当前位置: 首页 > news >正文

Anaconda安装及使用超详细教程

前言

Anaconda 是一个非常流行的 Python 发行版,它不仅包含了 Python 语言本身,还预装了众多常用的科学计算库,如 NumPy、Pandas、Matplotlib 等,能够极大地方便用户的开发和数据分析工作。Anaconda 提供了一个统一的环境管理工具 Conda,用户可以轻松创建和管理多个独立的 Python 环境,避免了不同项目之间的依赖冲突。

此外,Anaconda 还提供了 Anaconda Navigator 这样的图形化界面,让用户更直观地管理包和环境。对于刚开始学习 Python 或者需要处理复杂项目的用户来说,Anaconda 都是一个非常友好且强大的工具。

本文将手把手教你完成 Anaconda 的完整安装配置流程,并深入讲解日常使用中的各项操作。


一、Anaconda简介

1.1 什么是Anaconda

Anaconda 是一个用于科学计算的 Python 发行版,支持 Linux、Mac 和 Windows 系统。它包含了:

  • Python 解释器:默认安装最新稳定版 Python
  • Conda:强大的包管理和环境管理工具
  • 预装科学计算库:NumPy、Pandas、Matplotlib、SciPy 等 250+ 个常用库
  • 开发工具:Jupyter Notebook、JupyterLab、Spyder IDE 等
  • Anaconda Navigator:图形化管理界面

1.2 Anaconda vs Miniconda

在下载页面你会看到两个选项:

特性Anaconda DistributionMiniconda
体积约 950MB约 100MB
预装包8000+ 科学计算库仅 Python + Conda
安装时间较长很快
适用人群新手、数据科学家有经验的开发者
网络要求下载大,但安装后即用下载小,但需手动安装包

建议:如果你是新手,或者需要快速开始数据科学工作,选择Anaconda Distribution。如果你已经有明确的需求,或者磁盘空间有限,可以选择Miniconda

1.3 预装的核心库

Anaconda 预装了大量常用的 Python 库,包括但不限于:

库名用途
NumPy数值计算,多维数组操作
Pandas数据处理与分析
Matplotlib数据可视化
SciPy科学计算与工程计算
Scikit-learn机器学习
Jupyter交互式编程环境
SpyderPython 科学计算 IDE
Conda包和环境管理
Pillow图像处理
RequestsHTTP 请求

二、下载Anaconda

2.1 官网下载

步骤1:访问官网

打开浏览器,访问 Anaconda 官方网站:

https://www.anaconda.com/
步骤2:点击下载按钮

在官网首页右上角,点击“Free Download”按钮,进入下载页面。

步骤3:选择版本

进入下载页面后,你会看到“Choose Your Download”区域,有 Windows、Mac、Linux 三个选项卡。

选择Windows选项卡,然后选择Anaconda Distribution下的“Windows 64-Bit Graphical Installer”

注意:2025 年之后,Anaconda 官网下载需要注册账号。点击“Get Started”按钮,使用邮箱注册后即可下载。

步骤4:等待下载

Anaconda 安装包体积较大(约 950MB),下载可能需要一些时间,请耐心等待。

2.2 网盘下载

如果官网下载速度较慢,或者不想注册账号,可以使用网盘下载:

百度网盘链接:

  • 链接:https://pan.baidu.com/s/13WEI6p6SH7W77KwnY1M2Gw
  • 提取码:c8mw
  • 文件名:Anaconda3-2025.06-0-Windows-x86_64.exe

提示:网盘中的安装包为 2025 年 6 月最新版本,与官网版本一致。


三、安装Anaconda

3.1 运行安装程序

下载完成后,找到安装文件Anaconda3-2025.06-0-Windows-x86_64.exe,双击运行。

安装前准备:

  • 确保磁盘空间充足(建议预留 5GB 以上)
  • 关闭杀毒软件(避免误拦截)
  • 建议以管理员身份运行安装程序

3.2 安装选项说明

运行安装程序后,按照以下步骤操作:

步骤1:欢迎界面

点击“Next”继续。

步骤2:许可协议

阅读许可协议,点击“I Agree”同意。

步骤3:选择安装范围

选择“Just Me (recommended)”(仅为我安装),这是推荐选项。如果你有管理员权限且希望所有用户都能使用,可以选择“All Users”

点击“Next”继续。

3.3 安装路径选择

步骤4:选择安装位置

默认路径:C:\Users\你的用户名\anaconda3

建议修改路径:将安装路径改为非系统盘,例如:

D:\anaconda3

或者:

E:\ENV\anaconda3

重要提示:

  • 安装路径中不要包含中文、空格或特殊字符
  • 路径不要太深,建议不超过 3 层目录
  • 记住这个路径,后续配置环境变量会用到

点击“Next”继续。

3.4 高级选项配置

步骤5:高级安装选项

这一步非常关键,请仔细选择:

选项1:Add Anaconda3 to my PATH environment variable

  • 勾选此项,将 Anaconda 添加到系统 PATH 环境变量
  • 强烈建议勾选,这样可以在命令行中直接使用 conda 命令
  • 如果不勾选,后续需要手动配置环境变量

选项2:Register Anaconda3 as my default Python 3.x

  • 勾选此项,将 Anaconda 的 Python 设为默认 Python
  • 如果你之前安装过 Python,勾选此项会覆盖默认 Python
  • 建议勾选,确保 Anaconda 的 Python 优先级最高

两个选项都勾选后,点击“Install”开始安装。

步骤6:等待安装完成

安装过程可能需要 5-15 分钟,取决于电脑性能。安装过程中会显示进度条和正在安装的包列表。

步骤7:安装完成

安装完成后,会出现完成界面:

  • “Launch Anaconda Navigator”:勾选后点击 Finish 会启动 Navigator
  • “Getting Started with Anaconda Distribution”:官方入门指南

建议先取消勾选 “Launch Anaconda Navigator”,先验证安装是否成功。

点击“Finish”完成安装。


四、验证安装

安装完成后,需要验证 Anaconda 是否正确安装。

4.1 检查Anaconda版本

打开命令提示符(CMD)或 Anaconda Prompt,输入:

anaconda--version

或者:

conda info

如果显示版本信息,说明安装成功:

4.2 检查Python版本

python--version

输出示例:

Python 3.12.3

4.3 检查Conda版本

conda--version

输出示例:

conda 24.5.0

4.4 检查预装库

conda list

这会列出当前环境中安装的所有包,可以看到 NumPy、Pandas、Matplotlib 等库已经预装好了。


五、Anaconda Navigator图形界面使用

Anaconda Navigator 是 Anaconda 的图形化管理界面,可以直观地管理环境、安装包、启动开发工具。

5.1 启动Navigator

方法一:开始菜单

点击 Windows 开始菜单,找到Anaconda3 (64-bit)文件夹,点击Anaconda Navigator

方法二:命令行启动
anaconda-navigator

首次启动可能需要一些时间,请耐心等待。

5.2 界面功能介绍

Navigator 主界面分为几个区域:

左侧导航栏
选项功能
Home启动各种开发工具(Jupyter、Spyder 等)
Environments管理 Python 环境
Learning学习资源和教程
CommunityAnaconda 社区
Home 页面

显示所有可用的应用程序,包括:

应用说明
Jupyter Notebook交互式笔记本,适合数据探索和可视化
JupyterLabJupyter 的下一代界面,功能更强大
SpyderPython 科学计算 IDE,类似 MATLAB
VS Code如果已安装,可以在这里启动
PyCharm如果已安装,可以在这里启动
Orange 3数据可视化与机器学习工具
RStudioR 语言开发环境

点击“Launch”即可启动对应的应用。

5.3 使用Jupyter Notebook

Jupyter Notebook 是数据科学领域最常用的工具之一。

启动 Jupyter Notebook

在 Navigator 的 Home 页面找到 Jupyter Notebook,点击“Launch”

或者在命令行中启动:

jupyter notebook

启动后会自动打开浏览器,显示 Jupyter 的文件管理界面。

创建新 Notebook
  1. 在 Jupyter 界面中,点击右上角的“New”
  2. 选择“Python 3 (ipykernel)”
  3. 会打开一个新的 Notebook 页面
Notebook 基本操作
# 在单元格中输入代码,按 Shift+Enter 运行importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt# 创建一个简单的图表x=np.linspace(0,10,100)y=np.sin(x)plt.plot(x,y)plt.title('Sine Wave')plt.xlabel('x')plt.ylabel('sin(x)')plt.show()

常用快捷键:

快捷键功能
Shift + Enter运行当前单元格并跳到下一个
Ctrl + Enter运行当前单元格
Alt + Enter运行当前单元格并在下方插入新单元格
A在上方插入单元格
B在下方插入单元格
DD删除单元格
M将单元格切换为 Markdown
Y将单元格切换为代码

5.4 使用Spyder IDE

Spyder 是专为科学计算设计的 Python IDE,界面类似 MATLAB。

启动 Spyder

在 Navigator 的 Home 页面找到 Spyder,点击“Launch”

或者在命令行中启动:

spyder
Spyder 界面布局
区域功能
编辑器编写 Python 代码
变量浏览器查看当前环境中的变量
IPython 控制台交互式执行代码
文件浏览器浏览文件系统
帮助查看文档和帮助

六、Conda环境管理

Conda 是 Anaconda 最核心的工具之一,用于管理 Python 环境和包。掌握 Conda 的使用是高效使用 Anaconda 的关键。

6.1 查看环境列表

condaenvlist

或者:

conda info--envs

输出示例:

# conda environments: # base * D:\anaconda3

*表示当前激活的环境,默认是base环境。

6.2 创建新环境

为不同项目创建独立的环境,避免依赖冲突。

基本创建命令
conda create-nmyenvpython=3.11
  • -n myenv:环境名称为 myenv
  • python=3.11:指定 Python 版本
创建环境时安装包
conda create-ndatascipython=3.11numpy pandas matplotlib scikit-learn
从环境文件创建
condaenvcreate-fenvironment.yml

6.3 激活与切换环境

激活环境
conda activate myenv

激活后,命令行提示符前会显示环境名称:

(myenv) C:\Users\用户名>
退出环境
conda deactivate
切换到另一个环境
conda activate another_env

6.4 删除环境

conda remove-nmyenv--all

或者:

condaenvremove-nmyenv

6.5 导出与导入环境

导出环境

将当前环境导出为 YAML 文件,方便分享和复现:

condaenvexport>environment.yml

导出的文件内容示例:

name:myenvchannels:-defaults-conda-forgedependencies:-python=3.11-numpy=1.24.0-pandas=2.0.0-matplotlib=3.7.0-pip:-some-package
导入环境
condaenvcreate-fenvironment.yml
导出精简版(仅手动安装的包)
condaenvexport--from-history>environment.yml

七、Conda包管理

7.1 安装包

使用conda安装
condainstallnumpy

安装指定版本:

condainstallnumpy=1.24.0

同时安装多个包:

condainstallnumpy pandas matplotlib
使用pip安装

当 conda 找不到包时,可以使用 pip:

pipinstallpackage_name

建议:优先使用 conda 安装,conda 安装不了的再用 pip。

在指定环境中安装
condainstall-nmyenv numpy

7.2 查看已安装包

conda list

查看指定环境的包:

conda list-nmyenv

查看某个包是否安装:

conda list numpy

7.3 更新包

更新单个包
conda update numpy
更新所有包
conda update--all
更新conda本身
conda update conda
更新Anaconda
conda update anaconda

7.4 卸载包

conda remove numpy

或者:

conda uninstall numpy

7.5 搜索包

conda search numpy

查看包的可安装版本:

conda search numpy--info

八、配置国内镜像源

由于网络原因,从官方源下载包可能很慢。配置国内镜像源可以大幅提升下载速度。

8.1 配置清华镜像

方法一:命令行配置


# 添加清华镜像源conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge# 设置搜索时显示通道地址conda config--setshow_channel_urlsyes
方法二:修改配置文件

编辑用户目录下的.condarc文件(C:\Users\用户名\.condarc):

channels:-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r-https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge-defaultsshow_channel_urls:true

8.2 配置中科大镜像

conda config--addchannels https://mirrors.ustc.edu.cn/anaconda/pkgs/main conda config--addchannels https://mirrors.ustc.edu.cn/anaconda/pkgs/free conda config--setshow_channel_urlsyes

8.3 恢复默认源

如果需要恢复官方默认源:

conda config --remove-key channels

或者删除.condarc文件中的 channels 配置。

8.4 清除缓存

配置镜像后,建议清除缓存:

conda clean-i

九、常见问题及解决方案

问题1:安装时卡在"Extracting packages"

原因:安装包解压过程较慢,或者磁盘空间不足。

解决:

  • 耐心等待,大型包解压可能需要几分钟
  • 检查磁盘空间,确保有 5GB 以上可用空间
  • 关闭杀毒软件后重试

问题2:conda命令无法识别

现象:输入conda命令提示 “不是内部或外部命令”。

解决:

  1. 检查是否勾选 “Add Anaconda to PATH”
  2. 手动添加环境变量:
    • D:\anaconda3添加到 PATH
    • D:\anaconda3\Scripts添加到 PATH
    • D:\anaconda3\Library\bin添加到 PATH

问题3:创建环境时下载速度慢

解决:配置国内镜像源(见第八章)。

问题4:环境激活失败

现象:conda activate myenv报错。

解决:

# 先初始化 shellconda init# 然后重新打开命令行窗口# 再尝试激活conda activate myenv

问题5:Jupyter Notebook无法启动

解决:

# 重新安装 Jupytercondainstalljupyter# 或者在指定环境安装condainstall-nmyenv jupyter# 如果端口被占用,指定其他端口jupyter notebook--port8889

问题6:包冲突(Package Conflict)

现象:安装包时提示依赖冲突。

解决:

# 创建新环境安装conda create-nnewenvpython=3.11package_name# 或者使用 --force-reinstallcondainstallpackage_name --force-reinstall# 或者使用 pip 安装pipinstallpackage_name

问题7:Anaconda Navigator打不开

解决:

# 更新 Navigatorconda update anaconda-navigator# 重置 Navigatoranaconda-navigator--reset# 如果仍不行,尝试重新安装condainstallanaconda-navigator

问题8:Python版本切换

解决:

# 查看可用 Python 版本conda search python# 在当前环境切换 Python 版本condainstallpython=3.10# 或者创建新环境conda create-npy310python=3.10

十、总结

本文详细介绍了 Anaconda 的完整安装和使用流程:

阶段内容
下载官网下载或网盘下载,约 950MB
安装图形化安装,注意路径和选项选择
验证检查 conda、python 版本
图形界面Navigator 管理环境和启动工具
环境管理conda create/activate/remove
包管理conda install/update/remove
镜像配置清华/中科大镜像加速下载
问题排查常见错误及解决方案

掌握以上内容后,你就可以高效地使用 Anaconda 进行 Python 开发和数据科学工作了。Anaconda 强大的环境管理和包管理功能,将帮助你轻松应对各种项目需求。

http://www.jsqmd.com/news/965049/

相关文章:

  • 从DCDC到LDO:手把手教你用LM1117给STM32搭建一个‘安静’的3.3V电源
  • 电子阅读器成阅读首选,作者们喜爱的几款设备推荐
  • 新手避坑指南:跳过claudecode复杂安装,在快马轻松体验AI写代码
  • Claude平台突发大规模宕机:Anthropic基础设施承压,AI服务稳定性再引争议
  • 我把 LangGraph、RAG、Memory 、MCP 都拼进了 AI 助手, 领导说,你 太牛了
  • 如何通过TPFanCtrl2实现ThinkPad双风扇的终极静音控制:5分钟快速指南
  • LangChain 与 LangGraph:从 Agent 应用到可控工作流的完整工程图谱
  • Proteina-Complexa:NVIDIA 如何把蛋白 Binder 设计推进到全原子生成时代?
  • Flutter GetX 状态管理实战
  • 如何用LeagueAkari成为英雄联盟的智能玩家?终极本地化工具指南
  • 别再死记公式了!用Python+LTspice仿真,5分钟搞懂RLC谐振电路的品质因数Q
  • 小米手机2定价策略解析:供应链博弈与期货定价模式
  • 多语言大模型事实召回能力评估与优化研究
  • 高通孟樸:汽车成为AI进入真实世界的重要载体之一【附全文】
  • B站直播推流神器:3分钟掌握专业直播设置技巧
  • 高斯盒嵌入与TaxoBell框架:知识表示新范式
  • 一张文章最多能加几个CSDN AI引流卡片?官方未公开的3个硬性阈值与动态限流逻辑揭秘
  • ArcGIS 属性导出 Excel 三种实操,复制 / CSV / 表转 Excel 优缺点详解
  • 从零到一:基于项目实战的前端开发知识体系完全指南
  • 避坑指南:SAP COPA获利分析增强COPA0001里,销售订单类型判断与PRODH字段填充的那些坑
  • 基于 Harmony 6.0 应用的老人跌倒检测应用首页实现
  • uniapp map自定义标注避坑指南:customCallout在iOS和Android上显示效果不一致怎么办?
  • 给汽车工程师的OBD实战手册:手把手教你用J1699-3协议完成PVE标准化验证
  • 嵌入式开发踩坑记:STM32与短信模块TTL通讯失败,一根地线引发的‘血案’
  • 3分钟上手Easy-Topo:免费SVG网络拓扑图工具终极指南
  • 高并发 LLM 推理服务化:基于 Triton Inference Server 的多模型管道(Ensemble BLS)高吞吐推理调度架构与动态批处理(Dynamic Batching)实战
  • 钢结构的除锈等级划分
  • BilibiliDown终极指南:三分钟掌握B站视频下载神器
  • Linux 多磁盘分区挂载实战 踩坑复盘
  • 2026年 木纹铝方通厂家推荐:木纹铝方通品牌,室内吊顶木纹铝方通,户外装饰木纹铝方通源头工厂精选 - 品牌企业推荐师(官方)