Anaconda作为优秀的Python环境管理软件在数据科学领域有着广泛的运用。对于为什么使用Anaconda以及如何安装在网络上有非常多详细的分享，在这里不再赘述。今天想分享下我在使用Anaconda的过程中常用的命令行操作。

为什么使用命令行编程习惯：既然我们开始学习编程了，那使用命令行或者代码进行操作是一个好的习惯，有助于编程思维的培养。

操作快捷：在习惯命令行操作后，尤其是像Linux之类的操作系统，使用命令行操作比图形交互界面更加快捷。

便于分享：在你需要分享你的操作步骤的时候，命令行操作更加便于分享。相比较下，分享图形界面的操作需要用图片或者视频辅助。

在这里简单介绍了下为什么我使用命令行的原因，当你想成为程序开发者的时候，命令行会给你带来更多的好处！

Anaconda常用命令行

在以下演示中，我使用的操作系统是Ubuntu 18.04.4，界面与Windows略有不同，但是命令行是一致的。

打开Anaconda Prompt(可在安装Anaconda的文件夹中找到), 并且输入以下命令。conda env list：查看所有环境

在刚安装完Anaconda后，　应该只会看到一个环境(base)，以上其他环境是我根据需求创建的。我们接下来创建一个新的环境　ds_chineseconda create --name ds_chinese jupyter notebook pandas :创建一个新的环境叫ds_chinese并且安装python, jupyter notebook 以及pandas。安装多个包的时候用空格隔开。你也可以指定安装包的版本号，比如安装一个python3.6的环境。conda create --name ds_chinese python=3.6输入命令行后按回车后等待一会，出现Proceed([y]/n)? 后输入y并按下回车。

新环境安装完成我们使用conda env list来查看下。可以看到ds_chinese已经创建成功。conda activate ds_chinese :切换环境到ds_chinese.注意最前面的(base)变成了(ds_chinese)，说明我们当前使用的环境是ds_chinese。conda list :查看当前环境中已安装的包可以看到Anaconda列出了所有安装的包

另一种创建新环境的方式

有些时候我们需要和别人共同完成一个项目，或者是使用别人的开发环境进行学习或二次开发。这时候就需要我们使用和别人相同的开发环境。

Anaconda 提供了一种快速的方式来拷贝开发环境。假设我们需要在另一个台机器上创建一个与我们之前创建的ds_chinese一样的开发环境。我们可以按照以下步骤安装：生成一个yml文件，并发送yml文件到另一台机器。

从另一台机器的Anaconda通过yml文件创建ds_chinese。

因为我是用一台机器模拟，在生成yml文件后，我会先删除之前创建的ds_chinese环境再用yml文件创建ds_chinese。conda env export > environment.yml :生成yml文件。

在进行这个操作前我们先指定工作路经，这样yml就会生成在我们指定的工作路经下。在windows 系统下更改路经为cd /d c:\输入你的路经\生成yml的文件夹environment.yml 生成在指定路经文件夹中conda remove --name myenv --all：删除环境和该环境下所有的包

因为我们在一台机器上操作，先要删除之前创建的环境ds_chinese.切换到base再删除环境conda env create -f environment.yml：创建ds_chinese 环境复制yml到工作路经下，并运行上面命令行就会自动创建ds_chineseconda install scikit-learn：在当前环境下安装scikit-learn包scikit-learn　安装完成

未来需要安装需要使用任何包都可以在当前环境下使用conda install(有些包需要使用pip install)进行包的安装。

最后我们来测试下用Anaconda启动Jupyter notebook。在启动Jupyter notebook 前我习惯先指定它的工作路经。这样在打开Jupyter notebook的时候只显示工作路经下的所有文件，方便管理项目。jupyter notebook：输入jupyter notebook就可以在当前工作路经下启动。更新工作路经，打开Jupyter notebook。

退出Jupyter notebook: 在命令行界面同时按住Ctrl和c键，并输入y就可以安全退出Jupyter notebook.

以上就是使用Anaconda命令行的常用操作，未来在实际工作中如果需要其他功能可以去Anaconda的官方网站查看文档。在使用Anaconda的过程中我们会碰到许多额外的问题，比如Anaconda崩溃，需要更换下载网络，或者使用Jupyter notebook找不到包等等的问题。大多数的问题可以通过网上查找找到解决办法，这个过程也是我们学习，解决问题的一部分。

未来我会更新更多与数据科学相关的文章，感谢大家的阅读！