如何提升Python开发者的编程效率？

对于 Python 开发者而言，Anaconda 能省下大量时间下载和安装模块包、处理项目环境等问题，帮助开发者更加愉快地编写代码。

如果你苦于给 Python 安装各种包，安装过程中还各种出错。那么我墙裂推荐——Anaconda，它可以帮助你管理这些包，包括安装、卸载、更新。

Anaconda 附带一大批常用数据科学包，如：conda，Python 等 150 多个学科包以及依赖项，你可以立即开始处理数据。

还有一个好处就是：如果你的项目是 Python 2，新项目是 Python 3，你无需同时安装两个版本 Python，Anaconda 会帮助你为不同的项目建立不同的运行环境。

Anaconda 的安装

版本选择

由于 Python 有 2 和 3 两个版本，因此 Anaconda 也在 Python2 和 Python3 的基础上推出了两个发行版，即Anaconda2 和 Anaconda3。Python3 被越来越多的开发者所接受，但让人尴尬的是很多遗留老系统依旧运行在 Python2 环境中，因此你不得不同时在两个版本中进行开发、调试。

如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题，Anaconda 能完美解决 Python2 和 Python3 的共存问题。

conda 是 Anaconda 下用于包管理和环境管理的命令行工具，是 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行 conda 命令。

如果你熟悉 virtualenv，那么上手 conda 非常容易，不熟悉 virtulenv 的也没关系，它提供的命令就几个，非常简单。我们可以利用 conda 的虚拟环境管理功能在 Python2 和 Python3 之间自由切换。

多版本切换

# 基于 python3.6 创建一个名为 test_py3 的环境

conda create --name test_py3 python=3.6

# 基于 python2.7 创建一个名为 test_py2 的环境

conda create --name test_py2 python=2.7

# 激活 test 环境

activate test_py2 # windows

source activate test_py2 # linux/mac

# 切换到python3

activate test_py3

快速安装

Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。

官网地址：https://www.continuum.io/downloads。官网下载需要科学上网，此外我给你们准备了镜像网站：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/，方便你们下载。

选择合适自己的版本下载，建议下载 Python 3。

下载好以后你只需要傻瓜式的安装即可。

第一个 Python 代码

启动 Anaconda 之后，你会看到这样的界面，我推荐使用 jupyter notebook 编写，点击 launch。

jupyter notebook 打开的是一个网址形式的界面，点击右上角的 new 创建第一个 Python 文件吧。

jupyter 支持很多种文本格式，code、markdown、Raw NBConvert、Heading。

常用的就是 code 和 markdown了，你可以同时在一个 Python 文件中写 code 和 md。你也可以直接用 jupyter 打开。

经过几天的学习，我已经写了部分 Python 的入门博客和代码，在 Github 上，你更是可以直接将代码打开运行在 Anaconda 上。图示中的 .ipynb 文件就是 jupter 文件的扩展名，你可以直接运行，也可以编辑。欢迎 follow 和 star——https://github.com/angelOnly/python_learning_note。

Spyder VS PyCharm

Spyder 是 Anaconda 自带的一款编辑器。

相比较而言，Pycharm 用起来更便捷，虽然 Spyder 中所有的变量也都能显示，方便调试，里边还有 ipython notebook。但是很细节的一些代码还是 Pycharm 更便捷一些。

强烈推荐 Anaconda+Pycharm 组合。因为 Anaconda 安装的时候已经默认为你安装了一大堆做数据分析常用的包，所以，直接在 Pycharm 中把默认解释器改为 Anaconda 中的 Python 即可。

另外，只是针对数据分析与机器学习，Anaconda 用起来更方便一些，对于 Python 的其他用途，比如爬虫、Web开发，Pycharm 更好一些。针对大型的 Web 框架修改调试，还是需要个大型 IDE。

声明：本文为 Python 梦工厂投稿，版权归对方所有。