管理包
安裝了 Anaconda 之後，管理包是相當簡單的。要安裝包，請在終端中鍵入 conda install package_name。例如，要安裝 numpy，請鍵入 conda install numpy。
你還可以同時安裝多個包。類似 conda install numpy scipy pandas 的命令會同時安裝所有這些包。還可以通過添加版本號（例如 conda install numpy=1.10）來指定所需的包版本。
Conda 還會自動爲你安裝依賴項。例如，scipy 依賴於 numpy，因爲它使用並需要 numpy。如果你只安裝 scipy(conda install scipy)，則 conda 還會安裝 numpy（如果尚未安裝的話）。
大多數命令都是很直觀的。要卸載包，請使用 conda remove package_name。要更新包，請使用 conda update package_name。如果想更新環境中的所有包（這樣做常常很有用），請使用 conda update --all。最後，要列出已安裝的包，請使用前面提過的 conda list。
如果不知道要找的包的確切名稱，可以嘗試使用 conda search search_term 進行搜索。例如，我知道我想安裝 Beautiful Soup，但我不清楚確切的包名稱。因此，我嘗試執行 conda search beautifulsoup。
搜索 beautifulsoup
它返回可用的 Beautiful Soup 包的列表，並列出了相應的包名稱 beautifulsoup4。
2.
管理環境
如前所述，可以使用 conda 創建環境以隔離項目。要創建環境，請在終端中使用 conda create -n env_name list of packages。在這裏，-n env_name 設置環境的名稱（-n 是指名稱），而 list of packages 是要安裝在環境中的包的列表。例如，要創建名爲 my_env 的環境並在其中安裝 numpy，請鍵入 conda create -n my_env numpy。
創建環境時，可以指定要安裝在環境中的 Python 版本。這在你同時使用 Python 2.x 和 Python 3.x 中的代碼時很有用。要創建具有特定 Python 版本的環境，請鍵入類似於 conda create -n py3 python=3 或 conda create -n py2 python=2 的命令。實際上，我在我的個人計算機上創建了這兩個環境。我將它們用作與任何特定項目均無關的通用環境，以處理普通的工作（可輕鬆使用每個 Python 版本）。這些命令將分別安裝 Python 3 和 2 的最新版本。要安裝特定版本（例如 Python 3.3），請使用 conda create -n py python=3.3。
進入環境
創建了環境後，在 OSX/Linux 上使用 source activate my_env 進入環境。在 Windows 上，請使用 activate my_env。
進入環境後，你會在終端提示符中看到環境名稱，它類似於 (my_env) ~ $。環境中只安裝了幾個默認的包，以及你在創建它時安裝的包。可以使用 conda list 檢查這一點。在環境中安裝包的命令與前面一樣：conda install package_name。不過，這次你安裝的特定包僅在你進入環境後纔可用。要離開環境，請鍵入 source deactivate（在 OSX/Linux 上）。在 Windows 上，請使用 deactivate。
3.
保存和加載環境
共享環境這項功能確實很有用，它能讓其他人安裝你的代碼中使用的所有包，並確保這些包的版本正確。可以使用 conda env export > environment.yaml 將包保存爲 YAML。第一部分 conda env export 寫出環境中的所有包（包括 Python 版本）。
導出的環境輸出到終端中
上圖可以看到列出了環境的名稱和所有依賴項及其版本。導出命令的第二部分 > environment.yaml 將導出的文本寫入到 YAML 文件 environment.yaml 中。現在可以共享此文件，而且其他人能夠創建和你用於項目相同的環境。
要通過環境文件創建環境，請使用 conda env create -f environment.yaml。這會創建一個新環境，而且它具有在 environment.yaml 中列出的同一庫。
列出環境
如果忘記了環境的名稱（我有時會這樣），可以使用 conda env list 列出你創建的所有環境。你會看到環境的列表，而且你當前所在環境的旁邊會有一個星號。默認的環境（即當你不在環境中時使用的環境）名爲 root。
刪除環境
如果你不再使用某些環境，可以使用 conda env remove -n env_name 刪除指定的環境（在這裏名爲 env_name）。
4.
最佳做法
使用環境
對我幫助很大的一點是，我的 Python 2 和 Python 3 具有獨立的環境。我使用了 conda create -n py2 python=2 和 conda create -n py3 python=3 創建兩個獨立的環境，即 py2 和 py3。現在，我的每個 Python 版本都有一個通用環境。在所有這些環境中，我都安裝了大多數標準的數據科學包（numpy、scipy、pandas 等）。
我還發現，爲我從事的每個項目創建環境很有用。這對於與數據不相關的項目（例如使用 Flask 開發的 Web 應用）也很有用。例如，我爲我的個人博客（使用 Pelican）創建了一個環境。
共享環境
在 GitHub 上共享代碼時，最好同樣創建環境文件並將其包括在代碼庫中。這能讓其他人更輕鬆地安裝你的代碼的所有依賴項。對於不使用 conda 的人，我通常還會使用 pip freeze（在此處瞭解詳情）將一個 pip requirements.txt 文件包括在內。
瞭解更多信息
要詳細瞭解 conda 和它如何融入到 Python 生態系統中，請查看這篇由 Jake Vanderplas 撰寫的文章：Conda myths and misconceptions（有關 conda 的迷思和誤解）。此外，有空也可以參考這篇 conda 文檔。
5.配置清華源
配置鏡像
在anaconda安裝好之後，默認的鏡像是官方的，由於官網的鏡像在境外，使用國內的鏡像能夠加快訪問的速度。這裏選擇了清華的的鏡像。鏡像的地址如下:tuna。Anaconda 安裝包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下載。
在Anaconda Prompt中運行：
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
1
2
3
4
前往當前用戶的目錄下，查看.condarc文件
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true
1
2
3
4
注意：配置完成之後，要關閉控制檯再重新打開控制檯，這樣新配置的文件纔會被加載進來