2.2.2 conda的使用
由于后续学习过程中我们将多次用到conda，因此这里单独用一节介绍它的使用。
1.包的安装和管理
conda对包的管理都是通过命令行来实现的（Windows用户，可以参考面向Windows的命令提示符教程），在终端键入“conda install package_name”即可获取相应安装包。例如要安装Numpy，输入如下代码。
conda install numpy
我们可以使用类似“conda install numpy scipy pandas”的命令同时安装多个包，还可以通过添加版本号（例如，conda install numpy=1.10）来指定安装的包版本。
conda会自动为用户安装依赖项。例如：scipy依赖于Numpy，如果你只安装scipy（conda install scipy），则conda还会安装Numpy（如果尚未安装Numpy）。
Conda的大多数命令都是很直观的。要卸载包，可使用“conda remove package_name”；要更新包，可使用“conda update package_name”。如果想更新环境中的所有包，可使用“conda update--all”；最后，要列出已安装的包，可使用前面提过的“conda list”。
如果不知道要找的包的确切名称，可以尝试使用“conda search search_term”进行搜索。例如想安装Beautiful Soup，但不清楚包的具体名称，可以尝试执行“conda search beautifulsoup”命令，结果如图2-5所示。
提示 conda将几乎所有的工具，包括第三方包都当作package对待，因此conda可以打破包管理与环境管理的约束，更高效地安装各种版本的Python以及各种package，并且相互之间切换起来很方便。
图2-5 通过conda搜索beautifulsoup
2.环境管理
除了管理包之外，conda还是虚拟环境管理器。我们可以将环境分隔以用于不同项目的包，因此常常要使用依赖于某个库的不同版本的代码。例如，我们的代码可能使用了Numpy中的新功能，或者使用了已删除的旧功能。实际上，不可能同时安装两个Numpy版本。这时候我们要做的是为每个Numpy版本创建一个环境，然后在对应的环境中工作。这里再补充一下，每一个环境都是相互独立、互不干预的。
在实际的开发过程中，如果需要不同的运行环境，请参看下面的示例说明。
# 创建代码运行环境： conda create -n basic_env python=3.7 # 创建一个名字为basic_env 的环境 source activate basic_env # 激活这个环境-Linux 和MacOS 代码 activate basic_env # 激活这个环境-Windows 代码