freebird2913

1.1 下载 Windows、macOS 或 Linux 安装包#

👉 官方下载地址（复制到浏览器打开）： https://www.anaconda.com/download

小白选择指南：

💡 温馨提示：安装包体积约 950 MB，建议使用迅雷、IDM 等下载工具加速下载，避免浏览器直接下载因网络波动导致失败。

1.2 Windows 安装步骤#

第 1 步：双击下载好的安装包，出现类似上图的 Anaconda 安装欢迎界面后，点击 “Next” 继续。

第 2 步：阅读许可协议，勾选 “I Agree” 同意协议条款（不同意的话就无法继续安装了）。

第 3 步：选择安装方式——推荐选 “Just Me”（仅当前用户），这样不需要管理员权限，也更安全。点击 “Next”。

第 4 步：选择安装路径——这一步非常关键！

• ❌ 强烈不建议安装在 C 盘，Anaconda 体积庞大，后续安装的包也会占用大量空间，容易导致 C 盘爆满。
• ✅ 推荐路径：将安装路径修改为 D:\Anaconda3（直接在地址栏里把盘符从 C 改成 D 即可）。

第 5 步：高级选项设置——两个选项务必都勾选！

• ✅ “Add Anaconda3 to my PATH environment variable”：将 Anaconda 添加到系统环境变量，这样你才能在任何位置使用 conda 命令。
• ✅ “Register Anaconda3 as my default Python”：将 Anaconda 注册为系统默认的 Python 解释器。

点击 “Install” 开始安装。

第 6 步：耐心等待安装进度条走完。安装完成后，取消勾选 “Learn about Anaconda Cloud”（这个后面不需要），然后点击 “Finish” 完成安装。

1.3 验证 Anaconda 和 Conda 是否安装成功#

打开 Anaconda Prompt（开始菜单 → Anaconda3 文件夹 → Anaconda Prompt），然后依次输入以下两条验证命令：

1
conda --version
2
python --version

如果安装成功，你会看到类似如下的版本号输出：

• conda 24.9.0
• Python 3.12.4

💡 小知识：Anaconda Prompt 和普通的 cmd 命令提示符不同，它启动时会自动激活 Anaconda 的 base 环境，所以能直接识别 conda 命令。

❌ 如果提示”conda 不是内部或外部命令”或”命令找不到”：

• 首先检查安装时是否勾选了 “Add to PATH” 选项。
• 如果已勾选但仍不生效，尝试重启电脑后再试（环境变量修改需要重启才能全局生效）。
• 如果重启后仍然不行，请参考文末「问题 1」的手动添加环境变量方法。

2.1 为什么需要配置国内镜像源？#

Anaconda 默认从国外的官方服务器下载软件包，这就像你从美国海淘一件商品——路途遥远、速度缓慢，还经常因为网络波动导致下载中断。“换源”就是把下载源切换到国内的镜像服务器，相当于从国内的”本地仓库”直接拿货，速度通常能提升 10 到 100 倍。

💡 实际体验对比：以安装 NumPy 为例，使用默认源下载通常需要 2-5 分钟，换用清华源后仅需 5-10 秒即可完成。

2.2 配置 Conda 清华镜像源#

1
# 添加清华大学镜像源（目前国内最稳定、更新最及时的镜像站）
2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
3
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
4
# 设置搜索时显示包的下载地址，方便确认是否走了镜像源
5
conda config --set show_channel_urls yes

1
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
3
conda config --set show_channel_urls yes

2.3 配置 pip 清华镜像源#

pip 是 Python 自带的包管理工具，很多库只能通过 pip 安装（conda 仓库里没有的），所以同样需要配置国内源。

1
# 创建 pip 配置目录
2
mkdir %APPDATA%\pip
3
# 写入清华大学 pip 镜像源配置
4
echo [global] > %APPDATA%\pip\pip.ini
5
echo index-url = https://pypi.tuna.tsinghua.edu.cn/simple >> %APPDATA%\pip\pip.ini
6
echo [install] >> %APPDATA%\pip\pip.ini
7
echo trusted-host = pypi.tuna.tsinghua.edu.cn >> %APPDATA%\pip\pip.ini

1
mkdir ~/.pip
2
cat > ~/.pip/pip.conf <<EOF
3
[global]
4
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
5
[install]
6
trusted-host = pypi.tuna.tsinghua.edu.cn
7
EOF

3.1 创建、激活和删除 Conda 虚拟环境#

什么是虚拟环境？为什么要用它？

在实际开发中，不同的项目往往需要不同版本的 Python 和第三方库。比如项目 A 依赖 Python 3.8 + TensorFlow 1.x，而项目 B 需要 Python 3.11 + TensorFlow 2.x——如果所有东西都装在同一个全局环境里，版本冲突几乎是必然的。

虚拟环境就是为每个项目创建一个独立的、相互隔离的”工作间”。每个环境有自己的 Python 版本和包集合，彼此互不干扰，就像给每个项目分配了独立的工具箱。

上图为执行 conda env list 后的典型输出效果。注意带有 * 号的行表示当前激活的环境，每个环境都有独立的安装路径，互不干扰。

💡 实战演示：创建一个数据分析专用环境

1
# 创建一个名为"数据分析"的虚拟环境，使用 Python 3.10
2
conda create -n 数据分析 python=3.10
3

4
# 激活刚刚创建的环境
5
conda activate 数据分析
6

7
# 在这个环境中安装数据分析常用的包
8
pip install pandas matplotlib seaborn jupyter

激活环境后，你会发现命令行提示符前面多了一个 (数据分析) 的前缀——这就是当前环境的”身份标识”，提醒你现在所有操作都在这个隔离的环境中进行。

3.2 使用 Conda 安装、更新和卸载软件包#

掌握包管理是日常开发中最基础也最频繁的操作。conda 和 pip 都可以安装包，但它们的包仓库不同，各有侧重。

上图为使用 pip install 安装包时的典型终端输出，可以看到包的下载、安装和依赖解析过程。

💡 安装建议：conda 和 pip 该用哪个？

• 优先使用 conda install：conda 在安装包时会自动处理依赖关系，避免版本冲突，特别是对于 NumPy、pandas 这类包含 C 扩展的科学计算库，conda 提供了预编译的二进制包，安装更稳定。
• conda 装不到时再用 pip：有些包只发布在 PyPI（pip 的仓库）上，conda 仓库里没有，这时候就需要用 pip install 来安装。
• ⚠️ 注意：在同一个环境中混用 conda 和 pip 安装依赖时，偶尔会出现依赖冲突。如果遇到莫名其妙的环境问题，最简单的解决办法是删掉环境重建。

问题 1：命令行提示 “conda 不是内部或外部命令”#

原因：安装时没有勾选 “Add Anaconda3 to my PATH environment variable”，或者环境变量没有正确生效。

解决方法——手动添加环境变量：

1. 找到你的 Anaconda 安装路径（例如 D:\Anaconda3）。
2. 右键点击 “此电脑” → 选择 “属性” → 点击 “高级系统设置” → 点击 “环境变量”。
3. 在下方的 “系统变量” 区域中找到变量名为 “Path” 的条目，双击打开编辑。
4. 点击 “新建”，依次添加以下 3 个路径（请将 D:\Anaconda3 替换为你实际的安装路径）：

1
D:\Anaconda3
2
D:\Anaconda3\Scripts
3
D:\Anaconda3\Library\bin

5. 一路点击”确定”保存，然后重启命令行窗口（或重启电脑）使配置生效。

问题 2：换源后下载仍然很慢或报错#

解决步骤：

1. 清除 conda 缓存：有时候缓存的旧索引信息会导致问题，执行以下命令清理：

   1
   conda clean -i

2. 检查配置文件是否有多余的默认源：

   • Windows：打开 C:\Users\你的用户名\.condarc
   • macOS / Linux：打开 ~/.condarc

   用记事本或任意文本编辑器打开，确保文件中没有 defaults 这一行。如果有的话，删除它并保存。

3. 尝试备用镜像源——中科大源（当清华源不稳定时使用）：

   1
   conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

问题 3：创建环境时一直卡在 “Solving environment”#

原因：conda 在安装包之前需要计算所有依赖关系，确保各个包之间的版本兼容。当环境中包数量多或依赖关系复杂时，这个计算过程可能非常缓慢（新版 conda 的求解器性能有所下降，这是一个已知的痛点）。

上图对比了 mamba 与 conda 在依赖解析速度上的差异——mamba 使用了更高效的求解算法，速度提升非常显著。

解决方法——安装 mamba 加速器：

mamba 是 conda 的高性能替代品，使用 C++ 重写的依赖求解引擎，速度比 conda 快 10-100 倍。

1
# 在 base 环境中安装 mamba
2
conda install -n base -c conda-forge mamba
3

4
# 之后所有 conda 命令都可以用 mamba 替代，语法完全一样：
5
mamba create -n myenv python=3.11
6
mamba install pandas numpy
7
mamba update --all

💡 一句话总结：装完 mamba 后，把日常的 conda 命令全部换成 mamba 就行，体验会有质的飞跃。