⚠️ 重要版權與安全聲明
由於 Anaconda 更改了商業授權條款，凡是在公司、學校、政府機關等機構內部使用，一旦機構總人數超過限制，極易觸發版權審查並被迫繳交鉅額的授權費用。
因此，現在強烈不建議將 Anaconda 作為日常使用的 Python 發行版，除非您確認自身所在的機構已購買官方授權。
本文後續的舊版資料僅供觀念參考。建議學生、個人開發者、小型團隊及企業內部人員，全面改用完全開源、免費且可商用的 Miniforge。
Anaconda 簡介與運作架構
Anaconda 為美國軟體公司 Anaconda, Inc. 所開發的 Python 與 R 語言整合發行版（Distribution）。該發行版採用「懶人包」的形式，除了原生的程式語言環境外，亦整合了核心管理工具與大量預載套件。
- 套件與環境管理器 (
conda)：為此發行版的核心軟體，負責處理第三方套件的安裝、更新，以及管理不同的虛擬環境。 - 預載科學計算套件：預先打包了超過 1,000 個適用於資料科學、機器學習與學術研究等領域的 Python 套件，降低初期建置環境的時間成本。
- 多平台支援：支援 Windows、macOS 與 GNU/Linux 等主要作業系統。本文後續說明將以 Windows 系統的操作環境為主。
💡 核心觀念：什麼是虛擬環境（Environment）？ 虛擬環境是系統內部隔離的獨立空間。使用者可以在不同的環境中，指定安裝不同版本的 Python 核心與特定版本的套件。各環境之間獨立運作、互不干擾，使用者可依據專案需求快速切換。
商業發行版的授權與合規考量
使用由商業公司維護的發行版，除了需考量供應商鎖定（Vendor Lock-in）的風險外，更需注意其商業授權條款（Terms of Service）的變更。
- 授權合規風險：Anaconda 已修改其商業政策，針對大型機構（如企業、學校、政府單位）採取收費制。若在非允許的環境下免費使用，將面臨法律與版權審查風險。因此在機構內部建置環境前，務必先確認組織是否已取得授權。
- 技術轉移與技能投資：不論使用何種發行版，其底層核心依舊是標準的 Python 與 R 語言。讀者所累積的程式語法與資料科學技能，並不會因為更換發行版而失效。
- 替代方案的銜接性：若因授權限制無法使用 Anaconda，可直接切換至完全免費且開源的 Miniforge。Miniforge 同樣內建
conda（或相容且速度更快的mamba）套件與環境管理工具。兩者的操作指令與運作邏輯完全相同，使用者可以無痛轉移，毋需擔心習慣適應問題。
Anaconda vs. Miniconda
Anaconda 的小缺點就是比較肥、占空間；現在的硬碟相對便宜，所以這個議題倒不是問題。如果真的很在意硬碟空間的話，也有 miniconda 這種縮小版，要多少套件才裝多少。不過，本文仍然假定讀者使用完整的 Anaconda，使用 miniconda 的讀者可交互參照著看。
另外，Anaconda 預設有 Python 3 和 Python 2 兩種版本。不過裝好之後都可以再切換環境，版本的選擇主要是影響預設環境，所以裝 Python 3 的版本比較符合 Python 社群未來的走向。本文假定讀者使用 Python 3 的版本。
Anaconda Navigator vs. Anaconda Prompt
安裝完成後，可透過 Anaconda Navigator 或終端機環境來使用。Anaconda Navigator 只是把一些 GUI 軟體的捷徑集中在一起，看起來比較美觀，那些軟體不一定會用到，而且日後 Navigator 的畫面可能會改版。筆者還是比較建議學一下終端機的 conda 軟體，常用的指令就那幾個，其實不會太難，而且指令的改版通常較慢。如果是在 Windows 下，透過 Anaconda Prompt 可以進入設好環境變數的終端機，而類 Unix 系統上建議直接設置環境變數後用系統終端機。
本文列出一些常見的使用情境給讀者參考。
安裝 Python 2
雖然 Python 2 系列不會再新增功能了，但少數軟體仍未轉移到 Python 3，偶爾還是會想到切換到 Python 2.7 版。用以下指令即可安裝 Python 2.7 的環境：
$ conda create -n py27 python=2.7 anaconda用以下指令切換至新環境：
$ conda activate py27使用完就離開：
$ conda deactivate安裝 R
雖然 Anaconda 主打 Python，但也可以在 Anaconda 中使用 R 軟體。以下指令即可建立一個新環境並安裝基本的 R 套件：
$ conda create -n mro r-essentialsAnaconda 預設安裝 Microsoft R Open (MRO)，這是微軟支援的 R 版本。如果想用原本的 R 軟體，將指令修改如下：
$ conda create -n r-env r-essentials r-base要使用時切換至新環境：
$ conda activate mro附帶一提，經筆者實測，目前 (2018 年 6 月下旬) 安裝 MRO 會出現以下錯誤訊息：
Error: package or namespace load failed for ‘RevoUtilsMath’:
.onLoad failed in loadNamespace() for 'RevoUtilsMath', details:
call: NULL
error: Remove Microsoft R and then re-install.
Be sure to select MKL libraries as an install option.即使加上 MKL 再重裝 MRO 也是出現同樣的訊息，應該是版本更換時暫時性的問題，似乎不影響使用。目前標準 R 軟體沒有這個錯誤訊息。
移除環境
除了內建的 base 環境不能移除外，其他環境若用不到了可以移除，以簡省空間。使用以下指令可以移除環境：
$ conda env remove -n mro安裝 Python 套件
conda 也可以用來安裝 Python 套件，如下例：
$ conda install scipy少數 Anaconda 沒有包進來的冷門套件，還是可以回頭用 pip 裝。
搭配 Virtualenv 建立獨立的開發環境
由於 Windows 系統無法使用 pyenv 切換 Python 版本，而 Anaconda 發行版可以藉由切換環境來切換 Python 版本，故筆者推薦 Windows 使用者使用 Anaconda 取代官方 Python 版本。相對來說，Virtualenv 的目標是在單一專案中建立獨立的 Python 環境。
在 Anaconda 中仍然可以用 Virtualenv 隔離每個專案的 Python 環境，就可以精確地控制每個專案的 Python 套件的版本。使用方式和單獨使用 Virtualenv 相同，只要在使用前先用 Anaconda 切好 Python 版本即可。
使用 Jupyter Notebook 或 Spyder
傳統上，學習 Python 時會撰寫 Python 命令稿，再從終端機呼叫 Python 軟體。不過，透過 Jupyter Notebook 或 Spyder 可以簡化輸入程式碼的過程。這兩個 GUI 軟體略有不同，前者是網頁程式，主要目的是做為互動式筆記本，後者則是 Python IDE。在 Anaconda 中這兩者皆已經預裝好，可以直接使用。本文的目的是介紹 Anaconda 本身，或許日後可再加入這兩者的教學。
安裝 RStudio
現在應該很少人會用純終端機的 R，大部分都會用 RStudio 之類的 IDE，操作上比較親和。在 Anaconda 安裝 RStudio 相當簡單，開啟 Anaconda Navigator 後，切到 R 軟體所在的 environment，再選 Install RStudio 即可安裝，之後就用同樣的捷徑開啟 RStudio 即可。或許我們有機會再另開一篇 RStudio 的教學。