快速上手 Anaconda 與 Jupyter 的虛擬環境與核心設定
這一篇主要是用來統整在安裝過程會遇到的問題，每一次重新處理安裝 Anaconda 都會花一堆時間。希望這篇文章能夠幫到未來的自己，也能幫到有需要的人。
備註：本文的指令都是以 Mac 的環境為主，若是 Win 或是 Linux 可以查詢關鍵字。
安裝 Anaconda
Anaconda 和 Miniconda 的差異：
有分成 Anaconda 和 Miniconda 兩個版本，就把他想成一個是全家桶餐，想要的不想要的都幫你配好了；後者則是自助餐，比較麻煩但卻能只裝自己想吃的東西。
那 Anaconda 跟 conda 是什麼關係？
大概就是私生子…沒有，其實 Anaconda 是一個 Python 資料科學 (Data Science) 平台，包含常用的 Pandas、Matplotlib、SciPy 等套件，其套件管理器就是 conda。
conda 是一個套件管理包，只要安裝 Anaconda 就會幫你自動安裝 conda 管理套件。conda 之所以受歡迎，是因為他能直接建立一個真正意義上隔離環境，而無須向 virtualenv 一樣需要跟 root 版本的 Python 等套件相依，因此能讓環境更乾淨一些。
注意這裡，Conda 是各種的套件管理包，不單只有 Python。誤解的來源可能是因為使用 Anaconda 的 Python 套件時，通常也會用 conda 來管理，因此大家就直覺認為 conda 只能管理 Python 套件。
如 pip 就只能管理 Python 的套件，但優點是他們擁有更大的 Python 資料庫。
Conda 與 Pip 到底差在哪？
讓大家參考兩篇經典的文章：
如何在 conda 的環境中，恰當地使用 pip：
- 先安裝 brew 套件管理系統（For MacOS）。
- 安裝 Anaconda 套件組。
- 找 conda 管理套件裡的 pip，如果沒有就
conda install pip。 - 再使用
pip install new_module或pip install --upgrade <package>，絕對不要用sudo pip install會導致系統檔案被污染。
Conda 相關指令：
- Conda 安裝套件：
conda 參數，-c 是指 channel，如果於本找不到，可以到 conda-forge 裡來搜尋，但 conda-forge 也有一些缺點，有些套件會和 Anaconda 本身的套件產生相容性問題，因此可以選擇使用。
conda install -c conda-forge XXX_module- 安裝特定套件：
使用一段時間後，就會遇到一個問題–––難道我每一次都要進行一模一樣的安裝流程？難道不能直接生成一個清單，以後只要照著清單安裝就好？答案當然可以！
pip 指令：
# 生成清單
$ pip freeze > requirements.txt# 安裝清單上的套件
$ pip install -r requirements.txt
Conda 指令：
# Conda 的安裝清單
$ conda install --yes --file requirements.txt# Conda 輸出成 yml 清單
$ conda env export > freeze.yml# Conda 輸出成 txt 清單
conda list -e > requirements.txt# 直接創建環境
$ conda env create -f freeze.yml# 如果遇到某些包不能用，則可使用下列指令
$ while read requirement; do conda install --yes $requirement; done < requirements.txt# 如果想要在包不能用的情況下，用 pip 替代安裝，則可以
$ while read requirement; do conda install --yes $requirement; done < requirements.txt
- Conda 升級：
# 可在任何環境下更新 base 的套件版本
$ conda update -n base -c defaults conda- Conda 更新套件：
$ conda update anaconda- Conda 刪除沒在用的包和快取：
$ conda clean -aConda 環境管理：
- 檢視目前可存取的虛擬環境：
$ conda env list
- 檢視 Jupyter Notebook / Lab 的核心（Kernel）：
前提是要先安裝 ipykernel 套件，才能自行制訂 Jupyter 的套件。
$ jupyter kernelspec list
- 新增 Conda 的虛擬環境：
python=X，其中 X 可以為特定版本或大版本，例如 3 或 3.7.1 等。
# 簡單版本
$ conda create -n myenv python=3# 為特定環境安裝套件
$ conda create -n <environment> <package>
$ conda create -n envname python=3.4 scipy=0.15.0 astroib bumpy# 從特定環境套件設定虛擬環境
$ conda env create -f environment.yml
- 在虛擬環境下默認不安裝特定包：
如果想安裝默認包，需要進 .condarc 修改默認安裝。
conda create --no-default-packages -n my_env_name python- 不透過複製方式創建新環境：
# 查看模組訊息
$ conda list --explicit# 導出模組清單
$ conda list --explicit > requirement.txt# 創建相同的環境
conda create --name newenv --file requirement.txt# 向已經存在的環境安裝特定模組
conda install --name newenv --file requirement.txt
- 察看當下虛擬環境下的套件表：
$ conda list- 搜尋套件是否在 conda 上：
$ conda search <package>- 安裝通道管理：
# 新增通道，優先級最高
conda config --add channels new_channel# 新增通道，優先級最高（和上方效果一致）
conda config --prepend channels new_channel# 新增通道，優先級最低
conda config --append channels new_channel# 顯示通道狀態
conda config --set show_channel_urls yes# 要使 conda 使用舊方式，並在列出的通道中安裝最新的套件
conda config --set channel_priority false
- 執行與關閉 Conda 的虛擬環境：
# Activate the conda virtual env
$ conda activate myenv# Deactivate the conda virtual env
$ conda deactivate
- 移除 Conda 虛擬環境：
在移除前，必須先轉換至其他的環境，才能
$ conda remove --name myenv --all$ conda remove -n myenv --all # 兩個相同
- 設定 Conda 虛擬環境的核心：
A. 設定前需安裝 ipykernel，才能控制 Jupyter 的版本核心。當然也可以直接安裝 Jupyter Lab 或是 Jupyter Notebook，理論上都會自動幫你安裝。
$ conda install ipykernelB. 把特定的虛擬環境加入設定的核心，並推至 Jupyter 的編輯器裡。
$ python -m ipykernel install --user --name myenv --display-name "Myenv"
C. 移除運算核心。
$ jupyter kernelspec remove myenv最後的最後，如果這篇文章有幫到你，再麻煩你拍個手，你的拍手勢我最大的寫作動力！
【希望用你的掌聲來投票與支持】
拍 5~10 下：簽個到，表示支持（感謝你的鼓勵啊啊啊）
拍 10~20 下：想要我未來多寫「數據技術相關」內容
拍 20~30 下：想要我未來多寫「數據分析實例」內容
拍 30~50 下：我有你這讀者，寫這篇也心滿意足了！謝謝你／妳，願意把我的文章閱讀完
如果你喜歡筆者在 Medium 的文章，可以拍個手（Claps），
也歡迎你分享給你覺得有需要的朋友們。
｜參考資料｜
