1、Anaconda概述

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。

conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。

包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。

Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。

其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

2、Anaconda的安装

Anaconda的下载页参见官网下载，Linux、Mac、Windows均支持。

安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）

这里我安装miniconda，下载地址如下：

https://conda.io/miniconda.html

2.1 安装报错编码错误处理

出现这个窗口以后，不要点确定，然后进入到anaconda安装文件夹，一般是C:\ProgramData\Anaconda2,如果你提示的错误是：UnicodeEncodeError: 'ascii' codec can't encode characters in position 3-4 blabla，那么进入Lib文件夹，用编辑器打开_nsis.py，在import sys下面加上这两句：

然后点确定，再点重试即可安装完成。

3、Anaconda的使用

3.1 管理包

conda 是一种只能通过命令行来使用的程序。类似于pip那样可以对Python库的包进行管理。

安装命令：

加速conda下载速度，使用国内镜像源：

3.2 管理环境

除了管理包之外，conda 还是虚拟环境管理器。它类似于另外两个很流行的环境管理器，即 virtualenv 和 pyenv。

环境可以分隔不同项目的包。因为我们使用的时候会依赖于某个库的不同版本的代码或在py2和py3之间进行切换。

也可以将环境中的包的列表导出为文件，然后将该文件与代码包括在一起。这能让其他人轻松加载代码的所有依赖项。

pip 提供了类似的功能，即 pip freeze > requirements.txt

创建环境：

conda create -n env_name list of packages，

-n env_name 设置环境的名称（-n 是指名称），

而 list of packages 是要安装在环境中的包的列表。

创建环境时，可以指定要安装在环境中的 Python 版本。

conda create -n py3 python=3 或 conda create -n py2 python=2 。

要安装特定版本（例如 Python 3.3），请使用 conda create -n py python=3.3。

3.3 进入环境

创建了环境后，在 OSX/Linux 上使用 source activate my_env 进入环境。在 Windows 上，请使用 activate my_env。

要离开环境，请键入 source deactivate（在 OSX/Linux 上）。在 Windows 上，请使用 deactivate。

3.4 保存和加载环境

共享环境这项功能确实很有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。可以使用

conda env export > environment.yaml

将包保存为 YAML。

第一部分 conda env export 写出环境中的所有包（包括 Python 版本）。

第二部分 > environment.yaml 将导出的文本写入到 YAML 文件 environment.yaml 中。现在可以共享此文件，而且其他人能够创建和你用于项目相同的环境。

要通过环境文件创建环境，请使用 conda env create -f environment.yaml。这会创建一个新环境，而且它具有在 environment.yaml 中列出的同一库。

3.5 列出环境

如果忘记了环境的名称，可以使用 conda env list 或conda info -e列出你创建的所有环境。你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在环境中时使用的环境）名为 root。

3.6 删除环境

不再使用某些环境，可以使用 conda env remove -n env_name 删除指定的环境（在这里名为 env_name）。

3.7 共享环境

在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。对于不使用 conda 的人，我通常还会使用 pip freeze(在此处了解详情)将一个 pip requirements.txt 文件包括在内。

pip freeze > requirements.txt

pip install -r requirements.txt

4、错误处理

安装好以后，正常安装django，发现在创建项目的时候会报编码 错误，"UnicodeDecodeError: 'ascii' codec can't decode"

解决办法：

在anaconda的安装路径下找到Lib/mimetypes.py，在import sys之后加入如下代码

参考网址：

https://www.zhihu.com/question/42263480

http://python.jobbole.com/86236/

https://foofish.net/compatible-py2-and-py3.html

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/