Anaconda换回conda的默认源。直接删除channels即可。命令如下：
conda config --remove-key channels
下载时候自己电脑的Anaconda版本（到官网直接下载）
根据提示进行安装，完成后你大概会惊讶地发现电脑中多了好多应用，不用担心，我们一项项来看：
- Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。
- Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
- qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
- spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
安装完成后，我们还需要对所有工具包进行升级，以避免可能发生的错误。打开你电脑的终端，在命令行中输入：
conda upgrade --all
在终端询问是否安装如下升级版本时，输入 y。
有的情况下，你可能会遇到找不到
conda命令的错误提示，这很可能是环境路径设置的问题，需要添加conda环境变量：如果是windows的话需要去 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH 中添加anaconda的安装目录的Scripts文件夹, 比如我的路径是D:\ProgramData\Anaconda3, 看个人安装路径不同需要自己调整.
（如果更新出现连接断开的问题可以设置到新华镜像源）：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
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/pkgs/free/
conda config --set show_channel_urls yes
或者直接找到C://user/你电脑的用户名/.condarc 更改其中内容为：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
至此，安装完成，下面让我们看一下如何用 Anaconda 管理工具包和环境。
如何管理Python包？
安装一个 package：
conda install package_name
这里 package_name 是需要安装包的名称。你也可以同时安装多个包，比如同时安装numpy 、scipy 和 pandas，则执行如下命令：
conda install numpy scipy pandas
你也可以指定安装的版本，比如安装 1.1 版本的 numpy ：
conda install numpy=1.10
移除一个 package：
conda remove package_name
升级 package 版本：
conda update package_name
查看所有的 packages：
conda list
如果你记不清 package 的具体名称，也可以进行模糊查询：
conda search search_term
如何管理Python环境？
默认的环境是 root，你也可以创建一个新环境：
conda create -n env_name list of packages
其中 -n 代表 name，env_name 是需要创建的环境名称，list of packages 则是列出在新环境中需要安装的工具包。
例如，当我安装了 Python3 版本的 Anaconda 后，默认的 root 环境自然是 Python3，但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码，最好还安装了 pandas 包，于是我们运行以下命令来创建：
conda create -n py2 python=2.7 pandas
细心的你一定会发现，py2 环境中不仅安装了 pandas，还安装了 numpy 等一系列 packages，这就是使用 conda 的方便之处，它会自动为你安装相应的依赖包，而不需要你一个个手动安装。
进入名为 env_name 的环境：
source activate env_name
退出当前环境：
source deactivate
另外注意，在 Windows 系统中，使用 activate env_name 和 deactivate 来进入和退出某个环境。
删除名为 env_name的环境：
conda env remove -n env_name
显示所有的环境：
conda env list
当分享代码的时候，同时也需要将运行环境分享给大家，执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。
conda env export > environment.yaml
同样，当执行他人的代码时，也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。
conda env create -f environment.yaml
至此，你已跨入 Anaconda 的大门，后续就可以徜徉在 Python 的海洋中了。
总结：
activate // 切换到base环境
activate learn // 切换到learn环境
conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)
conda env list // 列出conda管理的所有环境
conda list // 列出当前环境的所有包
conda install requests 安装requests包
conda remove requests 卸载requets包
conda remove -n learn --all // 删除learn环境及下属所有包
conda update requests 更新requests包
conda env export > environment.yaml // 导出当前环境的包信息
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境
