票策略指数曲线
aksharetest.py
import akshare as ak
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
stock_df = ak.zdzk_fund_index(30, plot=False)
futures_df = ak.zdzk_fund_index(32, plot=False)
fig = plt.figure(111, figsize=(20, 10), dpi=300)
adjust_stock_df = stock_df["20150102":] / stock_df["20150102"] * 1000
adjust_stock_df.plot(linewidth=4)
adjust_futures_df = futures_df["20150102":] / futures_df["20150102"] * 1000
adjust_futures_df.plot(linewidth=4)
plt.title("index example")
plt.legend()
plt.show()
会画出图片
股票指数查问
aksharetest02.py
import akshare as ak
stock_df = ak.stock_zh_index_spot()
print(stock_df)
ak_test 环境和 base 是隔离的
如果执行 conda deactivate 来到这个环境切换到 (base) 环境，能够看到找不到 akshare 模块，阐明 base 和 ak_test 环境是隔离的。
自建环境像是新建了个虚拟机
上面是 vmware 的虚拟机文件目录和 Anaconda 的自建环境文件目录，是不是有点像
总结
Anaconda 能够迅速建设一套 Python 的开发运行环境，环境和宿主机互不影响，所建不同环境之间也互不影响，少了很多 Python 和库版本上的牵绊。
它在包治理上的应用，本文没有波及。如果须要的库是 anaconda 外面预装的库和包，过程比本文要简略，堪称一键装机。
