下载与安装
清华大学开源软件镜像站
使用国内镜像下载更快，官网下载很慢
下载msi镜像文件，打开安装：
安装完成后得到4个文件
Reset Spyder...和Anaconda Powershell....都是相应的配置，其中后者是Jupyter和anaconda的dos命令窗口（相当于git的gitbash）。
默认启动文件
启动Jupyter可以通过桌面快捷方式也可以通过anconda powershell输入jupyter notebook，配置了全局环境变量的直接cmd启动。
启动后看到默认目录再c盘，里面本来系统和用户的文件，要想新建一个目录作为启动目录需要更改配置：
- 配置环境变量了的
配置环境变量的通过jupyter notebook - [路径]直接启动到该路径文件下
- 未配置环境变量通过cnaconda powershell启动
查看配置文件目录：
jupyter notebook --generate-config
找到路径下的py文件：
修改c.NotebookApp.notebook_dir目录，修改为自己设置的路径
将前面的
#注释删掉，添加设置路径如：‘D:\Python\Jupyter’。
然后将’‘修改为’D:\目标目录\Notebook’或者是’/home/work/yynbook’。
这里解释一下，因为在不同的系统里面，文件路径的符号是不一样的，windows是双斜杠(\)，linux是反斜杠(/)。
如果你的这一行的前面有#，记得把它去掉，#是注释的意思，需要去掉配置才会生效。
到这里还没完，启动还是之前的默认目录，右键属性，删除后面的%USERPROFILE%的后缀：
保存后重启：
路径设置已生效
Anaconda
Anaconda是包管理器和环境管理器，而Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。前者默认包含后者。
Anaconda的安装包大概在600M左右，因为里面包含了conda、Python以及python中最常用的数据科学包，数据分析三剑客numpy，pandas，scipy等数据分析常用模块，matplotlib等数据可视化和sklearn等机器学习模块。有了这些模块jupyter才能完成相应的数据分析。
配置好环境变量后，除了链接中查看管理包外，也可以在命令端输入 conda list，查看已经安装的包。
配置了环境变量的可以直接使用，未配置需要借助下载的anaconda poweshell
在使用时若缺少那些模块可以使用conda pip install 包名，来安装包。
由于Anaconda是包管理器和环境管理器，所以其环境是独立的，这就意味着电脑上有两个python SDK，例如本地的python版本3.10.9：
anconda的python版本:3.9.13
两个环境是独立的，互不影响。
包括ancaonda的所有应用都是i使用自己独立的环境。
总结：
1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。
2）管理包Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3）管理环境为什么需要管理环境呢？比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。
需要注意的是anaconda是需要联网的，jupyter可以本地运行。
