初学Python的盆友们是否有这样的疑惑：
选择Python2还是Python3呢？（后者并不完全兼容前者）
听说两者可以同时安装，那怎么管理呢？
Python那么丰富的第三方库，一个一个装太麻烦啦
选哪种IDE呢？
……
诸如此类的问题，相信大多数初学者跟刚入门的我一样都是一脸懵逼，程序员在于折腾。
这里推荐使用 Anaconda 来管理你的安装环境和各种工具包（无需再安装python环境），而IDE推荐使用PyCharm
一、为什么选择Anaconda？
友情提示：千万不要百度Anaconda图片！！！（手贱百度了想找个logo，没把宝宝吓尿了，anaconda意思是“大蟒蛇”）
“With over 6 million users, the open source Anaconda Distribution is the fastest and easiest way to do Python and R data science and machine learning on Linux, Windows, and Mac OS X. It's the industry standard for developing, testing, and training on a single machine.”——来自官网的简介
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项（比如numpy、pandas等）
conda 是开源包（packages）和虚拟环境（environment）的管理系统，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换
- packages 管理： 可以使用 conda 来安装、更新 、卸载工具包 ，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。
- 虚拟环境管理： 在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。
Anaconda的优点总结起来就八个字：省时省心、分析利器。
- 省时省心： Anaconda通过管理工具包、开发环境、Python版本，大大简化了工作流程。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。
- 分析利器： 在 Anaconda 官网中是这么宣传自己的：适用于企业级大数据分析的Python工具。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。
二、如何安装Anaconda？
官网下载https://www.anaconda.com/
右上角选择“Downloads”，选择相应的版本（Windows、macOS、Linux）进行下载，推荐选择Python3的版本（Python2的版本到2020年停止维护）
下载后双击安装，自定义选择路径，按提示下一步即可
tips1：可以勾选第一个（如下图），此时自动添加环境变量，无需手动配置
tips2：安装中途会弹出一个空的命令行窗口，不要手贱点击关闭，最小化即可
tips3：安装时间较长，请耐心等待
安装完成之后可以看到一共有
- 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。
- Anaconda Prompt：终端控制，类似cmd命令行（无需再键入“python”）
- spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
conda upgrade --all
根据提示输入y，然后坐等升级……
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。
三、如何管理Python包？
查看已安装的所有包：conda list
安装某个包：conda install package_name
安装多个包(包之间以空格隔开）：conda install package_name1 pacakge_name2 package_name3
安装某个具体版本的包：conda install package_name=版本号
卸载某个包：conda remove package_name
升级某个包：conda upgrade package_name
vs pip命令安装和卸载命令
某些情况下使用conda命令失败，此时可以尝试使用python 下的pip命令
安装某个包：pip install package_name
卸载某个包：pip uninstall package_name
四、如何管理Python环境？
Conda的环境管理功能允许我们同时安装若干不同版本的Python，并能*切换。对于上述安装过程，假设我们采用的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是root，注意这个root不是超级管理员的意思）。
假设我们需要安装Python 3.4，此时，我们需要做的操作如下：
#创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本） conda create --name python34 python=3.4 # 安装好后，使用activate激活某个环境 activate python34 # for Windows source activate python34 # for Linux & Mac # 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH # 此时，再次输入 python --version # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境 # 如果想返回默认的python 2.7环境，运行 deactivate python34 # for Windows source deactivate python34 # for Linux & Mac # 删除一个已有的环境 conda remove --name python34 --all # 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本） conda create --name python34 python=3.4 # 安装好后，使用activate激活某个环境 activate python34 # for Windows source activate python34 # for Linux & Mac # 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH # 此时，再次输入 python --version # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境 # 如果想返回默认的python 2.7环境，运行 deactivate python34 # for Windows source deactivate python34 # for Linux & Mac # 删除一个已有的环境 conda remove --name python34 --all
五、与pycharm连接
http://www.jetbrains.com/pycharm/
专业版有试用期
社区版免费，但是功能不是最全的，推荐使用
根据提示安装成功之后，打开软件
左上角选择File→Settings→Project Interpreter，右侧选择Anaconda安装路径下的python.exe即可
到此为止，我们就可以愉快的开启pyhon之路啦