无论是使用virtualenv还是conda，本意无非是使开发环境变得干净纯粹，当然我们还可以使用vagrant启动一个虚拟机，在虚拟机里操作，或者docker起一个container也一样。
- 基础的用法
$ conda info --env
$ conda create -n testenv
$ activate testenv
$ deactivate testenv
- 在
linux下你可能需要这样
$ source activate testenv
$ source deactivate testenv
- 指定
python版本
$ conda create -n testenv python=27
- 删除某个虚拟环境
$ conda env remove --name tensorflow
- 使
jupyter使用某个虚拟环境
$ source activate myenv
$ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
$ source activate other-env
$ python -m ipykernel install --user --name other-env --display-name "Python (other-env)"
- 在服务器上启动一个无浏览器的
jupyter notebook
$ jupyter notebook --no-browser
$ jupyter notebook --no-browser --port 6699
- 集成
pyspark
#step 1
$ mv spark-1.2.0-bin-hadoop2.4 /opt/spark-1.2.0
$ ln -s /opt/spark-1.2.0 /opt/spark
#step 2 (长久生效应该将下列的语句写到bashrc文件里，或者zshrc里)
$ export SPARK_HOME=/opt/spark
$ export PATH=$SPARK_HOME/bin:$PATH
$ export PYSPARK_DRIVER_PYTHON=jupyter
$ export PYSPARK_DRIVER_PYTHON_OPTS='notebook'
#step 3
$ pyspark
- 集成
R
> install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
> IRkernel::installspec()
当然，docker似乎已经成了更加方便的部署方法，可我觉得哪里缺了点什么。这些东西一定要自己先手动部署一次。之后再使用也知道是个怎么回事了。