装 Python 环境这事说简单也简单说坑也真坑。不少人卡在第一步——下载了 Python装了一堆库结果今天这个版本要 A 库的 1.0明天那个项目要 A 库的 2.0两个一撞整台机器直接没法用。后来我换到 Anaconda这些问题基本一次解决。它的逻辑很简单一个 Anaconda 就是一个 Python 环境管家环境隔离、包管理、预装常用库一步到位特别适合做数据分析、机器学习、爬虫方向的入门者也适合需要在多个项目之间反复横跳的老手。这篇文章不打算给你讲太虚的概念就说清楚三件事Anaconda 到底是什么、怎么一步步装好它、装完之后怎么用得顺手。全程按照我自己的实操顺序写你跟着走就行。1. 动手之前先把这几个问题想清楚1.1 Anaconda 到底是做什么的Anaconda 本质是一个 Python 发行版但它不像官方 Python 那样“裸奔”。它自带了一个包管理器 conda还有一个叫 Anaconda Navigator 的可视化界面以及 250 多个预装的数据科学常用库比如 numpy、pandas、matplotlib 这些都是装完就有的。用一句话概括Anaconda Python 解释器 conda 包管理工具 一大堆科学计算库 虚拟环境管理能力。它最大的价值不是“多带几个库”而是把环境隔离这件事做到位了。你可以在电脑上同时存在 Python 3.8、3.10、3.11 三个独立环境互不干扰。每个项目用各自的 conda 环境依赖随便装装坏了直接删掉重建几秒钟的事。所以我的建议很明确只要你不是只写几行 print(hello world)而是想认真学数据分析、机器学习、自动化脚本或者以后可能搞深度学习直接上 Anaconda别裸装 Python。1.2 版本怎么选Anaconda 还是 Miniconda这是新手最容易纠结的问题。先给结论Anaconda 适合大多数人和新手Miniconda 适合对体积敏感或者你根本用不到那些预装库的老手。Anaconda 安装包大概 500MB 到 800MB装完占了将近 3GB 空间代价是装了 250 多个库开箱即用。Miniconda 只有 80MB 左右装完也是一个 conda 管理器加一个纯净底层 Python其他库全靠自己安装。我自己是从 Anaconda 入门的后来熟悉了之后在服务器上装了 Miniconda。原因很简单服务器上不需要 pandas、matplotlib 这些可视化库装 Miniconda 更清爽。但是如果你是第一次接触别犹豫直接 Anaconda。它体积大是大了点但省了你挨个装库的时间而且网上 90% 的教程都是基于 Anaconda 写的你照着操作不会出现环境差异问题。还有个小细节Anaconda 官网提供两种安装器一个是图形界面安装包一个是命令行安装脚本。Windows 用户用图形界面的 exe 就行Linux 和 macOS 用户建议用命令行脚本。1.3 从哪下载官网和国内镜像站Anaconda 的官网下载地址是 anaconda.com/download这个应该优先尝试。打开后选你对应的操作系统版本就行。但很多人在这一步会卡很久——官网服务器在海外下载速度经常只有几十 KB/s下载到一半还可能断掉。这种情况下我建议直接用国内的开源镜像站下载镜像站就是官方资源的完整拷贝内容完全一样速度却快很多。清华大学的开源软件镜像站就有 Anaconda 的安装包页面里列出了所有历史版本选择最新或你需要的那个就行。镜像站地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/进去之后找类似 Anaconda3-2024.10-1-Windows-x86_64.exe 这样的文件。前面是版本号中间是平台Windows/Linux/macOS后面 x86_64 表示 64 位系统。目前绝大多数电脑都是 64 位如果是老款 Mac 用的 M 系列芯片注意看有没有 arm64 的字样。提示下载前先确认你的操作系统是 64 位还是 32 位。打开系统设置就能看到。Anaconda 从 2018 年之后的版本已经基本放弃 32 位系统支持还在用 32 位系统的机器直接不考虑 Anaconda 了老老实实用官方 Python。2. 安装 Anaconda 完整实操Windows、Linux、macOS 全覆盖2.1 Windows 安装图文对应着勾选Windows 安装是最常见的。下载好 exe 文件后双击运行整个过程大概 5 到 10 分钟但有几个勾选项特别容易出问题我挨个说。第一步是安装模式选择。安装器会问 Install for Just Me 还是 All Users当前用户还是所有用户。这里强烈建议选 Just Me。选 All Users 需要管理员权限而且在某些 Windows 版本上安装在 Program Files 目录下会因为权限问题导致后期无法正常更新包。第二步是安装路径。默认路径是 C:\Users\你的用户名\anaconda3我建议保留默认。如果你实在想装到 D 盘有一个原则路径里不能出现中文、空格、特殊符号比如 D:\Program Files\Anaconda 这种就不行因为很多 Python 库对中文路径支持不好后面会踩坑。第三步是关键环节。安装程序走到 Advanced Options 这一页时会看到两个复选框一个是 Add Anaconda3 to my PATH environment variable另一个是 Register Anaconda3 as my default Python 3.x。关于第一个选项网上的说法五花八门。我的建议是第一次安装可以勾上。勾了之后安装器会自动把 Anaconda 写进系统环境变量安装完就能直接在 CMD 里输 conda 命令特别省事。网上说“不要勾”的理由主要是怕和其他软件冲突但那是针对老版本的坑现在的主流版本勾选后只把 Anaconda 自己的路径加入 PATH风险非常低。如果你不放心可以看看后面 3.1 节手动配置环境变量的方法二选一都行。第二个选项 Register as default Python意思是把 Anaconda 里的 Python 作为系统默认的 Python 解释器。如果你的电脑上之前没有装过其他 Python可以勾上如果已经装了别的版本建议别勾避免把系统里原有的 Python 环境搅乱。后面的 Next 一路点下去安装界面显示进度条等它跑完就完成了。装完后怎么确认有没有成功按 Win 键输入 Anaconda Prompt 或 CMD打开终端输入 conda --versionconda --version能返回 conda 4.x.x 这样的版本号就是成功了。如果提示 conda 不是内部或外部命令说明环境变量有问题去看 7.1 节的排查方法。2.2 Linux 命令行安装与环境变量配置Linux 上安装 Anaconda 没有图形界面全程靠命令行操作。先把下载好的 .sh 文件放到当前目录然后执行bash Anaconda3-2024.10-1-Linux-x86_64.sh这时候终端会进入一个协议阅读界面连续按回车翻页直到出现 Do you accept the license terms? 提示输入 yes 回车。接下来安装器会问安装路径默认是 /home/你的用户名/anaconda3直接回车确认。如果想把路径改到别处比如 /opt/anaconda3需要提前确保目录有写入权限。安装脚本执行到最后会问是否运行 conda init这一步选 yes。conda init 的作用是自动把 Anaconda 的初始化代码写入到 .bashrc 或者 .zshrc 配置文件中这样每次打开新终端就能自动识别 conda 命令。安装完成后执行source ~/.bashrc conda --version如果提示找不到 conda 命令大概率是环境变量没有生效。可以手动把路径加到 PATH 临时测试一下export PATH/home/你的用户名/anaconda3/bin:$PATH conda --version能用的话就把这一行 export 永久写入到 ~/.bashrc 里。注意顺序要把 anaconda 的 bin 目录放在 $PATH 前面这样系统会优先使用 Anaconda 自带的 Python。另外Linux 上安装完 Anaconda 之后有个小细节终端前面会出现 (base) 字样说明当前已经默认进入了 base 环境。很多人看着别扭想取消自动激活可以用一条命令关掉conda config --set auto_activate_base false这样新开的终端就不会自动进入 base 环境了需要用的时候再手动 conda activate。2.3 macOS 安装与芯片版本选择macOS 的安装稍微特殊一点因为苹果自家芯片和英特尔芯片用的安装包不一样。先判断自己 Mac 的处理器类型点击左上角苹果图标选关于本机如果显示 Apple M1、M2、M3 这样的字样就是 ARM 架构如果显示 Intel Core i5 之类的就是 x86 架构。然后去官网或镜像站下载对应文件。Apple Silicon 芯片的 Mac 要选择带有 arm64 字样的安装包比如 Anaconda3-2024.10-1-MacOSX-arm64.pkg。Intel 芯片的老款 Mac 才用 x86_64 版本。安装方式有两种。一种是下载 .pkg 文件后双击按图形界面提示安装和安装其他 Mac 软件一样。另一种是下载 .sh 脚本在终端里执行 bash 命令流程和 Linux 基本相同只是最后的 conda init 会写入到 /Users/你的用户名/.zshrc 里而不是 .bashrc。这里有一个细节我踩过坑Mac 的 .pkg 安装器在最后一步会询问是否“建议”修改 shell 环境变量把这个选项勾选了会让安装器自动把 conda 加入 PATH但有时候会把原来的 shell 配置弄乱。稳妥做法是先不勾选装完之后手动执行以下命令初始化source ~/.zshrc conda --version如果不行就手动执行/opt/anaconda3/bin/conda init zsh安装完成后同样可以用 conda info 查看当前环境信息。Mac 上如果发现 conda 命令能用了但前面没有 (base)大概率也是自动激活被关了用前面提到的一行命令开启conda config --set auto_activate_base true。3. 安装完成后的首次体检与全局配置3.1 验证安装结果与手动配置环境变量装完 Anaconda 之后不要急着建环境先花两分钟把安装结果验证一遍确保核心功能都能正常工作。打开终端或 Anaconda Prompt逐个输入以下命令conda --version python --version conda infoconda --version 返回的是包管理工具的版本号比如 conda 24.9.2。python --version 返回的应该是 Python 3.x.x注意这里显示的版本是 Anaconda 自带的那个不是系统原有的 Python。conda info 会列出一大堆信息包括当前环境路径、conda 版本、Python 版本、平台类型等。如果 python --version 显示的不是 Anaconda 的版本比如你在 Windows 上用 CMD 输入 python 出来的还是老的 3.7说明 PATH 里 Anaconda 的路径排在后面了。这时候需要手动把 Anaconda 的路径提到最前面。Windows 手动配置环境变量的方法右键此电脑选属性点高级系统设置环境变量在系统变量里找到 Path编辑把 C:\Users\你的用户名\anaconda3 和 C:\Users\你的用户名\anaconda3\Scripts 这两条路径移动到最上面。记住Scripts 目录非常重要因为 conda 命令的可执行文件就在这个目录里。Linux 和 macOS 上手动配置的话打开 ~/.bashrc 或者 ~/.zshrc把 export PATH/home/你的用户名/anaconda3/bin:$PATH 这行放在文件最前面几行。保存后执行 source ~/.bashrc 生效。3.2 配置国内镜像源这一步强烈建议你装完环境变量之后马上做不然后面创建环境、安装包的时候下载速度会让人怀疑人生。conda 默认使用的官方源在海外下载速度波动大换成国内镜像源之后速度能翻好几倍。配置方式很简单终端里执行这几条命令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 --set show_channel_urls yes第一条和第二条是添加清华镜像的 main 和 free 频道这是最常用的两个包频道。第三条是设置每次安装包时显示来源地址方便你看清楚包是从哪个源下载的。执行完之后可以输入以下命令检查配置是否生效conda config --show channels能输出上面三条镜像地址就说明配置成功了。以后 conda install 安装任何包之前都会优先从这些镜像地址下载。除了 conda 源之外pip 的源也建议一并换了。Anaconda 里的 pip 默认也是连接 PyPI 官网下载速度同样不稳定。执行pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple这样以后用 pip install 安装包时也会自动从清华 PyPI 镜像拉取。3.3 更新 Anaconda 及核心组件Anaconda 装完不是一劳永逸的过几个月官方会发布新版本包含 bug 修复和包版本更新。不过我不建议你一看到新版本就跑去官网重新下载整个安装包重新安装用 conda 命令就能升级核心组件。先更新 conda 本身conda update conda这个命令会把包管理器更新到最新版本。更新 conda 之后再更新 Anaconda 元包conda update anaconda这个命令会检查所有预装包的版本把能更新的都更新一遍。它只会更新默认的 base 环境里的包不会动你后面创建的虚拟环境所以可以放心执行。不过要提醒一句更新过程可能耗时较长因为它要逐包检查版本并下载更新耐心等就行。如果只想更新某个特定包比如更新 numpyconda update numpy我个人经验是在项目进行到一半的时候不要贸然执行 conda update anaconda。因为升级过程可能改掉某些包的依赖关系导致正在跑的项目突然报错。更稳妥的做法是等一个项目周期结束或者用虚拟环境隔离确保升级不影响线上代码。4. 虚拟环境才是 Anaconda 的灵魂功能4.1 为什么必须学会用虚拟环境很多人装完 Anaconda 就直接打开 Jupyter 开始写代码完全没接触过虚拟环境。一开始没感觉直到某一天你新建了一个项目要用 Python 3.10但你 base 环境是 3.11还有另一个老项目依赖 Python 3.8 才能跑。三个项目凑一台上不炸才怪。虚拟环境就像一个独立的小房间。每个房间里有自己的一套 Python 解释器、一套独立的包库房间里随便折腾都不会影响外面。用手机 App 来类比的话每个 App 都有自己的存储空间和权限互不干扰。虚拟环境干的就是这种事。Anaconda 的虚拟环境通过 conda create 创建。创建的时候可以直接指定 Python 版本这是最方便的地方——你不需要先去官网下载对应版本的 Pythonconda 会自己在源里找并装好。4.2 创建、切换、删除环境命令详解创建环境的基本格式conda create -n 环境名 python版本号环境名建议用英文、小写比如 tensorflow、nlp-project 这样。举个例子创建一个名为 ml 的虚拟环境指定 Python 3.10conda create -n ml python3.10 -y后面加 -y 的意思是跳过确认提示直接创建。不加的话conda 会列出一串将要下载的包问你 Proceed ([y]/n)?输入 y 回车继续。激活环境的命令conda activate ml激活之后终端开头的 (base) 会变成 (ml)表示已经在 ml 环境里了。这时输入 python --version会显示 3.10.x和 base 环境明显不同。退出当前环境conda deactivate查看所有已创建的环境conda env list这条命令会列出所有环境名称和对应路径当前正在使用的环境前面会带星号。删除环境conda env remove -n 环境名这个操作要谨慎删除之后环境里的所有包都会消失不可恢复。我通常只在确认某个环境彻底不用了之后才执行。除了命令行操作你也可以用 Anaconda Navigator 的图形界面管理环境。打开 Navigator 后切到左侧的 Environments 标签页就能看到所有环境可以可视化创建、删除、切换还能直接在界面上搜索并安装包。但说实话命令行比图形界面快得多建议新手两个都试试熟练后主要以命令行操作为主。4.3 实战创建一个 PyTorch 测试环境光讲命令太干我带你把上面学的串起来实际创建一个深度学习常用的 PyTorch 环境。这个场景是网上搜索量最多的也是 Anaconda 虚拟环境最典型的应用场景。首先创建一个专属环境命名为 pytorch_env指定 Python 3.10conda create -n pytorch_env python3.10 -y conda activate pytorch_env激活环境后在里面安装 PyTorch。到 PyTorch 官网的 Install 页面选一下你的系统环境和包管理器会生成对应的 pip 或 conda 安装命令。这里我用的是 CPU 版本的 PyTorchpip install torch torchvision torchaudio如果你的机器有 NVIDIA 显卡并且装了 CUDA想装 GPU 版本可以访问 PyTorch 官方页面选择对应的 CUDA 版本会生成类似下面的命令pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118注意这里用的 CUDA 版本一定要和本机显卡驱动支持的 CUDA 版本对应上。查看方式是在终端输入 nvidia-smi看右上角的 CUDA Version 就明白了。装完之后验证一下python -c import torch; print(torch.__version__)能输出版本号就说明环境没问题。以后每次要跑 PyTorch 项目先 conda activate pytorch_env再运行你的脚本就行。5. 包管理与日常使用conda 和 pip 怎么配合5.1 conda install 与 pip install 的区别Anaconda 里有两个包管理器conda 和 pip。新手很容易懵不知道装包的时候该用哪个。我的经验是优先用 condaconda 里找不到这个包再用 pip。conda 是一个通用的包管理器它不仅能管理 Python 包还能管理 Python 解释器本身的版本以及一些非 Python 的依赖库比如 C 库、CUDA 工具包等。它会自动解析依赖关系把包需要的所有配套依赖一起装好。比如说你装一个可视化库它依赖某个底层的图形库conda 会自动把这个底层库也处理了不会出现缺胳膊少腿的情况。pip 是 Python 官方的包管理工具它的主要作用范围是 PyPI 上的 Python 包本身不负责管理 Python 版本。pip 装包也能处理 Python 依赖但对非 Python 的底层库依赖它不会帮你装。实际使用中我的分配原则是数据集、深度学习框架如 pytorch、tensorflow优先用 conda 安装普通的 Python 生态库如 requests、flask以及 conda 源里找不到的库比如某些冷门包用 pip 安装。要注意的是在 conda 环境里用 pip 装包装出来的包是出现在当前环境下的不是装到全局。这个机制没问题但要注意顺序先尽量用 conda 装再用 pip 补齐。因为如果先用 pip 装了很多包后面再用 conda 装一个大的依赖库conda 可能会去更新某些已安装的包导致出现依赖冲突。5.2 常用命令速查与清理把日常最常用的 conda 命令整理成一张速查表建议收藏操作命令查看 conda 版本conda --version进入环境conda activate 环境名退出环境conda deactivate创建环境conda create -n 环境名 python版本号查看所有环境conda env list删除环境conda env remove -n 环境名搜索包conda search 包名安装包conda install 包名指定频道安装包conda install -c conda-forge 包名更新包conda update 包名卸载包conda remove 包名列出当前环境所有包conda list清理缓存conda clean --all最后一条 conda clean --all 值得单独说一下。conda 每次安装包都会在本地缓存安装包文件时间长了缓存能占用几个 G 的空间。定期执行 conda clean --all 可以清理这些缓存以及未使用的包索引把磁盘空间释放出来。这个命令对已有环境和已安装的包没有影响只是删除临时缓存放心用。另外如果在创建环境时看到 base 环境里装了一堆包而你只想创建一个干干净净的纯净环境可以用conda create -n 环境名 python版本号 --no-default-packages加上 --no-default-packages 之后新环境只包含 Python 解释器本身和 pip其他任何包都不预装。这个技巧对追求干净环境的人来说非常实用。6. PyCharm 和 VSCode 配置 Anaconda把环境用起来6.1 PyCharm 集成 Anaconda 虚拟环境命令行装完环境之后写代码还是离不开 IDE。PyCharm 是目前 Python 开发最主流的编辑器之一它和 Anaconda 的配合非常成熟。打开 PyCharm新建项目。在 New Project 窗口里找到 Python Interpreter 的设置选择 Existing然后点击后面那个省略号按钮进入解释器配置界面。在 Interpreter 配置界面里选 Conda Environment然后选 Use existing environment在下拉菜单里直接能看到你已经创建好的所有 conda 环境比如之前创建的 ml 或 pytorch_env。选中之后点 OKPyCharm 就会自动识别该环境下的所有已安装包。如果你的 PyCharm 版本不显示 Conda Environment 这一项就手动找解释器路径。Windows 上 Anaconda 的解释器路径通常是 C:\Users\你的用户名\anaconda3\envs\环境名\python.exeLinux 和 macOS 是 /home/你的用户名/anaconda3/envs/环境名/bin/python。把这个路径填进 Existing environment 的路径框里即可。配置完成后PyCharm 右下角会显示当前使用的环境名。新建 Python 文件后在文件里输入 import pandas 或 import torch 等语句如果不再出现红色波浪线就说明环境关联成功了。6.2 VSCode 集成 Anaconda 环境VSCode 相比 PyCharm 更轻量配置 Anaconda 的步骤也更简单。前提是你先装好 VSCode 的 Python 扩展插件。打开扩展商店搜索 Python安装微软官方发布的那一个不要装错了。安装完插件之后用快捷键 CtrlShiftPmacOS 是 CmdShiftP打开命令面板输入 Python: Select Interpreter按回车。VSCode 会自动扫描你机器上所有已安装的解释器包括系统 Python、Anaconda base 环境、以及所有 conda 虚拟环境。在列表里直接选择你想用的环境即可。如果列表里没有显示 conda 环境需要手动指定 conda 可执行文件的路径。在 VSCode 设置里搜索 python.condaPath填上 conda 所在路径。Windows 是 C:\Users\你的用户名\anaconda3\Scripts\conda.exeLinux 和 macOS 是 /home/你的用户名/anaconda3/bin/conda。选择完解释器之后直接在 VSCode 里打开终端会看到终端前面自动带上了 (环境名)说明 VSCode 已经自动激活了对应的 conda 环境。这时直接运行 python 脚本用的就是环境里的解释器和包完全不会和你机器上其他环境搞混。7. 常见问题与排查经验实录7.1 conda 命令找不到怎么办这是每个新手几乎都会遇到的问题。明明安装过程没报错打开终端输入 conda --version结果提示 conda 不是内部或外部命令Windows或者 bash: conda: command not foundLinux/macOS。这时候不用慌问题 99% 出在环境变量上。Windows 上先手动检查一下环境变量有没有写入成功。按照 3.1 节提到的方法打开环境变量设置确认 Path 里有没有 C:\Users\你的用户名\anaconda3 和对应 Scripts 目录。如果两条都存在但仍然找不到命令说明当前终端是修改环境变量之前打开的关掉当前终端重新开一个就行。Linux 和 macOS 上先执行 source ~/.bashrc 刷新配置再试。还不行的话直接执行 /home/你的用户名/anaconda3/bin/conda --version看看能不能输出。能输出就说明 conda 本身安装成功只是 PATH 配置没生效。找到你用的 shell 配置文件确认 conda init 写进去的内容是否存在。如果文件被其他工具覆盖过conda 的初始化代码可能被清掉了需要重新执行 conda init。7.2 创建环境、下载包慢或者失败这个问题在我配置镜像源之前频繁遇到。主要表现是 conda create 或 conda install 时一直卡在 Solving environment或者下载包的时候速度只有几十 KB甚至直接报 CondaHTTPError。第一优先处理方案就是配置国内镜像源具体命令看 3.2 节。配好之后重新试速度提升非常明显。如果是新建环境卡在 Solving environment 页面十几分钟可以中途按 CtrlC 中断然后把源配置检查一遍。大概率是某个频道地址写错了比如不小心把 pkgs/main 写成了 pkgs/maimconda 在尝试连接无效地址时就会反复重试。还有一种情况是 conda 在解析依赖时耗费大量时间。这时候可以用一个神器叫 mamba它和 conda 兼容但依赖解析速度比 conda 快好几倍。安装方式conda install mamba -c conda-forge之后把 conda 命令换成 mamba 就行比如mamba create -n test python3.10 mamba install pandas日常用下来mamba 在解决依赖上的体验确实比原生 conda 好。不过 mamba 目前只替代 conda 的包安装和管理部分环境的激活退出还是用 conda activate。7.3 环境混乱、磁盘爆炸怎么办用 Anaconda 时间久了最常出现两个问题一个是环境越建越多互相之间都不记得是干嘛的另一个是磁盘空间被 conda 缓存和旧环境占满。环境太多的问题可以用 conda env list 查看所有环境以及路径把不确定的环境先不要删除而是用conda env export -n 环境名 environment.yml先把环境里的包清单导出成文件然后删除环境。这样如果后悔了还能用conda env create -f environment.yml把环境完整恢复。这是个很重要的习惯特别是在删环境之前先导出文件相当于备份。磁盘空间不足的问题先执行conda clean --all清理临时缓存。然后检查是否开着多个 Anaconda 版本的旧目录。如果你之前卸载过 Anaconda 又重新安装旧版本的残留文件可能还在 C:\Users\你的用户名 或 /home/你的用户名 目录下比如叫 anaconda3_backup 之类的文件夹确认没用了就手动删除。7.4 常用问题速查表最后整理一个速查表覆盖我平时被问得最多的问题问题原因解法conda 命令找不到环境变量未配置检查 PATHWindows 加 anaconda3 和 Scripts 路径下载慢/超时默认源在海外配置清华镜像源Solving environment 卡住源地址错误或依赖冲突检查 URL尝试用 mamba装包时提示包找不到频道列表不包含该包用 pip install 或者 conda install -c conda-forge打开终端自动进入 base自动激活默认开启conda config --set auto_activate_base falseCondaHTTPError网络连不上源检查镜像源配置ping 一下源的域名python 版本和预期不一致系统里有多个 Python先 conda activate 环境再 python --version不同环境装同样的包但版本不同环境隔离机制每个环境独立维护确认当前激活的环境名pip 装了包conda list 看不到pip 和 conda 记录方式不同用 pip list 查看 pip 安装的包虚拟机磁盘满了conda 缓存占用conda clean --all说实话Anaconda 这东西装完只是第一步真正让工作效率翻倍的是把虚拟环境和包的用法吃透。我在实际项目里吃过不少亏比如早期不建环境所有项目挤在 base 里后来依赖冲突搞到想重装系统。现在不管新项目多小我都会先跑一句 conda create -n 项目名 python3.10确认环境干净再动手写代码。最后再分享一个小技巧如果你经常要在家庭电脑和公司电脑之间切换干活可以把每个项目根目录下放一个 environment.yml到了新机器直接一条命令把所有依赖装齐省去手动对比版本的痛苦。按这个流程操作Anaconda 基本就是你手里的环境管理利器了。
Anaconda安装与使用指南：虚拟环境、conda包管理一站式实操
装 Python 环境这事说简单也简单说坑也真坑。不少人卡在第一步——下载了 Python装了一堆库结果今天这个版本要 A 库的 1.0明天那个项目要 A 库的 2.0两个一撞整台机器直接没法用。后来我换到 Anaconda这些问题基本一次解决。它的逻辑很简单一个 Anaconda 就是一个 Python 环境管家环境隔离、包管理、预装常用库一步到位特别适合做数据分析、机器学习、爬虫方向的入门者也适合需要在多个项目之间反复横跳的老手。这篇文章不打算给你讲太虚的概念就说清楚三件事Anaconda 到底是什么、怎么一步步装好它、装完之后怎么用得顺手。全程按照我自己的实操顺序写你跟着走就行。1. 动手之前先把这几个问题想清楚1.1 Anaconda 到底是做什么的Anaconda 本质是一个 Python 发行版但它不像官方 Python 那样“裸奔”。它自带了一个包管理器 conda还有一个叫 Anaconda Navigator 的可视化界面以及 250 多个预装的数据科学常用库比如 numpy、pandas、matplotlib 这些都是装完就有的。用一句话概括Anaconda Python 解释器 conda 包管理工具 一大堆科学计算库 虚拟环境管理能力。它最大的价值不是“多带几个库”而是把环境隔离这件事做到位了。你可以在电脑上同时存在 Python 3.8、3.10、3.11 三个独立环境互不干扰。每个项目用各自的 conda 环境依赖随便装装坏了直接删掉重建几秒钟的事。所以我的建议很明确只要你不是只写几行 print(hello world)而是想认真学数据分析、机器学习、自动化脚本或者以后可能搞深度学习直接上 Anaconda别裸装 Python。1.2 版本怎么选Anaconda 还是 Miniconda这是新手最容易纠结的问题。先给结论Anaconda 适合大多数人和新手Miniconda 适合对体积敏感或者你根本用不到那些预装库的老手。Anaconda 安装包大概 500MB 到 800MB装完占了将近 3GB 空间代价是装了 250 多个库开箱即用。Miniconda 只有 80MB 左右装完也是一个 conda 管理器加一个纯净底层 Python其他库全靠自己安装。我自己是从 Anaconda 入门的后来熟悉了之后在服务器上装了 Miniconda。原因很简单服务器上不需要 pandas、matplotlib 这些可视化库装 Miniconda 更清爽。但是如果你是第一次接触别犹豫直接 Anaconda。它体积大是大了点但省了你挨个装库的时间而且网上 90% 的教程都是基于 Anaconda 写的你照着操作不会出现环境差异问题。还有个小细节Anaconda 官网提供两种安装器一个是图形界面安装包一个是命令行安装脚本。Windows 用户用图形界面的 exe 就行Linux 和 macOS 用户建议用命令行脚本。1.3 从哪下载官网和国内镜像站Anaconda 的官网下载地址是 anaconda.com/download这个应该优先尝试。打开后选你对应的操作系统版本就行。但很多人在这一步会卡很久——官网服务器在海外下载速度经常只有几十 KB/s下载到一半还可能断掉。这种情况下我建议直接用国内的开源镜像站下载镜像站就是官方资源的完整拷贝内容完全一样速度却快很多。清华大学的开源软件镜像站就有 Anaconda 的安装包页面里列出了所有历史版本选择最新或你需要的那个就行。镜像站地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/进去之后找类似 Anaconda3-2024.10-1-Windows-x86_64.exe 这样的文件。前面是版本号中间是平台Windows/Linux/macOS后面 x86_64 表示 64 位系统。目前绝大多数电脑都是 64 位如果是老款 Mac 用的 M 系列芯片注意看有没有 arm64 的字样。提示下载前先确认你的操作系统是 64 位还是 32 位。打开系统设置就能看到。Anaconda 从 2018 年之后的版本已经基本放弃 32 位系统支持还在用 32 位系统的机器直接不考虑 Anaconda 了老老实实用官方 Python。2. 安装 Anaconda 完整实操Windows、Linux、macOS 全覆盖2.1 Windows 安装图文对应着勾选Windows 安装是最常见的。下载好 exe 文件后双击运行整个过程大概 5 到 10 分钟但有几个勾选项特别容易出问题我挨个说。第一步是安装模式选择。安装器会问 Install for Just Me 还是 All Users当前用户还是所有用户。这里强烈建议选 Just Me。选 All Users 需要管理员权限而且在某些 Windows 版本上安装在 Program Files 目录下会因为权限问题导致后期无法正常更新包。第二步是安装路径。默认路径是 C:\Users\你的用户名\anaconda3我建议保留默认。如果你实在想装到 D 盘有一个原则路径里不能出现中文、空格、特殊符号比如 D:\Program Files\Anaconda 这种就不行因为很多 Python 库对中文路径支持不好后面会踩坑。第三步是关键环节。安装程序走到 Advanced Options 这一页时会看到两个复选框一个是 Add Anaconda3 to my PATH environment variable另一个是 Register Anaconda3 as my default Python 3.x。关于第一个选项网上的说法五花八门。我的建议是第一次安装可以勾上。勾了之后安装器会自动把 Anaconda 写进系统环境变量安装完就能直接在 CMD 里输 conda 命令特别省事。网上说“不要勾”的理由主要是怕和其他软件冲突但那是针对老版本的坑现在的主流版本勾选后只把 Anaconda 自己的路径加入 PATH风险非常低。如果你不放心可以看看后面 3.1 节手动配置环境变量的方法二选一都行。第二个选项 Register as default Python意思是把 Anaconda 里的 Python 作为系统默认的 Python 解释器。如果你的电脑上之前没有装过其他 Python可以勾上如果已经装了别的版本建议别勾避免把系统里原有的 Python 环境搅乱。后面的 Next 一路点下去安装界面显示进度条等它跑完就完成了。装完后怎么确认有没有成功按 Win 键输入 Anaconda Prompt 或 CMD打开终端输入 conda --versionconda --version能返回 conda 4.x.x 这样的版本号就是成功了。如果提示 conda 不是内部或外部命令说明环境变量有问题去看 7.1 节的排查方法。2.2 Linux 命令行安装与环境变量配置Linux 上安装 Anaconda 没有图形界面全程靠命令行操作。先把下载好的 .sh 文件放到当前目录然后执行bash Anaconda3-2024.10-1-Linux-x86_64.sh这时候终端会进入一个协议阅读界面连续按回车翻页直到出现 Do you accept the license terms? 提示输入 yes 回车。接下来安装器会问安装路径默认是 /home/你的用户名/anaconda3直接回车确认。如果想把路径改到别处比如 /opt/anaconda3需要提前确保目录有写入权限。安装脚本执行到最后会问是否运行 conda init这一步选 yes。conda init 的作用是自动把 Anaconda 的初始化代码写入到 .bashrc 或者 .zshrc 配置文件中这样每次打开新终端就能自动识别 conda 命令。安装完成后执行source ~/.bashrc conda --version如果提示找不到 conda 命令大概率是环境变量没有生效。可以手动把路径加到 PATH 临时测试一下export PATH/home/你的用户名/anaconda3/bin:$PATH conda --version能用的话就把这一行 export 永久写入到 ~/.bashrc 里。注意顺序要把 anaconda 的 bin 目录放在 $PATH 前面这样系统会优先使用 Anaconda 自带的 Python。另外Linux 上安装完 Anaconda 之后有个小细节终端前面会出现 (base) 字样说明当前已经默认进入了 base 环境。很多人看着别扭想取消自动激活可以用一条命令关掉conda config --set auto_activate_base false这样新开的终端就不会自动进入 base 环境了需要用的时候再手动 conda activate。2.3 macOS 安装与芯片版本选择macOS 的安装稍微特殊一点因为苹果自家芯片和英特尔芯片用的安装包不一样。先判断自己 Mac 的处理器类型点击左上角苹果图标选关于本机如果显示 Apple M1、M2、M3 这样的字样就是 ARM 架构如果显示 Intel Core i5 之类的就是 x86 架构。然后去官网或镜像站下载对应文件。Apple Silicon 芯片的 Mac 要选择带有 arm64 字样的安装包比如 Anaconda3-2024.10-1-MacOSX-arm64.pkg。Intel 芯片的老款 Mac 才用 x86_64 版本。安装方式有两种。一种是下载 .pkg 文件后双击按图形界面提示安装和安装其他 Mac 软件一样。另一种是下载 .sh 脚本在终端里执行 bash 命令流程和 Linux 基本相同只是最后的 conda init 会写入到 /Users/你的用户名/.zshrc 里而不是 .bashrc。这里有一个细节我踩过坑Mac 的 .pkg 安装器在最后一步会询问是否“建议”修改 shell 环境变量把这个选项勾选了会让安装器自动把 conda 加入 PATH但有时候会把原来的 shell 配置弄乱。稳妥做法是先不勾选装完之后手动执行以下命令初始化source ~/.zshrc conda --version如果不行就手动执行/opt/anaconda3/bin/conda init zsh安装完成后同样可以用 conda info 查看当前环境信息。Mac 上如果发现 conda 命令能用了但前面没有 (base)大概率也是自动激活被关了用前面提到的一行命令开启conda config --set auto_activate_base true。3. 安装完成后的首次体检与全局配置3.1 验证安装结果与手动配置环境变量装完 Anaconda 之后不要急着建环境先花两分钟把安装结果验证一遍确保核心功能都能正常工作。打开终端或 Anaconda Prompt逐个输入以下命令conda --version python --version conda infoconda --version 返回的是包管理工具的版本号比如 conda 24.9.2。python --version 返回的应该是 Python 3.x.x注意这里显示的版本是 Anaconda 自带的那个不是系统原有的 Python。conda info 会列出一大堆信息包括当前环境路径、conda 版本、Python 版本、平台类型等。如果 python --version 显示的不是 Anaconda 的版本比如你在 Windows 上用 CMD 输入 python 出来的还是老的 3.7说明 PATH 里 Anaconda 的路径排在后面了。这时候需要手动把 Anaconda 的路径提到最前面。Windows 手动配置环境变量的方法右键此电脑选属性点高级系统设置环境变量在系统变量里找到 Path编辑把 C:\Users\你的用户名\anaconda3 和 C:\Users\你的用户名\anaconda3\Scripts 这两条路径移动到最上面。记住Scripts 目录非常重要因为 conda 命令的可执行文件就在这个目录里。Linux 和 macOS 上手动配置的话打开 ~/.bashrc 或者 ~/.zshrc把 export PATH/home/你的用户名/anaconda3/bin:$PATH 这行放在文件最前面几行。保存后执行 source ~/.bashrc 生效。3.2 配置国内镜像源这一步强烈建议你装完环境变量之后马上做不然后面创建环境、安装包的时候下载速度会让人怀疑人生。conda 默认使用的官方源在海外下载速度波动大换成国内镜像源之后速度能翻好几倍。配置方式很简单终端里执行这几条命令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 --set show_channel_urls yes第一条和第二条是添加清华镜像的 main 和 free 频道这是最常用的两个包频道。第三条是设置每次安装包时显示来源地址方便你看清楚包是从哪个源下载的。执行完之后可以输入以下命令检查配置是否生效conda config --show channels能输出上面三条镜像地址就说明配置成功了。以后 conda install 安装任何包之前都会优先从这些镜像地址下载。除了 conda 源之外pip 的源也建议一并换了。Anaconda 里的 pip 默认也是连接 PyPI 官网下载速度同样不稳定。执行pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple这样以后用 pip install 安装包时也会自动从清华 PyPI 镜像拉取。3.3 更新 Anaconda 及核心组件Anaconda 装完不是一劳永逸的过几个月官方会发布新版本包含 bug 修复和包版本更新。不过我不建议你一看到新版本就跑去官网重新下载整个安装包重新安装用 conda 命令就能升级核心组件。先更新 conda 本身conda update conda这个命令会把包管理器更新到最新版本。更新 conda 之后再更新 Anaconda 元包conda update anaconda这个命令会检查所有预装包的版本把能更新的都更新一遍。它只会更新默认的 base 环境里的包不会动你后面创建的虚拟环境所以可以放心执行。不过要提醒一句更新过程可能耗时较长因为它要逐包检查版本并下载更新耐心等就行。如果只想更新某个特定包比如更新 numpyconda update numpy我个人经验是在项目进行到一半的时候不要贸然执行 conda update anaconda。因为升级过程可能改掉某些包的依赖关系导致正在跑的项目突然报错。更稳妥的做法是等一个项目周期结束或者用虚拟环境隔离确保升级不影响线上代码。4. 虚拟环境才是 Anaconda 的灵魂功能4.1 为什么必须学会用虚拟环境很多人装完 Anaconda 就直接打开 Jupyter 开始写代码完全没接触过虚拟环境。一开始没感觉直到某一天你新建了一个项目要用 Python 3.10但你 base 环境是 3.11还有另一个老项目依赖 Python 3.8 才能跑。三个项目凑一台上不炸才怪。虚拟环境就像一个独立的小房间。每个房间里有自己的一套 Python 解释器、一套独立的包库房间里随便折腾都不会影响外面。用手机 App 来类比的话每个 App 都有自己的存储空间和权限互不干扰。虚拟环境干的就是这种事。Anaconda 的虚拟环境通过 conda create 创建。创建的时候可以直接指定 Python 版本这是最方便的地方——你不需要先去官网下载对应版本的 Pythonconda 会自己在源里找并装好。4.2 创建、切换、删除环境命令详解创建环境的基本格式conda create -n 环境名 python版本号环境名建议用英文、小写比如 tensorflow、nlp-project 这样。举个例子创建一个名为 ml 的虚拟环境指定 Python 3.10conda create -n ml python3.10 -y后面加 -y 的意思是跳过确认提示直接创建。不加的话conda 会列出一串将要下载的包问你 Proceed ([y]/n)?输入 y 回车继续。激活环境的命令conda activate ml激活之后终端开头的 (base) 会变成 (ml)表示已经在 ml 环境里了。这时输入 python --version会显示 3.10.x和 base 环境明显不同。退出当前环境conda deactivate查看所有已创建的环境conda env list这条命令会列出所有环境名称和对应路径当前正在使用的环境前面会带星号。删除环境conda env remove -n 环境名这个操作要谨慎删除之后环境里的所有包都会消失不可恢复。我通常只在确认某个环境彻底不用了之后才执行。除了命令行操作你也可以用 Anaconda Navigator 的图形界面管理环境。打开 Navigator 后切到左侧的 Environments 标签页就能看到所有环境可以可视化创建、删除、切换还能直接在界面上搜索并安装包。但说实话命令行比图形界面快得多建议新手两个都试试熟练后主要以命令行操作为主。4.3 实战创建一个 PyTorch 测试环境光讲命令太干我带你把上面学的串起来实际创建一个深度学习常用的 PyTorch 环境。这个场景是网上搜索量最多的也是 Anaconda 虚拟环境最典型的应用场景。首先创建一个专属环境命名为 pytorch_env指定 Python 3.10conda create -n pytorch_env python3.10 -y conda activate pytorch_env激活环境后在里面安装 PyTorch。到 PyTorch 官网的 Install 页面选一下你的系统环境和包管理器会生成对应的 pip 或 conda 安装命令。这里我用的是 CPU 版本的 PyTorchpip install torch torchvision torchaudio如果你的机器有 NVIDIA 显卡并且装了 CUDA想装 GPU 版本可以访问 PyTorch 官方页面选择对应的 CUDA 版本会生成类似下面的命令pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118注意这里用的 CUDA 版本一定要和本机显卡驱动支持的 CUDA 版本对应上。查看方式是在终端输入 nvidia-smi看右上角的 CUDA Version 就明白了。装完之后验证一下python -c import torch; print(torch.__version__)能输出版本号就说明环境没问题。以后每次要跑 PyTorch 项目先 conda activate pytorch_env再运行你的脚本就行。5. 包管理与日常使用conda 和 pip 怎么配合5.1 conda install 与 pip install 的区别Anaconda 里有两个包管理器conda 和 pip。新手很容易懵不知道装包的时候该用哪个。我的经验是优先用 condaconda 里找不到这个包再用 pip。conda 是一个通用的包管理器它不仅能管理 Python 包还能管理 Python 解释器本身的版本以及一些非 Python 的依赖库比如 C 库、CUDA 工具包等。它会自动解析依赖关系把包需要的所有配套依赖一起装好。比如说你装一个可视化库它依赖某个底层的图形库conda 会自动把这个底层库也处理了不会出现缺胳膊少腿的情况。pip 是 Python 官方的包管理工具它的主要作用范围是 PyPI 上的 Python 包本身不负责管理 Python 版本。pip 装包也能处理 Python 依赖但对非 Python 的底层库依赖它不会帮你装。实际使用中我的分配原则是数据集、深度学习框架如 pytorch、tensorflow优先用 conda 安装普通的 Python 生态库如 requests、flask以及 conda 源里找不到的库比如某些冷门包用 pip 安装。要注意的是在 conda 环境里用 pip 装包装出来的包是出现在当前环境下的不是装到全局。这个机制没问题但要注意顺序先尽量用 conda 装再用 pip 补齐。因为如果先用 pip 装了很多包后面再用 conda 装一个大的依赖库conda 可能会去更新某些已安装的包导致出现依赖冲突。5.2 常用命令速查与清理把日常最常用的 conda 命令整理成一张速查表建议收藏操作命令查看 conda 版本conda --version进入环境conda activate 环境名退出环境conda deactivate创建环境conda create -n 环境名 python版本号查看所有环境conda env list删除环境conda env remove -n 环境名搜索包conda search 包名安装包conda install 包名指定频道安装包conda install -c conda-forge 包名更新包conda update 包名卸载包conda remove 包名列出当前环境所有包conda list清理缓存conda clean --all最后一条 conda clean --all 值得单独说一下。conda 每次安装包都会在本地缓存安装包文件时间长了缓存能占用几个 G 的空间。定期执行 conda clean --all 可以清理这些缓存以及未使用的包索引把磁盘空间释放出来。这个命令对已有环境和已安装的包没有影响只是删除临时缓存放心用。另外如果在创建环境时看到 base 环境里装了一堆包而你只想创建一个干干净净的纯净环境可以用conda create -n 环境名 python版本号 --no-default-packages加上 --no-default-packages 之后新环境只包含 Python 解释器本身和 pip其他任何包都不预装。这个技巧对追求干净环境的人来说非常实用。6. PyCharm 和 VSCode 配置 Anaconda把环境用起来6.1 PyCharm 集成 Anaconda 虚拟环境命令行装完环境之后写代码还是离不开 IDE。PyCharm 是目前 Python 开发最主流的编辑器之一它和 Anaconda 的配合非常成熟。打开 PyCharm新建项目。在 New Project 窗口里找到 Python Interpreter 的设置选择 Existing然后点击后面那个省略号按钮进入解释器配置界面。在 Interpreter 配置界面里选 Conda Environment然后选 Use existing environment在下拉菜单里直接能看到你已经创建好的所有 conda 环境比如之前创建的 ml 或 pytorch_env。选中之后点 OKPyCharm 就会自动识别该环境下的所有已安装包。如果你的 PyCharm 版本不显示 Conda Environment 这一项就手动找解释器路径。Windows 上 Anaconda 的解释器路径通常是 C:\Users\你的用户名\anaconda3\envs\环境名\python.exeLinux 和 macOS 是 /home/你的用户名/anaconda3/envs/环境名/bin/python。把这个路径填进 Existing environment 的路径框里即可。配置完成后PyCharm 右下角会显示当前使用的环境名。新建 Python 文件后在文件里输入 import pandas 或 import torch 等语句如果不再出现红色波浪线就说明环境关联成功了。6.2 VSCode 集成 Anaconda 环境VSCode 相比 PyCharm 更轻量配置 Anaconda 的步骤也更简单。前提是你先装好 VSCode 的 Python 扩展插件。打开扩展商店搜索 Python安装微软官方发布的那一个不要装错了。安装完插件之后用快捷键 CtrlShiftPmacOS 是 CmdShiftP打开命令面板输入 Python: Select Interpreter按回车。VSCode 会自动扫描你机器上所有已安装的解释器包括系统 Python、Anaconda base 环境、以及所有 conda 虚拟环境。在列表里直接选择你想用的环境即可。如果列表里没有显示 conda 环境需要手动指定 conda 可执行文件的路径。在 VSCode 设置里搜索 python.condaPath填上 conda 所在路径。Windows 是 C:\Users\你的用户名\anaconda3\Scripts\conda.exeLinux 和 macOS 是 /home/你的用户名/anaconda3/bin/conda。选择完解释器之后直接在 VSCode 里打开终端会看到终端前面自动带上了 (环境名)说明 VSCode 已经自动激活了对应的 conda 环境。这时直接运行 python 脚本用的就是环境里的解释器和包完全不会和你机器上其他环境搞混。7. 常见问题与排查经验实录7.1 conda 命令找不到怎么办这是每个新手几乎都会遇到的问题。明明安装过程没报错打开终端输入 conda --version结果提示 conda 不是内部或外部命令Windows或者 bash: conda: command not foundLinux/macOS。这时候不用慌问题 99% 出在环境变量上。Windows 上先手动检查一下环境变量有没有写入成功。按照 3.1 节提到的方法打开环境变量设置确认 Path 里有没有 C:\Users\你的用户名\anaconda3 和对应 Scripts 目录。如果两条都存在但仍然找不到命令说明当前终端是修改环境变量之前打开的关掉当前终端重新开一个就行。Linux 和 macOS 上先执行 source ~/.bashrc 刷新配置再试。还不行的话直接执行 /home/你的用户名/anaconda3/bin/conda --version看看能不能输出。能输出就说明 conda 本身安装成功只是 PATH 配置没生效。找到你用的 shell 配置文件确认 conda init 写进去的内容是否存在。如果文件被其他工具覆盖过conda 的初始化代码可能被清掉了需要重新执行 conda init。7.2 创建环境、下载包慢或者失败这个问题在我配置镜像源之前频繁遇到。主要表现是 conda create 或 conda install 时一直卡在 Solving environment或者下载包的时候速度只有几十 KB甚至直接报 CondaHTTPError。第一优先处理方案就是配置国内镜像源具体命令看 3.2 节。配好之后重新试速度提升非常明显。如果是新建环境卡在 Solving environment 页面十几分钟可以中途按 CtrlC 中断然后把源配置检查一遍。大概率是某个频道地址写错了比如不小心把 pkgs/main 写成了 pkgs/maimconda 在尝试连接无效地址时就会反复重试。还有一种情况是 conda 在解析依赖时耗费大量时间。这时候可以用一个神器叫 mamba它和 conda 兼容但依赖解析速度比 conda 快好几倍。安装方式conda install mamba -c conda-forge之后把 conda 命令换成 mamba 就行比如mamba create -n test python3.10 mamba install pandas日常用下来mamba 在解决依赖上的体验确实比原生 conda 好。不过 mamba 目前只替代 conda 的包安装和管理部分环境的激活退出还是用 conda activate。7.3 环境混乱、磁盘爆炸怎么办用 Anaconda 时间久了最常出现两个问题一个是环境越建越多互相之间都不记得是干嘛的另一个是磁盘空间被 conda 缓存和旧环境占满。环境太多的问题可以用 conda env list 查看所有环境以及路径把不确定的环境先不要删除而是用conda env export -n 环境名 environment.yml先把环境里的包清单导出成文件然后删除环境。这样如果后悔了还能用conda env create -f environment.yml把环境完整恢复。这是个很重要的习惯特别是在删环境之前先导出文件相当于备份。磁盘空间不足的问题先执行conda clean --all清理临时缓存。然后检查是否开着多个 Anaconda 版本的旧目录。如果你之前卸载过 Anaconda 又重新安装旧版本的残留文件可能还在 C:\Users\你的用户名 或 /home/你的用户名 目录下比如叫 anaconda3_backup 之类的文件夹确认没用了就手动删除。7.4 常用问题速查表最后整理一个速查表覆盖我平时被问得最多的问题问题原因解法conda 命令找不到环境变量未配置检查 PATHWindows 加 anaconda3 和 Scripts 路径下载慢/超时默认源在海外配置清华镜像源Solving environment 卡住源地址错误或依赖冲突检查 URL尝试用 mamba装包时提示包找不到频道列表不包含该包用 pip install 或者 conda install -c conda-forge打开终端自动进入 base自动激活默认开启conda config --set auto_activate_base falseCondaHTTPError网络连不上源检查镜像源配置ping 一下源的域名python 版本和预期不一致系统里有多个 Python先 conda activate 环境再 python --version不同环境装同样的包但版本不同环境隔离机制每个环境独立维护确认当前激活的环境名pip 装了包conda list 看不到pip 和 conda 记录方式不同用 pip list 查看 pip 安装的包虚拟机磁盘满了conda 缓存占用conda clean --all说实话Anaconda 这东西装完只是第一步真正让工作效率翻倍的是把虚拟环境和包的用法吃透。我在实际项目里吃过不少亏比如早期不建环境所有项目挤在 base 里后来依赖冲突搞到想重装系统。现在不管新项目多小我都会先跑一句 conda create -n 项目名 python3.10确认环境干净再动手写代码。最后再分享一个小技巧如果你经常要在家庭电脑和公司电脑之间切换干活可以把每个项目根目录下放一个 environment.yml到了新机器直接一条命令把所有依赖装齐省去手动对比版本的痛苦。按这个流程操作Anaconda 基本就是你手里的环境管理利器了。
