conda作为anaconda中Python包管理工具，还有其他很多功能，可参考：
https://conda.io/docs/commands.html
https://conda.io/docs/_downloads/conda-cheatsheet.pdf
3. 安装jupyter notebook
安装jupyter notebook的命令：conda install jupyter
安装后，可以看到开始菜单多了一个图标：
4. 运行jupyter notebook
使用时，可以直接从开始菜单中的"Jupyter Notebook"启动，或是在命令行中输入jupyter notebook。打开后，会在浏览器中打开一个页面：
链接默认为：:8888/tree
界面如下：
点击图中框出来的"New"菜单，选择"Python 3"就可以打开一个新的notebook
界面如下：
这时就可以写代码了！
退出时，关闭相应的cmd窗口就可以了。
Jupyter Notebook
对于Jupyter Notebook，完全值得单独拿出来说说。
jupyter notebook是一个交互式的IDE，虽然不像PyCharm这种重型IDE那么强大，但是仍然可以当做IDE来用，而且有一些特色非常适合用来进行数据分析：
可以单行运行代码，这样就可以一行一行的检查代码，查看运行结果，反复尝试；
每次运行后变量都保存在内存中，因此可以重复使用（这对于一些比较耗时的计算过程，尤其有用）；
可以写markdown格式的注释，这样就可以将整个分析过程非常清晰的表达出来；
可以利用Mathjax展示数学公式；
可以插入图片等，可以制作出图和代码并茂的非常精致的笔记和文档（有很多已经出版的书都是完全使用notebook来写作的）.
但是个人感觉jupyter notebook并不适用代码量比较大的工程类项目。
自己最近几个月一直在使用这个工具，但是还没有系统的研究过。这里先放几个链接，后面再来补充：
知乎上的一个介绍：https://www.zhihu.com/question/37490497/answer/212044783(你为什么使用 jupyter ，进行分析，而不是用 python 脚本或仅仅利用 excel ？ - 子珂的回答)
datacamp中介绍Jupyter Notebook的文章（包括如何运行R代码）：https://www.datacamp.com/community/tutorials/tutorial-jupyter-notebook
另一篇文章（包括快捷键，其他注意事项等）：https://www.dataquest.io/blog/jupyter-notebook-tutorial/
此外，JupyterLab:被称为下一代Jupyter，对原来的Jupyter Notebook做了很多改进。
参考文档：https://jupyterlab.readthedocs.io/en/latest/
安装：conda install -c conda-forge jupyterlab
运行：jupyter lab