reference：優達課程——機器學習進階-anaconda配置

conda list ：檢視安裝哪些包

conda upgrade --all：更新所有包

1. 管理包

安裝包

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。還可以通過新增版本號（例如 conda install numpy=1.10）來指定所需的包版本。

Conda 還會自動為你安裝依賴項。例如，scipy

解除安裝包-更新包

大多數命令都是很直觀的。要解除安裝包，請使用 conda remove package_name。要更新包，請使用 conda update package_name如下例，更新pillow包。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。

搜尋包

如果不知道要找的包的確切名稱，可以嘗試使用 conda search search_term

搜尋 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，你可以使用 conda 建立環境以隔離專案。要建立環境，請在終端中使用 conda create -n env_name list of packages。在這裡，-n env_name 設定環境的名稱（-n 是指名稱），而 list of packages 是要安裝在環境中的包的列表。例如，要建立名為 my_env

建立環境時，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 中的程式碼時很有用。要建立具有特定 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建立了這兩個環境。我將它們用作與任何特定專案均無關的通用環境，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 Python 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

建立了環境後，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預設的包，以及你在建立它時安裝的包。你可以使用 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才可用。

離開環境

要離開環境，請鍵入 source deactivate（在 OSX/Linux 上）。在 Windows 上，請使用 deactivate。

練習題

你將使用哪個命令來建立名為 data 且安裝了 Python 3.5、numpy 和 pandas 的環境？ 

• conda env create -n data python=3.5 numpy pandas

• conda create data python=3.5 numpy pandas

• conda create -n data python=3.5

• conda create -n data python=3.5 numpy pandas

             D正確

3. 環境儲存和匯入、列出環境、刪除環境

儲存和載入環境

共享環境這項功能確實很有用，它能讓其他人安裝你的程式碼中使用的所有包，並確保這些包的版本正確。你可以使用 conda env export > environment.yaml 將包儲存為 YAML。命令的第一部分 conda env export 用於輸出環境中的所有包的名稱（包括 Python 版本）。

1） 首先進入名為‘’base‘’的環境（python3）

2）然後將匯出的環境輸出到終端中

      3） 通過後半部分environment.yaml將其儲存到並命名為“environment.yaml”

檔案“environment.yaml”所在位置：

上圖中，你可以看到環境的名稱和所有依賴項及其版本。匯出命令的第二部分 > environment.yaml將匯出的文字寫入到 YAML 檔案 environment.yaml 中。現在可以共享此檔案，而且其他人能夠用於建立和你專案相同的環境。

要通過環境檔案建立環境，請使用 conda env create -f environment.yaml。這會建立一個新環境，而且它具有同樣的在 environment.yaml 中列出的庫。

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 列出你建立的所有環境。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。預設的環境（即當你不在選定環境中時使用的環境）名為 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（在這裡名為 env_name）。

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 建立兩個獨立的環境，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資料科學包（numpy、scipy、pandas 等）。

我還發現，為我從事的每個專案建立環境很有用。這對於與資料不相關的專案（例如使用 Flask 開發的 Web 應用）也很有用。例如，我為我的個人部落格（使用 Pelican）建立了一個環境。

共享環境

在 GitHub 上共享程式碼時，最好同樣建立環境檔案並將其包括在程式碼庫中。這能讓其他人更輕鬆地安裝你的程式碼的所有依賴項。對於不使用 conda 的使用者，我通常還會使用 pip freeze（在此處瞭解詳情）將一個 pip requirements.txt 檔案匯出幷包括在其中。

瞭解更多資訊

要詳細瞭解 conda 以及它如何融入到 Python 生態系統中，請檢視這篇由 Jake Vanderplas 撰寫的文章：Conda myths and misconceptions（有關 conda 的迷思和誤解）。此外，如果你有空閒精力，也可以參考這篇 conda 文件。