由于经常使用Python，在每一台新电脑上第一个安装的都是Anaconda。Anaconda为使用Python进行科学计算和数据分析提供了很大的便利，并且使用conda可以非常便捷地管理不同的Python环境。

1 创建新的开发环境：

创建新开发环境的语法如下：

conda create --name <envname> python=<version> <optional dependencies>

例如如下命令会在Anaconda安装目录下的envs目录中创建一个名为Python36的新开发环境并且使用的python版本为3.6。

conda create -n Python36 python=3.6

若要在当前目录下创建，则使用

conda create -p <envname> python=<version> <optional dependencies>

2 激活新的开发环境

Linux, OS X:

source activate <envname>

Windows:

activate <envname>

激活了开发环境后可以使用conda或者pip在该开发环境中安装新的包。

3 退出新的开发环境

Linux, OS X:

conda deactivate

Windows:

deactivate

4 查看目前拥有的开发环境

conda info --envs

或者

conda env list

5 复制现有开发环境

conda create --name <envname> --clone <existing_env>

6 删除整个开发环境

conda remove --name <envname> --all

7 导出和导入开发环境

导出：

conda env export > environment.yml

导入：

conda env create -f environment.yml

导出和导入都会自动帮你处理好pip中的依赖。

8 总结

Conda较virtualenv可以提供更好的体验，更多说明请查阅官方文档。对命令行实在不熟悉也可以在Anaconda Navigator的图形界面中选择Environments进行操作。Anaconda目前也开始增加对R的支持，非常推荐大家使用。