Anaconda是一個和Canopy類似的科學計算環境，但用起來更加方便。自帶的包管理器conda也很強大。

首先是下載安裝。Anaconda提供了Python2.7和Python3.4兩個版本，同時如果需要其他版本，還可以通過conda來創建。安裝完成后可以看到，Anaconda提供了Spyder，IPython和一個命令行。下面來看一下conda。

輸入 conda list 來看一下所有安裝時自帶的Python擴展。粗略看了一下，其中包括了常用的 Numpy , Scipy ， matplotlib 和 networkx 等，以及 beautiful-soup ， requests ， flask ， tornado 等網絡相關的擴展。

奇怪的是，里邊竟然沒有 sklearn ，所以首先裝一下它。

conda install scikit-learn
如果需要指定版本，也可以直接用 [package-name]=x.x 來指定。

conda的repo中的擴展不算太新，如果想要更新的，可能要用PyPI或者自己下載源碼。而conda和pip關聯的很好。使用pip安裝的東西可以使用conda來管理，這點要比Canopy好。下圖是我用pip安裝的 nltk ， jieba 和 gensim 。

我對這個科學計算環境的另一個要求就是能夠多個Python版本并存，尤其是2.x和3.x的并存。這個通過 virtualenv 可以做到。Anaconda也正是通過其實現的。

下面用conda創建一個名叫python2的版本為python2.7的環境。

conda create -n python2 python=2.7
這樣就會在Anaconda安裝目錄下的envs目錄下創建python2這個目錄。

向其中安裝擴展可以：

直接用 conda install 并用 -n 指明安裝到的環境，這里自然就是 python2 。
像 virtualenv 那樣，先activate，然后在虛擬環境中安裝。
這里突然有一個問題，怎樣在IDE中使用創建出來的環境？如果是PyCharm等IDE，直接設置Python安裝目錄就可以了。那spyder呢？其實spyder就是一個Python的擴展，你需要在虛擬環境中也裝一個spyder。

最后就是spyder的主界面。變量查看窗口很好用。