初学 Python 时，总是被 python 的两个不太兼容的版本搞得头昏脑胀。按目前的发展趋势，python 未来的主流版为 python3。但是我们经常会遇到一些很有意思代码使用的是 python2 版本。于是我们需要同时拥有 python2 和 python3 的运行环境。这里介绍一个强大的软件 Anaconda，它实现 python2 和 python3 两个版本的共存，并且可以相互转换。Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
使用 Anaconda 轻松解决 Python2 和 Python3 共存
2018 年 05 月 04 日 - 初稿
阅读原文 - https://wsgzao.github.io/post/anaconda/
扩展阅读
Anaconda - https://anaconda.org/
Anaconda 实际上是一个软件发行版，它附带了 conda、Python 和多个科学包及其依赖项。应用程序 conda 是包和环境管理器。Anaconda 的下载文件比较大（约 500 MB ），因为它附带了 Python 中最常用的数据科学包。如果只需要某些包，或者需要节省带宽或存储空间，也可以使用 Miniconda 这个较小的发行版（仅包含 conda 和 Python ）。
Anaconda 是专注于数据分析的 Python 发行版本，包含了 conda、Python 等多个科学包及其依赖项。作为好奇宝宝的你是不是发现了一个新名词 conda，那么你一定会问 conda 又是什么呢？
conda 是开源包（ packages ）和虚拟环境（ environment ）的管理系统
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。
知道 是什么（ what ） 的同时，我们也需要问一问 为什么（ why ）。那么，为什么要选择用 Anaconda 呢？
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，大大简化了你的工作流程。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。
解决了 是什么 以及 为什么 的问题后，下面让我们看一下 怎么做（ How ）。
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。
Anaconda Navigator ：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。Spyder 的最大优点就是模仿 MATLAB 的“工作空间”。
Conda : Conda 的包管理就比较好理解了，这部分功能与 pip 类似。
Anaconda 可用于 Windows、Mac OS X 和 Linux。可以在官网上找到安装程序和安装说明 https://www.anaconda.com/download/
如果计算机上已经安装了 Python，这不会有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python。这里需要注意的是选对自己操作系统对应的版本。安装完后打开 cmd,输入 conda list 可以查看当前安装的内容。输入 conda upgrade --all，可以更新默认环境下的所有包。并在提示是否更新的时候输入 y （ Yes ）以便让更新继续。初次安装下的软件包版本一般都比较老旧，因此提前更新可以避免未来不必要的问题。
本人使用的操作系统：Win10，前往 anaconda 官网下载对应的版本，本人选择的是 Python3.6 + Python 2.7 （实际上下载一个即可，推荐 3.6 ）
默认安装不会自动添加全局变量，如果有需求可以手动配置 Path，以 Anaconda2 为例
# 将加入到 PATH 路径
D:\Programs\Anaconda2
D:\Programs\Anaconda2\Scripts
# 在 cmd 输入
python -V
Python 2.7.14 :: Anaconda, Inc.
在 win10 环境下进行傻瓜式安装。当安装完成时，计算机便具备了 Python3.6 的环境，推荐使用 Anaconda Prompt 进入命令行
接下来，在 cmd 的环境下，输入以下命令安装 Python2.7 的环境
conda create -n python27 python=2.7 anaconda
上面的代码创建了一个名为 python27 的 python2.7 的环境，最后一个参数表示安装 anaconda 下 python2.7 的所有默认包，这个参数时可选的。
我们进入 cmd 环境，现在默认的 python 版本时 python3.6，只需要一行简单的代码就可以转为 python2.7 的环境
activate python27
此时本窗口下的 python 版本变为了 python2.7，那么你肯定猜到了恢复到 python3.6 的命令
deactivate python27
其实呢，一般没有必要恢复到原环境。只要打开一个新的 cmd 窗口，默认的 python 版本就是 python3.6
这里使用了清华大学开源软件镜像站 tuna 提供的资源，在此表示感谢
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
Anaconda 安装包可以到以下地址分流下载 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
因为 Anaconda.org 的服务器在国外，conda 下载的速度经常很慢。可以设置国内的镜像源来加速：
# TUNA 还提供了 Anaconda 仓库的镜像，运行以下命令即可添加 Anaconda Python 免费仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# # 设置搜索时显示通道地址
conda config --set show_channel_urls yes
# 执行完上述命令后，会生成配置文件记录着我们对 conda 的配置，直接手动创建、编辑该文件是相同的效果
# Linux/Mac
~/.condarc
# Windows
C:\Users\USER_NAME\.condarc
# 运行测试一下吧
conda install numpy
以下操作为 anaconda python3.6 环境下进入 Anaconda Prompt 安装 django1.11 的实践过程
# 在 python3.6 环境下进入 Anaconda Prompt 创建 django1.x 专用虚拟环境
conda create -n django1.x
# 激活专用虚拟环境
activate django1.x
# 查看 conda 当前 django 可用版本
conda search django
conda install django==1.11.10
# 切换到虚拟环境家目录
cd C:\Users\wsgzao\AppData\Local\conda\conda\envs\django1.x
# 创建项目
django-admin.py startproject myweb
# 创建 app
python manage.py startapp myapp
# 启动 Django 中的开发服务器
python manage.py runserver
# 帮助文档
python manage.py -h
# Django 命令
python manage.py <command> [options]
最新版的 conda 是从 site-packages 文件夹中搜索已经安装的包，不依赖于 pip，因此可以显示出通过各种方式安装的包。conda 将 conda、python 等都视为 package，因此完全可以使用 conda 来管理 conda 和 python 的版本
# 列出所有已安装的包
conda list
# 安装软件包，同时它会自动安装此软件包的依赖项
conda install package_name
# 同时安装多个包
conda install numpy pandas
# 安装指定版本的包
conda install python=2.7
# 安装离线包
conda install /package-path/package-filename.tar.bz2
# 卸载包
conda remove package_name
# 更新环境中的所有已安装的包
conda update/upgrade --all
# 更新 conda，保持 conda 最新
conda update conda
# 更新 anaconda
conda update anaconda
# 更新 python
conda update python
# 查看 conda 安装信息
conda info
# 查看 conda 帮助
conda help
# 搜索可以安装的包
conda search package_name
# 创建 conda 虚拟环境
conda create -n env_name
# 在这里，-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
conda create -n env_name list of packages
# 可以创建具有特定 Python 版本的环境
conda create -n py2.7.14 python=2.7.14
# 查看 conda 版本
conda -V
# 进入环境
# linux 下用
source activate env_name
# windows 下用
activate env_name
# 离开环境
# linux 下用
source deactivate
# windows 下用
deactivate
# 列出环境
conda env list
# 删除环境
conda env remove -n env_name
# 导出环境将包保存为 YAML，输出环境中的所有包的名称（包括 Python 版本）
conda env export > environment.yaml
# 加载环境
conda env create -f environment.yaml
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.