g++ 安装python_卧槽，又一款Python神器

写Python代码最头疼的两件事是什么？

我总结了两点

1、Windows 平台安装第三方包经常失败的问题，还记得第一次安装mysql依赖包时的那个场景吗？怎么都装不上。

2、虚拟环境切换的问题，如果我们同时在一台电脑上开发多个项目，每个项目独立一个虚拟环境是非常必要的，但是在不同项目之间切来切去也是个麻烦。

这两个问题Anoconda可以救你。

01 Anaconda 是什么？

Anaconda 是一个可用于科学计算的 Python 发行版，支持 Linux、Mac、Windows系统，内置了常用的科学计算包。它解决了官方 Python 的两大痛点。

一句话总结就是它是一个比Python官方更牛逼的安装包

第一：提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决，
第二：提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。

02 下载 Anaconda

直接在官网下载安装包，选择 Python3.8 的安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可，大约需要1.8G的磁盘空间。

conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和 vitualenv 的组合。

安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行命令 conda

conda 的环境管理与 virtualenv 是基本上是类似的操作。因此只要你用过pip 或者 virtualenv 那么基本没有迁移成本。

03 环境管理

创建虚拟环境

基于python3.8创建一个名字为python36的环境

conda create --name python36 python=3.8

激活虚拟环境

activate python36 # windows 平台source activate python36 # linux/mac 平台

退出当前虚拟环境

deactivate python36

删除虚拟环境

conda remove -n python36 --all# 或者conda env remove -n python36

查看所有已安装的虚拟环境

conda info -epython36 * D:\Programs\Anaconda3\envs\python36root D:\Programs\Anaconda3

包管理

conda 的包管理功能可 pip 是一样的，当然你选择 pip 来安装包也是没问题的。

# 安装 matplotlibconda install matplotlib# 查看已安装的包conda list# 包更新conda update matplotlib# 删除包conda remove matplotlib

用 conda 你再也不需要担心无法安装 mysqlclient、matplotlib 等机器学习相关的包了。

在 conda 中 anything is a package。conda 本身可以看作是一个包，python 环境可以看作是一个包，anaconda 也可以看作是一个包。

因此除了普通的第三方包支持更新之外，这3个包也支持。比如：

# 更新conda本身conda update conda# 更新anaconda 应用conda update anaconda# 更新python，假设当前python环境是3.6.1，而最新版本是3.6.2，那么就会升级到3.6.2conda update python

04 修改镜像地址

和pip一样，Anaconda 的镜像地址默认在国外，用 conda 安装包的时候会很慢，目前可用的国内镜像源地址有清华大学的。

修改 ~/.condarc (Linux/Mac) 或 C:\Users\当前用户名\.condarc (Windows) 配置：

channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaultsshow_channel_urls: true

如果使用conda安装包的时候还是很慢，那么可以考虑使用pip来安装，同样把 pip 的镜像源地址也改成国内的，豆瓣源速度比较快。

修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\当前用户名\pip\pip.ini (Windows) 配置：

[global]trusted-host = pypi.douban.comindex-url = http://pypi.douban.com/simple

配置完后，你的下载速度一定会飞起。

如果你是玩数据分析的话，强烈推荐你使用它来管理包和虚拟环境，如果再配合 jupyter notebook 来开发的话，犹如倚天和屠龙。