介绍

Miniconda 是 Anaconda 的精简版本，是一个轻量级的 Python 包管理工具和环境管理工具。

---

优势和功能主要包括：

1. 轻量级和快速安装： Miniconda 相比 Anaconda 更小巧，只包含最基本的工具和包管理功能。安装速度更快，更适合对资源要求较高的环境。

2. 包管理： 提供 conda 包管理工具，可以方便地安装、更新和管理 Python 包及其依赖项。通过 conda，可以快速创建、导出、复制和共享不同的开发环境。

3. 环境管理： 支持创建多个独立的 Python 环境，每个环境都有独立的 Python 解释器和包集合，可以隔离不同项目的依赖关系。

4. 跨平台支持： Miniconda 支持多个操作系统，包括 Windows、macOS 和 Linux，使得在不同平台上开发和部署项目更加方便。

5. 快速部署数据科学环境： Miniconda 通过 conda 可以快速部署包括数据科学、机器学习等领域常用的 Python 包，例如 NumPy、Pandas、Scikit-learn、TensorFlow 等。

6. 灵活性和自由度： 用户可以根据需要定制自己的 Python 环境，选择特定版本的 Python 解释器和库，灵活管理不同项目的依赖。

Miniconda 适合精简管理 Python 环境、对资源有限制或者希望更灵活控制环境的开发者使用。

安装 Miniconda

下载地址：
https://docs.conda.io/projects/miniconda/en/latest/

安装比较容易，下一步。

配置安装选项；

# 选中 Add Miniconda3 to PATH
# PATH 是windows 系统变量，在cmd或者powershell中输入python时，当前目录在任何路径中，都可以保证Miniconda3程序正常运行。

配置 miniconda

安装完成，运行 miniconda cmd；

由于miniconda支持多个Python虚拟环境，终端中的“(base)”是当前默认的环境名称。可以在终端中输入python-V后回车，查看Python的版本。需要注意的是，后面再终端执行操作时要留意具体环境。

安装 jupyter
Jupyter 是一个开源的交互式笔记本工具，允许用户创建和共享文档，结合实时代码、可视化和说明性文本。

Jupyter Notebook

• 交互性： 可以在浏览器中编写和执行代码，并立即看到结果，适合数据分析、机器学习等需要交互式开发的场景。
• 可视化： 支持绘图和可视化展示，直观地展示数据和结果。
• 分享性： 可以保存成 .ipynb 格式的笔记本文件，便于分享、展示和重现分析过程。
• 支持多种语言： 支持多种编程语言的内核，最常用的是 Python，但也支持 R、Julia 等语言。

启动 Jupyter Notebook： 在命令行中输入以下命令，启动 Jupyter 服务。

jupyter notebook

在 Jupyter Notebook 中使用环境： 打开浏览器中生成的链接，即可使用 Jupyter Notebook 进行交互式编程，选择所需的环境来执行代码。

通过结合 Jupyter 和 Conda，可以轻松地管理 Python 环境、安装所需的包，并在交互式的笔记本中进行数据分析、开发和实验。

安装 Jupyter Lab，可以不装。

Jupyter 开始

运行 Jupyter Notebook

cd d:\demo ；在目标路径运行 jupyter notebooke，当前目录 d:\demo 即为开发环境根目录。

Jupyter 中，运行Python Console

Jupyter 控制台执行 Python 语句

Jupyter 控制台运行 Python 文件

conda 功能使用

Conda 是包管理器和环境管理器，可以用于安装和管理软件包及其依赖项。结合使用 Jupyter 和 Conda，可以创建具有特定环境和库的交互式开发环境。
Conda 是一个强大的开源包管理器和环境管理器，最初是 Anaconda 发行版的一部分，现已成为独立的工具。
主要功能和作用：

1. 包管理器：

• 包安装和更新： 允许用户轻松地安装、更新和删除软件包，包括 Python 包以及其他语言的包。
• 多平台支持： 可以在 Windows、macOS 和 Linux 等多个操作系统上使用，并提供适用于不同平台的软件包。

2. 环境管理器：

• 环境创建与管理： 可以创建和管理多个独立的环境，每个环境可以有不同版本的 Python 和不同的包集合，互不影响。
• 版本控制： 可以轻松地切换和管理不同环境下的包版本，避免版本冲突问题。

3. 依赖管理：

• 解决依赖关系： 可以管理软件包之间的依赖关系，确保安装的软件包具有所需的依赖项，并能够解决版本冲突问题。

4. 扩展性：

• 虚拟环境： 允许用户创建具有独立配置的虚拟环境，用于不同项目的开发，有助于保持项目之间的隔离性。
• 自定义配置： 允许用户定义自己的软件包源，从其他来源安装软件包。

5. 广泛支持：

• Python 以外的语言： 不仅支持 Python 的包管理，还支持其他语言的包管理，如 R、Julia 等。

Conda 的这些功能使得它成为一个强大而灵活的工具，尤其对于数据科学家、开发人员和研究人员来说，提供了管理环境和软件包依赖的便利性。
Conda 在 Jupyter 中的使用：
基本命令

**# 查看所有虚拟环境及当前环境**
conda info -e
**# 创建新环境，指定环境名称和Python版本**
conda create -n pydata python=3.8
**# 删除环境**
conda remove -n pydata --all
**# 进入、激活环境**
conda activate py38data
**# 退出环境**
conda deactivate

创建环境： 使用 Conda 创建一个新的环境，安装所需的 Python 版本和其他库。

conda create -n myenv python=3.8
conda activate myenv

** 在环境中安装 Jupyter Notebook。

conda install -n myenv jupyter

**在环境中安装 pandas 。

conda install pandas

---

**喜欢的话,请收藏 | 关注(✪ω✪)** ……**万一有趣的事还在后头呢，Fight!!(ｏ^-^)~''☆ミ☆ミ**……