1.3.2　Anaconda

使用Python完成数据科学任务的主要缺点之一是需要安装的库数量太多。另外，在提供部署模型的实例时，你需要安装运行程序所需的所有库，如果要将程序部署到不同的平台和操作系统，这可能会产生问题。

幸运的是，venv有一些替代品，其中之一就是Anaconda，它是一个用于数据科学和机器学习的免费开源Python发行版，旨在简化软件包的管理和部署。Anaconda的软件包管理器称为conda，它可以安装、运行和更新软件包及其依赖项。

包含主库的一个子集的较小conda版称为miniconda。在仅需要主库时，使用此版本非常方便，因为它比发行版小，安装时间短。

要以自动化方式创建环境，必须像创建venv一样创建依赖关系列表。conda与pip格式兼容，但它也支持更具表现力的YAML格式。让我们通过以下步骤来看看这是如何做到的：

1）例如，我们用以下方式创建一个名为dl.yaml的文件。

2）将dl.yaml放置在你选择的目录中，然后在终端文件的相同位置输入以下命令。

3）现在需要激活。安装后，只要输入activate就可以随时激活。

现在，所有Python调用都将定向到我们创建的conda虚拟环境中的Python。