Python科学计算环境推荐——Anaconda

anaconda是一个和canopy类似的科学计算环境，但用起来更加方便。自带的包管理器conda也很强大。

首先是下载安装。anaconda提供了python2.7和python3.4两个版本，同时如果需要其他版本，还可以通过conda来创建。安装完成后可以看到，anaconda提供了spyder，ipython和一个命令行。下面来看一下conda。

输入 conda list 来看一下所有安装时自带的python扩展。粗略看了一下，其中包括了常用的 numpy , scipy ， matplotlib 和 networkx 等，以及 beautiful-soup ， requests ， flask ， tornado 等网络相关的扩展。

奇怪的是，里边竟然没有 sklearn ，所以首先装一下它。

conda install scikit-learn
如果需要指定版本，也可以直接用 [package-name]=x.x 来指定。

conda的repo中的扩展不算太新，如果想要更新的，可能要用pypi或者自己下载源码。而conda和pip关联的很好。使用pip安装的东西可以使用conda来管理，这点要比canopy好。下图是我用pip安装的 nltk ， jieba 和 gensim 。

我对这个科学计算环境的另一个要求就是能够多个python版本并存，尤其是2.x和3.x的并存。这个通过 virtualenv 可以做到。anaconda也正是通过其实现的。

下面用conda创建一个名叫python2的版本为python2.7的环境。

conda create -n python2 python=2.7
这样就会在anaconda安装目录下的envs目录下创建python2这个目录。

向其中安装扩展可以：

直接用 conda install 并用 -n 指明安装到的环境，这里自然就是 python2 。
像 virtualenv 那样，先activate，然后在虚拟环境中安装。
这里突然有一个问题，怎样在ide中使用创建出来的环境？如果是pycharm等ide，直接设置python安装目录就可以了。那spyder呢？其实spyder就是一个python的扩展，你需要在虚拟环境中也装一个spyder。

最后就是spyder的主界面。变量查看窗口很好用。