案例再现
小蓝开始学习machine learning啦，各种框架各种模型看起来超酷，就想快点拿过来玩一玩，预测个房价走势、手写数字什么的。但是各种环境的安装和相互依赖是个大问题，不小心就手残装废了，只能删档重开XD。现在，Anaconda横空出世，这都不是事儿，赶紧把Anaconda这黄金大锤抡起来。
下载、安装、环境变量设置，conda -V检查一下，最新版anaconda3，一次点亮，安全炫酷，感觉自己棒棒的！开整！
等等，听老人家说过，新手得先搞个虚拟环境，随便玩，玩废了删掉，开新的。So Coooool！虚拟环境装起来！conda create -n env_name python=2、source activate env_name，命令行开头出现的(env_name)在欢迎我来到玩家国度，放开了玩！
刚学了文本分词，那我就不客气了，先来一套词云开开眼。不由分说，运转灵巧纤细的手指，小蓝用jupyter notebook熟练的在虚拟环境下打开了Jupyter notebook，新建一个，说是要选kernel，python2还是python3，当然是赶时髦选python3啦（这里埋个坑）。
中文的文本分词需要安装jieba库，那就来一套！conda install -c conda-forge jieba，下载顺利，安装。怎么最后冒了段提示：
usage: conda [-h] [-V] command ...
conda: error: argument command: invalid choice: '/Users/usr_name/anaconda3/envs/ml-py2/bin/conda' (choose from 'info', 'help', 'list', 'search', 'create', 'install', 'update', 'upgrade', 'remove', 'uninstall', 'config', 'clean', 'package')
什么意思？小蓝估摸着是安装失败了，去notebook里面import一下，No module named jieba，没毛病，conda不太好使。换pip！接着又是一顿猛操作，pip install jieba，下载安装successfully，简直崇拜自己。来import一下，No module named jieba，蛤？！不可能！小蓝立刻在虚拟环境中打开python交互界面，import jieba成功了，就说嘛，肯定是Jupyter反应迟钝，关掉重开！一阵折腾，依旧是热情的报错。小蓝凌乱了，简直不敢相信自己的眼睛！
问题解析
-
kernel是什么？
A kernel provides programming language support in Jupyter. IPython is the default kernel. Additional kernels include R, Julia, and many more.（术语）根据官方解释，kernel简而言之就是jupyter支持的编程语言环境。
在上面的案例，新建的ipynb文件是运行在python3的环境中，而需要的jieba库是安装在python2的环境中，所以在notebook中肯定找不到jieba，需要在kernel选项中将kernel切换到python2的环境下。
-
notebook启动ipynb时，默认kernel是什么？
新建ipynb文件时，选择的是哪个kernel，每次进入时就启动相应的kernel
-
kernel和notebook（spyder）是什么关系？
notebook和spyder都是编辑器，代码python或其他运行需要语言编译环境的支持，kernel中就包含了这个语言环境，不同的kernel可对应不同的环境。
-
kernel和虚拟环境是什么关系？
虚拟环境安装的python语言编译环境，通过配置Jupyter下的kernel.json文件，就可以将虚拟环境映射为kernel。
-
conda创建虚拟环境后，如何新建kernel？
conda create -n my_env python=3 ipykernel，创建的时候务必要安装ipykernel（如果是R语言，要安装irkernel），ipykernel包的作用是将当前所在python环境添加为kernel，配置文件路径为~/anaconda3/envs/my_env/share/jupyter/kernels/python3/kernel.json。 -
kernel相关操作
查看系统环境kernel：
jupyter kernelspec list自动关联kernel与虚拟环境：创建虚拟环境的同时，安装上ipykernel即可
手动配置kernel：
# 安装ipykernel
conda install ipykernel
# 新建kernel，其python环境指向创建kernel时所在的python环境
# 路径为/usr/local/share/jupyter/kernels/kernel_name
# 配置文件为/usr/local/share/jupyter/kernels/kernel_name/kernel.json
ipykernel kernel install [--name kernel_name --display-name "display_name"]
# 查看kernel
jupyter kernelspec list
# 删除kernel
jupyter kernelspec remove kernel_name
-
kernel管理
在系统环境（非虚拟环境）安装以下包，能便捷的管理和切换kernel。
切换kernel用nb_conda_kernels：
conda install -c conda-forge nb_conda_kernels管理kernel用nb_conda：
conda install -c conda-forge nb_conda
-
conda不好用？
这个完全不存在的，与pip同为包管理器，conda与pip只有小部分功能有重叠，如安装python包和配置虚拟环境。pip可以在任何环境中快速的管理python包，而conda需要anaconda环境的支持，但conda很好的处理了包之间的依赖关系，尤其是在数据科学方面。
案例中conda安装失败（其实是调用jieba失败），是因为在虚拟环境下并没有安装anaconda，conda命令调用的系统环境中的conda，所以失败了。
-
anaconda和conda是什么关系？
anaconda是python发行版（发行版就是内置了python相关软件包集合的程序，安装后可直接使用，不需要再单独配置这些包），conda是包管理器（包管理器是便捷的管理工具，用于软件包的安装、升级、卸载等操作，会自动处理包之间的依赖关系）。
除了anaconda外，发行版还有miniconda，其中只包含了conda管理器，未安装pydata生态圈软件，体积小，方便熟练工按需装载软件。
其他
使用anaconda3自带的jupyter notebook，dataframe默认的输出就没有边框，可视效果很差，在notebook 5.0.0版本中做的更改（来源），有人尝试将notebook降级回4.4版本，懒得折腾，将就看了。
