01-Anaconda入门-让Python环境管理变简单

一、为什么需要Anaconda？

Anaconda是一个Python发行版，内置了conda包管理器和超过250个科学计算包。

1.1 核心优势

  • 环境隔离 - 不同项目使用不同Python版本
  • 包管理便捷 - 一键安装科学计算库
  • 多版本并存 - Python 3.7/3.8/3.9共存
  • 开箱即用 - 内置常用科学包

1.2 应用场景

1
2
3
4
5
6
┌─────────────────────────────────────────────────────────┐
│  项目A: TensorFlow 2.8 + Python 3.8                     │
│  ┌───────────────────────────────────────────────────┐  │
│  │  项目B: PyTorch 1.12 + Python 3.9   ← 互不干扰     │  │
│  └───────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────┘

二、下载与安装

2.1 下载地址

2.2 安装步骤

1
2
3
4
5
6
# 1. 双击安装包，下一步Next
# 2. 勾选"I Agree"
# 3. 推荐"All Users"
# 4. 选择安装路径（不要有中文和空格）
# 5. **重要**: 勾选"Add Anaconda to PATH"
# 6. 点击Install

2.3 验证安装

1
2
3
4
5
# 打开Anaconda Prompt（Windows）
# 或终端（macOS/Linux）

conda --version
# 应该显示: conda 23.x.x

三、基础命令速查

3.1 环境管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 查看conda版本
conda --version

# 查看所有环境
conda env list

# 创建新环境（指定Python版本）
conda create --name myenv python=3.9

# 创建环境（同时安装包）
conda create --name ml_env python=3.9 numpy pandas

# 激活环境
conda activate myenv    # Windows
source activate myenv   # Linux/macOS

# 退出当前环境
conda deactivate

# 删除环境
conda env remove --name myenv

# 克隆环境
conda create --name new_env --clone old_env

3.2 包管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 安装包
conda install numpy pandas matplotlib

# 安装指定版本
conda install python=3.9.0

# 使用pip安装
pip install tensorflow

# 查看已安装包
conda list
pip list

# 更新包
conda update numpy
pip install --upgrade numpy

# 卸载包
conda remove numpy
pip uninstall numpy

3.3 环境导出与导入

1
2
3
4
5
# 导出当前环境配置
conda env export > environment.yml

# 从配置文件创建环境
conda env create -f environment.yml

3.4 配置文件示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# environment.yml
name: ml-project
channels:
  - defaults
  - conda-forge
dependencies:
  - python=3.9
  - numpy>=1.20
  - pandas>=1.3
  - scikit-learn>=1.0
  - matplotlib>=3.5
  - jupyterlab>=3.0
  - pip:
    - tensorflow==2.10.0

四、conda vs pip

特性 conda pip
包类型 二进制+源码 源码
依赖解决 跨语言 仅Python
环境管理 内置 需virtualenv
安装速度 较快 取决于编译
包数量 250+ 40万+

4.1 混用注意事项

1
2
3
4
⚠️ 建议：
1. 优先使用conda安装
2. conda环境内用pip安装
3. 避免混用不同源的包

五、常见问题与解决

5.1 下载慢-配置镜像源

1
2
3
4
5
6
7
8
9
10
# 添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

# 设置搜索顺序
conda config --set channel_priority strict

# 查看配置
conda config --show channels

5.2 环境无法激活

1
2
3
# Windows以管理员身份运行Anaconda Prompt
# 检查环境变量
echo %PATH%

5.3 环境损坏

1
2
3
# 删除重建
conda env remove --name myenv
conda create --name myenv python=3.9

5.4 空间不足

1
2
3
4
5
# 清理缓存
conda clean --all

# 查看空间占用
du -sh ~/.conda/

六、Jupyter Notebook集成

6.1 在环境中安装

1
2
conda activate myenv
conda install jupyterlab notebook

6.2 启动Notebook

1
2
3
jupyter lab
# 或
jupyter notebook

6.3 选择内核

在Jupyter中：Kernel → Change Kernel → 选择你的环境

七、总结

阶段 关键命令
安装验证 conda --version
创建环境 conda create --name xxx python=3.9
激活环境 conda activate xxx
安装包 conda install xxx
导出配置 conda env export > env.yml

💡 提示：建议为每个项目创建独立环境，保持开发环境整洁！

下篇预告: AI学习日记02-Jupyter Notebook：Python交互式编程神器

如果你觉得有帮助，欢迎点赞+在看👍

工具配置
#Anaconda #Python环境 #虚拟环境
01-Anaconda入门-让Python环境管理变简单
https://yourname.github.io/2026/01/29/01-Anaconda入门-让Python环境管理变简单/
作者
JA
发布于
2026年1月29日
许可协议