Python

Python是一种面向对象的解释型计算机程序设计语言。

Python的强大之处在于它的应用领域范围之广，遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏开发等。实现其强大功能的前提，就是Python具有数量庞大且功能相对完善的标准库和第三方库。

python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要我们安装pip来导入这些包才能进行相应运算。举例：在cmd终端输入：pip install numpy就能安装numpy包了。

每次都额外安装所需要的包略麻烦，这时候我们可以采用anaconda了。anaconda是一个python发行版，包含了大量的包，使用anaconda无需再去额外安装所需包。

anaconda

Anaconda是一个免费，开源的针对数据科学处理和机器学习相关应用的Python和R语言的发行版。anaconda在管理包上是很方便的。anaconda是一个python发行版，使用它你就不需要额外安装python包了。

Anaconda = 超过1000个数据包 + Conda package + virtual environment manager （即 Anaconda Navigator）。

pycharm

PyCharm是一种Python IDE，是一款开发工具。pycharm带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。

将anaconda中的python.exe集成到pycharm中，便可以在使用pycharm的过程中使用到所有anaconda的包了。

conda

conda是包及其依赖项和环境的管理工具。conda不会影响系统自带Python。conda其实就是venv+pip的作用，也就是虚拟环境+包管理。

conda适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。conda为Python项目而创造，但可适用于上述的多种语言。conda包和环境管理器包含于Anaconda的所有版本当中。

conda用于：1.快速安装、运行和升级包及其依赖项。2.在计算机中便捷地创建、保存、加载和切换环境。

conda同样是一个环境管理器。仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。

conda是一种通用包管理系统，是想要构建和管理任何语言的任何类型的软件。因此，它也适用于Python包。

pip

Pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引（PyPI）上发布的包。pip编写语言Python，pip仅适用于Python。

Python中默认安装的版本：1.Python 2.7.9及后续版本：默认安装，命令为pip。2.Python 3.4及后续版本：默认安装，命令为pip3。

pip是Python包的通用管理器； conda是一个与语言无关的跨平台环境管理器。pip在任何环境中安装python包; conda安装在conda环境中装任何包。

virtualenv

用于创建一个独立的Python环境的工具。

virtualenv会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。

举例：当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？

conda结合了pip和virtualenv的功能。

conda命令

1.conda --version（ 验证conda已被安装）

2.conda update conda（更新conda至最新版本）

3.rm -rf ~/anaconda3（卸载conda，删除anaconda安装目录）

4.conda create --name <env_name> <package_names> (创建新环境）

（新创建的环境将会被保存在/Users/<user_name>/anaconda3/env目录下。举例：conda create --name python2 python=2.7，即创建一个名为“python2”的环境，环境中安装版本为2.7的python。conda create -n python3 python=3.5 numpy pandas，即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。如果创建环境后安装Python时没有指定Python的版本，那么将会安装与Anaconda版本相同的Python版本）

5.conda activate <env_name> （切换环境）

6.conda create --name <new_env_name> --clone <copied_env_name> （复制环境）

7.conda remove --name <env_name> --all （删除环境)

8.conda install --name <env_name> <package_name>  (在指定环境安装包）

9.conda install <package_name>  （在当前环境安装包）当使用conda install无法进行安装时，可以考虑从Anaconda.org中获取安装包的命令，并进行安装。

10.conda remove --name <env_name> <package_name> （卸载指定环境的包）

11.conda remove <package_name>  （卸载当前环境的包）

12.conda list -n <env_name>  （查看指定环境下已安装包列表）

13.conda list（查看当前环境下已安装包列表）

conda install和pip install

补充：conda install <package_name>  （在当前环境安装包）

pip也可安装包：pip install <package_name>

但pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。当前环境下安装包会使用当前环境下pip进行安装。这里环境指的是conda create的环境。

conda 安装包路径是 xxxxx\Anaconda3\pkgs

pip 安装包路径在虚拟环境下是 xxxx\Anaconda3\envs\<env_name>\Lib\site-packages

如果使用conda install 多个环境时，对于同一个包只需要安装一次。有conda集中管理。但是如果使用pip因为每个环境安装使用的pip在不同的路径下，故会重复安装，而包会从缓存中取。

conda列出所需其他依赖包。安装包时自动安装其依赖项。可以便捷地在包的不同版本中自由切换。pip不一定会展示所需其他依赖包。安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。

pycharm 使用anaconda中的虚拟环境

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统conda进行管理。

有时候大面积的工程开发还是需要使用到pycharm。

Ubuntu中pycharm中如何使用Anaconda中的虚拟环境呢？1.先安装Anaconda和Pycharm。2.然后在Pycharm 导入 Anaconda 的python环境。

具体导入步骤如下：1.打开pycharm，File->settings->project:()->Project Interpreter。2.点击右上角的小齿轮，点击弹出来的Add Python Interpreter。3.左侧边栏中选择Conda Environment，右侧选择下边的Existing environment，然后选择Interpreter。4.找到Anaconda 下Python安装位置。base环境下的python路径类似 Anconda3/bin/python3。python 的其他版本，自己安装的版本路径都在 Anaconda3/envs/目录下，类似 Anaconda3/ envs/<envs>/bin/python3。可以看到Anaconda已经自带了很多模块，不必再一个个pip安装了。

总结

python是一种应用领域广泛的编程语言，但python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要我们安装pip来导入这些包才能进行相应运算。

anaconda是一个免费开源的python和r语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），致力于简化包管理和部署，包含有conda在内的各种包。anaconda的包使用软件包管理系统conda进行管理。Anaconda的数据包和和安装包都很大，Miniconda是最小的conda安装环境，相当于conda+python+pip，轻量级。miniconda就是只包含conda和conda的依赖，对于其他包，可以用conda装。

conda是包及其依赖项和环境的管理工具。conda是anaconda下面的一个包。

pip是python包下载管理工具，conda的话不仅是python 包下载管理工具，还可以下载其他语言的包（比如R语言），当然conda和pip是可以一起用的。

pycharm是一款Python编辑器，pycharm带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。将anaconda中的python.exe集成到pycharm中，便可以在使用pycharm的过程中使用到所有anaconda的包了。

复制环境anaconda

https://www.jianshu.com/p/266d80c25c71

一，在本机上，直接使用conda create -n new_env --clone old_env复制既有环境

二，如果要复制到其他机器，就要考虑导出当前环境到文件，利用文件再次创建环境

1） 导出环境

conda env export > ~/env.yaml

利用conda env export 导出的是个yaml格式的文件，该文件记录了环境名，软件源地址以及安装包列表

2） 使用yaml配置文件创建新环境

conda env create -f ~/env.yaml

参考资料：

https://www.jianshu.com/p/62f155eb6ac5

https://mynam3.xyz/2019/07/24/Ubuntu18-04-数据分析与挖掘-Anaconda-Pycharm-环境配置/

https://blog.csdn.net/ytusdc/article/details/85122892

https://blog.csdn.net/persistinlife/article/details/89298094