如果希望快速開始使用 Python 處理資料科學相關的工作，建議大家直接安裝 Anaconda，然後使用 Anaconda 中整合的 Notebook 或 JupyterLab 工具來編寫程式碼。因為對於新手來說，先安裝官方的 Python 直譯器，再逐個安裝工作中會使用到的三方庫檔案會比較麻煩，尤其是在 Windows 環境下，經常會因為構建工具或 DLL 檔案的缺失導致安裝失敗，而一般新手也很難根據錯誤提示資訊採取正確的解決措施，容易產生嚴重的挫敗感。如果計算機上已經有 Python 直譯器環境了，也可以直接使用 Python 的包管理工具 pip 安裝 Jupyter，再根據實際工作的需要安裝三方庫，這種方式適合有一定經驗的使用者。
對於個人使用者來說，可以從 Anaconda 的官方網站下載它的“個人版（Individual Edition）”安裝程式，安裝完成後，你的計算機上不僅擁有了 Python 環境和 Spyder（類似於PyCharm的整合開發工具），還擁有了與資料科學工作相關的近200個工具包，包括我們上面提到 Python 資料分析三大神器。除此之外，Anaconda 還提供了一個名為 conda 的包管理工具，透過這個工具不僅可以管理 Python 的工具包，還可以用於建立執行 Python 程式的虛擬環境。
如上圖所示，可以透過 Anaconda 官網提供的下載連結選擇適合自己作業系統的安裝程式，建議大家選擇圖形化的安裝程式，下載完成後雙擊安裝程式開始安裝。安裝過程基本使用預設設定即可，完成安裝後，macOS 使用者可以在“應用程式”或“Launchpad”中找到名為“Anaconda-Navigator”的應用程式，執行該程式可以看到如下所示的介面，我們可以在這裡選擇需要執行的操作。
對於 Windows 使用者，建議按照安裝嚮導的提示和推薦的選項來安裝 Anaconda（除了安裝路徑，基本也沒有什麼需要選擇的），安裝完成後可以在“開始選單”中找到“Anaconda3”。
溫馨提示：可以選擇 Miniconda 作為 Anaconda 的替代品，Miniconda 只會安裝 Python 直譯器環境和一些必要的工具，其他的三方庫由使用者自行選擇安裝。其實我個人並不喜歡 Anaconda，因為它是給小白使用者使用的，我們有了 Python 以後完全可以按照自己的意願來安裝需要的三方庫。
如果希望使用 conda 工具來管理依賴項或者建立專案的虛擬環境，可以在終端或命令列提示符中使用 conda 命令。Windows 使用者可以在“開始選單”中找到“Anaconda3”，然後點選“Anaconda Prompt”來啟動支援 conda 的命令列提示符。macOS 使用者建議直接使用“Anaconda-Navigator”中的“Environments”，透過視覺化的方式對虛擬環境和依賴項進行管理。
-
版本和幫助資訊。
- 檢視版本：
conda -V或conda --version - 獲取幫助：
conda -h或conda --help - 相關資訊：
conda list
- 檢視版本：
-
虛擬環境相關。
- 顯示所有虛擬環境：
conda env list - 建立虛擬環境：
conda create --name venv - 指定 Python 版本建立虛擬環境：
conda create --name venv python=3.7 - 指定 Python 版本建立虛擬環境並安裝指定依賴項：
conda create --name venv python=3.7 numpy pandas - 透過克隆現有虛擬環境的方式建立虛擬環境：
conda create --name venv2 --clone venv - 分享虛擬環境並重定向到指定的檔案中：
conda env export > environment.yml - 透過分享的虛擬環境檔案建立虛擬環境：
conda env create -f environment.yml - 啟用虛擬環境：
conda activate venv - 退出虛擬環境：
conda deactivate - 刪除虛擬環境：
conda remove --name venv --all
說明：上面的命令中，
venv和venv2是虛擬環境資料夾的名字，可以將其替換為自己喜歡的名字，但是強烈建議使用英文且不要出現空格或其他特殊字元。 - 顯示所有虛擬環境：
-
包（三方庫或工具）管理。
- 檢視已經安裝的包：
conda list - 搜尋指定的包：
conda search matplotlib - 安裝指定的包：
conda install matplotlib - 更新指定的包：
conda update matplotlib - 移除指定的包：
conda remove matplotlib
說明：在搜尋、安裝和更新軟體包時，預設會連線到官方網站進行操作，如果覺得速度不給力，可以將預設的官方網站替換為國內的映象網站，推薦使用清華大學的開源映象網站。將預設源更換為國內映象的命令是：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/和conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main。如果需要換回預設源，可以使用命令conda config --remove-key channels。 - 檢視已經安裝的包：
如果已經安裝了 Anaconda，macOS 使用者可以按照上面所說的方式在“Anaconda-Navigator”中直接啟動“Jupyter Notebook”（以下統一簡稱為 Notebook）。Windows 使用者可以在“開始選單”中找到 Anaconda 資料夾，接下來選擇執行資料夾中的“Jupyter Notebook”就可以開始資料科學的探索之旅。
對於安裝了 Python 環境但是沒有安裝 Anaconda 的使用者，可以用 Python 的包管理工具pip來安裝jupyter，然後在終端（Windows 系統為命令列提示符）中執行jupyter notebook命令來啟動 Notebook，如下所示。
安裝 Notebook：
pip install jupyter安裝三大神器：
pip install numpy pandas matplotlib執行 Notebook：
jupyter notebookNotebook 是基於網頁的用於互動計算的應用程式，可以用於程式碼開發、文件撰寫、程式碼執行和結果展示。簡單的說，你可以在網頁中直接編寫程式碼和執行程式碼，程式碼的執行結果也會直接在程式碼塊下方進行展示。如在編寫程式碼的過程中需要編寫說明文件，可在同一個頁面中使用 Markdown 格式進行編寫，而且可以直接看到渲染後的效果。此外，Notebook 的設計初衷是提供一個能夠支援多種程式語言的工作環境，目前它能夠支援超過40種程式語言，包括 Python、R、Julia、Scala 等。
首先，我們可以建立一個用於書寫 Python 程式碼的 Notebook，如下圖所示。
接下來，我們就可以編寫程式碼、撰寫文件和執行程式啦，如下圖所示。
如果使用 Python 做工程化的專案開發，PyCharm 肯定是最好的選擇，它提供了一個整合開發環境應該具有的所有功能，尤其是智慧提示、程式碼補全、自動糾錯這類功能會讓開發人員感到非常舒服。如果使用 Python 做資料科學相關的工作，Notebook 並不比 PyCharm 遜色，在資料和圖表展示方面 Notebook 更加優秀。這個工具的使用非常簡單，大家可以看看 Notebook 選單欄，相信理解起來不會有太多困難，在知乎上有一篇名為《最詳盡使用指南：超快上手Jupyter Notebook》的文章，也可以幫助大家快速認識 Notebook。
說明：Jupyter 官網上還有一個名為 JupyterLab 的工具，被稱之為“Next-Generation Notebook”，使用者介面較之 Notebook 更加友好，有興趣的讀者可以使用
pip install jupyterlab命令來安裝這個工具，然後透過jupyter lab來啟動它。
下面我為大家介紹一些 Notebook 的使用技巧，希望能夠幫助大家提升工作效率。
-
自動補全。在使用 Notebook 編寫程式碼時，按
Tab鍵會獲得程式碼提示。 -
獲得幫助。在使用 Notebook 時，如果希望瞭解一個物件（如變數、類、函式等）的相關資訊或使用方式，可以在物件後面使用
?並執行程式碼， 視窗下方會顯示出對應的資訊，幫助我們瞭解該物件，如下所示。
-
搜尋命名。如果只記得一個類或一個函式名字的一部分，可以使用萬用字元
*並配合?進行搜尋，如下所示。
-
呼叫命令。可以在 Notebook 中使用
!後面跟系統命令的方式來執行系統命令。 -
魔法指令。Notebook 中有很多非常有趣且有用的魔法指令，例如可以使用
%timeit測試語句的執行時間，可以使用%pwd檢視當前工作目錄等。如果想檢視所有的魔法指令，可以使用%lsmagic，如果瞭解魔法指令的用法，可以使用%magic來檢視，如下圖所示。
常用的魔法指令有：
魔法指令 功能說明 %pwd檢視當前工作目錄 %ls列出當前或指定資料夾下的內容 %cat檢視指定檔案的內容 %hist檢視輸入歷史 %matplotlib inline設定在頁面中嵌入matplotlib輸出的統計圖表 %config Inlinebackend.figure_format='svg'設定統計圖表使用SVG格式（向量圖） %run執行指定的程式 %load載入指定的檔案到單元格中 %quickref顯示IPython的快速參考 %timeit多次執行程式碼並統計程式碼執行時間 %prun用 cProfile.run執行程式碼並顯示分析器的輸出%who/%whos顯示名稱空間中的變數 %xdel刪除一個物件並清理所有對它的引用 -
快捷鍵。Notebook 中的很多操作可以透過快捷鍵來實現，使用快捷鍵可以提升工作效率。Notebook 的快捷鍵又可以分為命令模式下的快捷鍵和編輯模式下的快捷鍵，所謂編輯模式就是處於輸入程式碼或撰寫文件狀態的模式，在編輯模式下按
Esc可以回到命令模式，在命令模式下按Enter可以進入編輯模式。命令模式下的快捷鍵：
快捷鍵 功能說明 Alt+Enter（Option+Enter）運行當前單元格並在下面插入新的單元格 Shift+Enter運行當前單元格並選中下方的單元格 Ctrl+Enter（Command+Enter）運行當前單元格 j/k、Shift+j/Shift+k選中下方/上方單元格、連續選中下方/上方單元格 a/b在下方/上方插入新的單元格 c/x複製單元格 / 剪下單元格 v/Shift+v在下方/上方貼上單元格 dd/z刪除單元格 / 恢復刪除的單元格 l/Shift+l顯示或隱藏當前/所有單元格行號 ii/00中斷/重啟Notebook核心 Space/Shift+Space向下/向上滾動頁面 編輯模式下的快捷鍵：
快捷鍵 功能說明 Shift+Tab獲得提示資訊 Ctrl+]（Command+]）/Ctrl+[（Command+[）增加/減少縮排 Alt+Enter（Option+Enter）運行當前單元格並在下面插入新的單元格 Shift+Enter運行當前單元格並選中下方的單元格 Ctrl+Enter（Command+Enter）運行當前單元格 Ctrl+Left/Right（Command+Left/Right）游標移到行首/行尾 Ctrl+Up/Down（Command+Up/Down）游標移動程式碼開頭/結尾處 Up/Down游標上移/下移一行或移到上/下一個單元格 溫馨提示：如果記不住這些快捷鍵也沒有關係，在命令模式下按
h鍵可以開啟 Notebook 的幫助系統，馬上就可以看到快捷鍵的設定，而且可以根據實際的需要重新編輯快捷鍵，如下圖所示。