概述

使用 python 做数据分析，目前最方便和最流行的环境就是 Anaconda。

Anaconda 太重，刚开始学习使用 python 数据分析，还是觉得 Miniconda 更好一些。

环境安装

我是在 Debian10 下使用 python，所以下载了最新的 Linux 下的安装脚本：https://repo.anaconda.com/miniconda/

$ wget https://repo.anaconda.com/miniconda/Miniconda3-py39_4.9.2-Linux-x86_64.sh
$ ./Miniconda3-py39_4.9.2-Linux-x86_64.sh
> wget https://repo.anaconda.com/miniconda/Miniconda3-py38_23.5.2-0-Linux-x86_64.sh
> ./Miniconda3-py38_23.5.2-0-Linux-x86_64.sh

下载安装脚本之后，直接执行即可。 执行过程根据提示，设置安装路径，之后安装的 python package 都会在这个安装路径下。

设置是否自动启动

设置自动启动的话，进入 shell 就进入 miniconda 环境。 建议不要自动启动，因为后续可能有多个 miniconda 环境。

$ conda config --set auto_activate_base false

基本使用

创建环境

$ conda create --name databook
$ conda create -n your_env_name(虚拟环境名称) python=3.8（版本号）

创建一个名称为 databook 的环境。 这里环境的概念和之前 python 的 virtualenv 差不多，就是为了将 python 环境和系统自带的 python 环境隔离开来。

创建的环境位于：

$ ll /path/to/miniconda3/envs
total 4.0K
drwxr-xr-x 20 wangyubin wangyubin 4.0K Jan 17 00:15 databook

查看当前存在哪些虚拟环境

conda env list

进入/退出环境

# 进入 databook 环境
$ conda activate databook
# 退出 databook 环境
$ conda deactivate databook
# 退出当前的虚拟环境
$ conda deactivate

克隆虚拟环境（克隆env2）

conda create -n env1 --clone env2

删除虚拟环境

conda remove -n your_env_name --all

激活指定的虚拟环境

conda activate your_env_name

查看环境中有哪些包

conda list

安装 python package

进入 databook 环境之后，安装常用的 python 数据分析 package

$ conda activate databook
$ conda install ipython
$ conda install numpy
$ conda install pandas
$ conda install matplotlib
$ conda install scikit-learn

这些常用的 package 后续在实战中再介绍使用。

安装的 package 都在相应的环境目录中：

$ ls /path/to/miniconda3/envs/databook/lib/python3.9/site-packages