1.4 安装与设置
由于每个人使用Python的应用场景不一样，设置Python、安装附加包并没有一个统一的解决方案。很多读者并没有一个适合本书后续内容的Python开发环境，因此我将给出一份各操作系统上的详细Python安装说明。我推荐使用免费的Anaconda发布版。在本书写作的时候，Anaconda提供Python 2.7和Python 3.6两个版本，当然未来某个时间版本会变更。本书使用Python 3.6版本，我推荐使用Python 3.6或更高版本。
1.4.1 Windows
在Windows上起步，需要先下载Anaconda安装器（http://anaconda.com/downloads）。我推荐读者按照Anaconda官网下载页上的安装说明进行安装，当读者读至此时安装说明可能会和本书出版时的说明不太一样。
现在，让我们来确定所有设置是否都正确。鼠标右击开始菜单，选择命令行，打开命令行应用（也就是cmd.exe）。通过输入python来启动Python解释器。你应该可以看到符合你下载的Anaconda版本的信息：
C:\Users\wesm>python Python 3.5.2 |Anaconda 4.1.1 (64-bit)| (default, Jul 52016, 11:41:13) [MSC v.1900 64 bit (AMD64)] on win32 >>>
要退出命令行，按下Ctrl-D（Linux或macOS），按下Ctrl-Z（Windows），或者输入命令exit()后按下回车键。
1.4.2 Apple（OS X和macOS）
下载OS X版的Anaconda安装器，命名如Anaconda3-4.1.0-MacOSX-x86_64.pkg。双击．pkg文件运行安装器。安装器运行时，会自动将Anaconda执行路径添加到你的．bash_profile文件中，该文件位于/Users/$USER/.bash_profle。
确认安装正常，可以尝试在系统命令行（打开终端应用得到命令提示符）中运行IPython：
$ ipython
要退出命令行，按下Ctrl-D，或者输入命令exit()后按下回车键。
1.4.3 GNU/Linux
Linux下的安装细节取决于你所用的Linux版本，但是我会给出部分Linux系统的Python安装细节，例如Debian、Ubuntu、CentOS和Fedora。设置方法与OS X大致相同，Anaconda的安装方法除外。安装器是一段shell脚本，必须通过终端执行。选择x86（32位）还是x86_64（64位）安装器取决于你的操作系统是32位还是64位。安装时，你需要使用一个文件名类似于Anaconda3-4.1.0-Linux-x86_64.sh的文件，并在bash命令行输入：
$ bash Anaconda3-4.1.0-Linux-x86_64.sh
部分Linux发行版包含所有所需的Python包，可以通过像apt这样的工具进行安装。本书的安装是针对Anaconda的。这两种方式下都很容易进行跨版本重现和包版本更新。
在接受许可后，需要选择Anaconda的安装路径。推荐在主目录下的默认位置进行安装——例如/home/$USER/anaconda（$USER一般就是你的用户名）。
Anaconda可能会问你是否需要将它的bin/目录添加到$PATH变量中去。如果在安装后出现了问题，你可以自行修改．bashrc（或者．zshrc，如果你使用的是zsh命令行）：
export PATH=/home/$USER/anaconda/bin:$PATH
完成修改后，你可以新开一个终端进程或通过source～/.bashrc再次执行你的．bashrc。
1.4.4 安装及更新Python包
在本书阅读中，你可能想要安装Anaconda并不包含的额外Python包。通常通过以下命令进行安装：
conda install package_name
如果不奏效你可以使用pip包管理工具进行安装：
pip install package_name
你还可以使用conda update命令来更新包：
conda update package_name
pip还支持通过--upgrade标识升级：
pip install--upgrade package_name
贯穿本书，你会有多次机会使用以上命令。
当你能够同时使用conda和pip进行包安装时，请不要尝试使用pip更新conda安装的包，否则可能会导致环境问题。当使用Anaconda或者Miniconda时，最好还是使用conda进行更新。
1.4.5 Python 2和Python 3
Python 3.x的第一个版本发布于2008年年底。它包含了大量与Python 2.x代码不兼容的变更。因为距离Python在1991年第一次发布已经过去了17年，鉴于长期以来的经验教训，创造一个“震撼”的Python 3版本是极好的。
2012年，大部分科学数据分析社区仍然在使用Python 2.x，因为当时很多包并没有完全兼容Python 3。因此，本书的第1版使用了Python 2.7。现如今，用户可以根据喜好在Python 2.x和Python 3.x进行选择，因为基本上两个版本都有全量的库支持。
然而，Python 2.x将在2020年结束开发周期（包括重要安全补丁），所以在Python 2.7下创建新项目并不是个好主意。因此，本书将使用Python 3.6，该稳定版部署更为广泛、支持更为友好。我们将Python 2.7称为“传统Python”，将Python 3.x简称为“Python”。我推荐你也这么做。
本书使用Python 3.6作为基础，你的Python版本可能比3.6更新，但本书的代码示例应该是向前兼容的。部分代码示例可能会有不同的运行结果，或者无法在Python 2.7中运行。
1.4.6 集成开发环境和文本编辑器
当被问及我的标准开发环境时，我会回答说“IPython加文本编辑器”。通常，我会在IPython或Jupyter notebook中写一段代码，然后迭代测试、调试。这种方式有助于在交互情况下操作数据，并可以通过肉眼确认特定数据集是否做了正确的事。像pandas和NumPy库都被设计为适合在命令行下使用。
然而，当开发软件时，一些用户可能倾向于使用功能更为丰富的集成开发环境（IDE），而不是功能相对简单的文本编辑器比如Emacs或Vim。下面介绍一些IDE：
· PyDev（免费），基于Eclipse平台的IDE
· PyCharm, Jetbrains公司开发（对商业用户收费，对开源用户免费）
· Python Tools for Visual Studio（适合Windows用户）
· Spyder（免费）, Anaconda集成的IDE
· Komodo IDE（收费）
由于Python十分流行，大多数文本编辑器，比如Atom和Sublime Text 2都对Python有较好的支持。