Anaconda下载&使用

初识

Anaconda 是一个面向数据科学的 Python(和 R)发行版 + 包管理器 + 环境管理工具的合集的软件。其核心组成如下:

  1. Python 发行版(不是纯 Python),内置以下但不限于:

    • NumPy(数值计算)
    • Pandas(数据分析)
    • Matplotlib(画图)
    • scikit-learn(机器学习)
  2. conda(核心工具)
    这是 Anaconda 最重要的东西:

    • 包管理
    • 环境隔离
  3. Anaconda Navigator(图形界面)
    Miniconda没有这个GUI,只有Anaconda有,但一般也不会打开这个GUI,通过命令行操作操作即可。

55ec5833-59e0-490e-9c99-e38f782e838c.png

Q:为什么要装 Anaconda / Miniconda 来管理环境?
A:

  • 为了不污染当前的系统python环境,全部依赖(各种包)都下载系统的python里容易引起冲突,环境也很脏,也不方便管理
  • conda可以划分很多环境,每一个环境都有一个名字,相当于房间号,每个房间互不干扰,每一个房间对应一个项目所需的依赖,这个项目作废了或者完成不需要这个房间了就可以删除了

Q:系统的python也自带环境划分的功能,和conda的有何区别?
A:python的 venv 是“轻量 Python 环境隔离”,而 conda 是“完整运行时环境管理(包括系统依赖)”。conda的每一个“房间”(环境)都可以有独立的python解释器,版本可以完全不一样:3.8、3.9、3.10、3.11 随便装,互不干扰。而venv是共用一个python解释器,即 venv 只是隔离包,不隔离 Python 版本。

Q:有什么实际的例子来理解吗?
A:比如在GitHub上看到一个项目,老师叫你跑起来,但如果这个项目是年代久远的,可能他的python版本还停留在3.8.x(现在最新应该是3.14.x了),而你的系统python肯定不会这么老。这时候 venv 就可以滚了。让conda来创建一个房间,指定下载3.8.x版本,当然依赖也可以指定,但不用你一个包一个包的下载,作者肯定会在他的仓库里放有依赖文件,一般是environment.yamlrequirement.txtxxx.sh以及作者打包的Docker等。下面的两张图是GitHub上某些项目的README.md

838a9c3c-0126-4a5c-a32d-9c1e2642cf97.png

image.png


安装

点这里跳转官网,进来后极力推荐下载Miniconda

  • Minicoda相比于Anaconda要小得多,Anaconda安装完有10GB+。
  • Miniconda没有GUI、也不会预装很多包,轻量很多。
  • Anaconda里面很多功能对于我们都用不到其90%,是个很重的软件。

917265a6d513ba06bf63142364380f7b.png


安装时推荐改到D盘根目录,创建一个Anaconda文件夹,方便按下图设置环境变量。
cef09f7c-ce31-4478-b7cb-929feb2bfb4c.png

终端输入以下命令,能输出版本号说明环境配置成功

1
conda --version

511a5a95-7d84-4ac0-aa3c-2b4a6f262ca7.png

现在版本已经到了25.x.x,若版本输出为4.x.x说明你当时肯定是严格按照老师的word里指导的版本下载很老的安装包,鬼知道这个word指导书是不是比我都老了…

若下到了旧版本,想换新版本,请彻底删除前版本,不然有残留(笔者见过有老兄没删干净有三个anaconda,hha)

这里可以用一个软件叫geek,很小就几MB,点这里下载,找到软件右键点击 卸载(U)… 即可
2e418be6-b8d1-4a49-a153-f3d9a945c983.png

使用

1. 常用命令

ChatGPT Image 2026年4月25日 16_36_54.png

  • 创建环境,例如 conda create -n abc python=3.12 -y
1
conda create -n 环境名 python=版本号 -y 
  • 激活环境,例如conda activate abc。激活环境之后前面就会带 (环境名),这是为了提醒用户当前已进入abc这个房间,见下图
1
conda activate 环境名

1ba217f2240ac238bb2cd3b4c328ff26.png

  • 退出当前环境,例如 conda deactivate abc
1
conda deactivate
  • 列出你全部的环境,其中base是自带的基础环境,不推荐在里面装依赖。第一列表示环境名,第二列表示路径,前面带星号表示当前在哪个房间。

e244bc49-9cd2-426b-b555-13c197d918c8.png

1
conda env list
  • 进入房间后就可以下载包了,condapip都行,细微差别如下。
    • conda install:conda 官方源,跨语言(Python/C/CUDA 都管)
    • pip install:PyPI 源,只管 Python 包
1
2
conda install 包1,包2,...
pip install 包1,包2,...
  • 删除房间,例如我删除abc
1
conda remove -n 环境名 --all 

这里我就报错了,因为不能删除当前激活的房间。要么去别的房间,要么退出房间。
66fa9b2b-6812-4bd8-8936-3c638e16e019.png

1
2
conda deactivate  # 退出环境
conda remove -n 环境名 --all -y # 彻底删除环境

更多命令点这里跳转官方


2. 配合vscode使用

进入vscode之后,请按 CTRL + Shift + P,点击Python:选择解释器,即可看到你刚才创建的环境(abc)。
6e0d7721-85ec-45e0-a902-4c9c9d76869d.png
6ecd053790df62a1452844c83f5cb0fb.png


CTRL + `~Tab键上面)开打终端即可发现右下角的python解释器换成了abc
717e5600ad8163247ec5c3415c84c1bb.png

我们先不装任何依赖,导入两个包:numpy和sklearn,发现会报错,无法找到包。
34b9fc0d-6c49-4971-bd96-b087f3fa9cd5.png

这是因为我们的名为abc房间,还没装这两个包,现在来装。
bb68af99986e00b5ae9c828e722049b0.png

若遇到下载失败,请尝试换手机流量或者多试几次,按键盘的即可回到你之前敲过的命令。

重启vscode发现两个包已经能被识别。
c032a749-12fb-4ca4-97fe-9d23d99468f1.png