我帮人装 Anaconda 的次数少说也有上百次了。从最早自己啃官网英文文档到后来帮实验室同学、项目组新人排查环境问题几乎每个刚接触 Python 的人都绕不开这个红色图标。Anaconda 到底是什么、装完之后冒出来一堆程序该点哪个、为什么装完还要配这个配那个这些问题我几乎每周都能被问到一次。这篇文章就把安安装、界面、初始化配置、常见坑一次性讲清楚当作一份从零到一的完整笔记适合刚接触 Python 和数据分析的小白也适合被环境问题折腾过但始终没搞明白原理的进阶用户。很多人对 Anaconda 的第一印象是“一个挺大的软件”装完之后桌面多出好几个图标开始菜单里也多了一个文件夹完全不知道从哪个入口进去。实际上 Anaconda 解决的问题非常明确它是 Python 的发行版、包管理器加虚拟环境管理器三合一的工具。你过去可能在系统里装过 Python然后 pip install 一堆库结果某个项目需要不同版本的库一升级全崩了。Anaconda 用 conda 这个包管理器加上环境隔离机制把这个问题从根上解决掉了。这篇文章会从安装前的决策、具体安装过程、界面逐项拆解、环境变量与镜像源配置到 PyCharm 对接和常见报错排查一层层把这些内容铺开讲。1. 不是“装个软件”那么简单Conda 解决了 Python 环境的最大痛点1.1 系统 Python 为什么容易乱先想一个问题你之前在自己电脑上装 Python然后写了一段时间的脚本慢慢发现装库的时候总出幺蛾子。今天装 A 包要求 numpy 1.18明天另一个项目要求 numpy 2.0直接升级之后老项目跑不起来了。这种情况在 Python 生态里太常见了。根本原因在于默认的 pip 是把所有包安装到同一个 site-packages 目录里的。所有项目共享这一份依赖版本只能有一个。你装新库时 pip 检测到某个依赖版本不满足会顺手把系统里的老版本升级或降级老项目就这么被“顺手”搞坏了。Anaconda 的核心逻辑就是给每个项目提供一个独立的环境。每个环境有自己独立的 Python 解释器、独立的包目录互不干扰。你需要 numpy 1.18 就建一个环境需要 numpy 2.0 就再建一个环境两个环境并存想用哪个激活哪个。这个能力来自 condaAnaconda 默认集成了 conda所以装一个 Anaconda 就同时拿到了 Python 环境管理、包安装管理和大量常用科学计算库。1.2 conda 与 pip 的差别在哪里很多人会问既然有 pip 了为什么还要用 conda。最核心的区别是pip 只能管 Python 包conda 不仅能管 Python 包还能管非 Python 的依赖库。举一个特别典型的例子你在 Windows 上装一个涉及数值计算或图像处理的库经常需要底层 C/C 库支持。用 pip 装的时候pip 默认认为底层库已经存在但 Windows 上往往没有于是报一堆编译错误。conda 则会把相关的底层编译好的二进制文件一起拉下来不需要你自己去折腾编译器。这就是为什么很多数据科学和深度学习相关的库在 Anaconda 环境里安装比直接用 pip 顺利得多。也不要把 conda 和 pip 理解成完全对立的关系。实际使用中conda 环境里照样可以 pip install 一些 conda 渠道没有的包。正确姿势是优先用 conda 装conda 找不到的再用 pip 作为补充。1.3 Anaconda、Miniconda、minimal 版本怎么选很多人会在下载页面看到 Anaconda 和 Miniconda 两个选项不知道哪个才是自己需要的。简单来说就是一个大而全、一个小而精。Anaconda 官方发行版集成了 250 多个常用数据科学包装完就有 Jupyter、Spyder、numpy、pandas、matplotlib、scikit-learn 等等开箱即用但安装包很大安装后占用空间也比较可观。Miniconda 只包含 conda 和 Python什么都没有需要什么包自己装好处是安装包只有几十兆安装快、占用空间小适合对磁盘空间敏感或者喜欢精简环境的人。如果就是自己学习数据分析或者搞科研我建议直接上 Anaconda省得前期一个个装包。如果是要部署到服务器或者心里很清楚自己只需要哪几个包Miniconda 更合适。两种安装方式不影响后面的环境管理逻辑该配的镜像源、该建的环境都是一套操作。另外注意一下安装包命名里的 Python 版本号。Anaconda 发行版通常会绑定一个默认 Python 版本比如 Python 3.9 或 3.11这个默认版本是 base 环境的版本。你后面完全可以通过 conda 创建任意 Python 版本的新环境不必被这个默认版本锁死。2. 安装前定三件事版本、来源、安装方式2.1 版本选择的参考依据我知道很多急性子直接下载最新版就开始装结果遇到一堆兼容性问题。安装前花两分钟想清楚下面几件事能省去后面好几个小时的麻烦。第一看操作系统。Windows、macOS、Linux 三大平台的安装包完全不一样Windows 还分 Intel/AMD 和 ARM 版本现在 Apple Silicon 芯片要下专门适配 arm64 的安装包千万别下成 x86_64 的包然后拿 Rosetta 去硬转虽然也能用但性能和兼容性都会打折扣。第二看自己的应用场景。大多数情况我会推荐装最新稳定版。但如果是要跑一些旧的深度学习项目比如 PyTorch 或 TensorFlow 的旧版本建议选择对应的 Python 3.7 或 3.8 版 Anaconda因为很多老框架在新版本 Python 下没有预编译的 wheel 包会安装失败。第三看磁盘空间。如果你电脑只剩 10G 空闲Anaconda 默认安装完加上后续创建环境会非常吃紧。这种时候优先考虑 Miniconda。可以之后再用 conda 按需安装包。2.2 官网下载慢镜像站怎么挑下载这块不得不提国内用户最痛的体验。Anaconda 官方的服务器在国外直接下载经常是几 KB/s 到十几 KB/s 的感人速度很多人下到一半就断了。解决办法是用国内镜像站。清华大学的 TUNA 镜像站、中科大镜像站等都有 Anaconda 的完整归档。镜像的文件和官网文件是同一批编译产物校验值一致放心用。以清华镜像为例进入 Anaconda 镜像目录后能看到按年份和版本号命名的文件夹找最新版本对应的文件名下载即可。镜像站不仅能下安装包还能配置成 conda 的软件源后面安装包的时候同样走国内服务器速度会明显快很多。这个配置方法我在第 5 节专门讲。2.3 图形化安装与命令行安装分别适合谁Anaconda 官方提供了两种安装形态图形化的.exeWindows和.pkgmacOS以及命令行形式的.shLinux/macOS。Windows 和 macOS 的普通用户直接用图形化安装包最方便双击一路 Next 就好。但在 Linux 服务器上没有图形界面只能用 .sh 脚本安装。命令行安装本身不复杂复杂的是装完之后的环境变量配置和权限问题。我见过很多开发者在服务器上用 root 装 Anaconda然后懒得管环境变量直接写死了绝对路径去调用结果别的地方一开新终端就找不到 conda 命令。这个问题的标准化解法后面会提到核心是安装过程中会让用户选择是否自动初始化 conda选 yes 一般就没什么大问题。还有一点要提前说如果电脑上已经装了 Python装 Anaconda 不会真的“覆盖”或“删除”原来的 Python。两者可以共存只是终端里敲 python 时命令会优先解析到哪一个取决于 PATH 环境变量的顺序。第 5 节的环境变量配置部分会把这个原理讲透。3. Windows/macOS/Linux 三平台安装实操记录3.1 Windows 安装的关键步骤与勾选策略Windows 安装大概是所有平台里最常见的我详细展开一下。双击下载好的 .exe 安装包第一页点 Next第二页是 License 协议点 I Agree。第三页选择安装用户单选 Just Me 即可不用选 All Users省得后面权限折腾。第四页选择安装路径这个非常重要。官方默认路径是C:\Users\用户名\anaconda3我建议不要修改到带中文或者带空格的目录比如D:\软件\Anaconda3后续使用 Jupyter 和 PyCharm 时偶尔会出莫名其妙的编码问题。如果一定想装到 D 盘路径尽量保持为纯英文和数字。第五页是 Advanced Options里面有两个勾选项。第一项是 Add Anaconda 3 to my PATH environment variable旧版本推荐勾选新版本默认不勾选。我的建议是保持默认不勾选平时用 Anaconda Prompt 进入环境就够了。第二项是 Register Anaconda 3 as my default Python这个建议勾上免得系统里多个 Python 解释器时命令找不到正确版本。安装过程大约需要几分钟到十几分钟取决于磁盘速度。装完后会问你要不要装 VS Code 和 PyCharm可以按需选择装 VS Code 也挺方便但如果你已经有编辑器直接取消勾选也行。安装路径记住一点你后面所有的 conda 配置、环境文件、缓存都在这个目录下卸载重装之前一定要备份自己创建的环境文件。3.2 macOS 上的安装细节与路径差异macOS 的安装包是 .pkg 格式双击安装向导一路继续最后输入密码授权即可。安装完成后Anaconda 会被装到/Users/你的用户名/anaconda3目录下。需要注意的是macOS 如果用 zsh 作为默认 shell安装脚本会自动往.zshrc里面追加 conda 初始化代码装完之后新开一个终端就应该能直接敲 conda 命令。如果发现 conda 命令找不到执行一下source ~/.zshrc或者检查.zprofile里有没有环境变量配置。另外 Apple Silicon 芯片的 Mac 用户特别注意我建议指定下载 arm64 版本的安装包。虽然 Anaconda 的 x86_64 版本在 Apple Silicon 上也能通过 Rosetta 2 运行但后续 conda 创建的新环境默认 Python 可能不是原生 arm64 的科学计算类包偶尔会踩到架构不兼容的坑。装成 arm64 版就没这个问题。3.3 Linux 服务器上最稳的安装套路在 Linux 服务器上安装我一般建议去官网或清华镜像下载.sh文件。下载完成后先检查一下文件ls -l看大小是否正常再看一下是否有执行权限。没有执行权限就执行chmod x 文件名.sh。安装命令是bash Anaconda3-2026.07-Linux-x86_64.sh接下来会输出一长串 License 信息一直按 Enter 读完然后输入 yes 接受协议。接着会提示安装位置默认是$HOME/anaconda3直接回车就行。如果服务器上有多个人共用同一个账号可以改成/opt/anaconda3这类共用目录但要注意写权限问题。安装到最后一步会问Do you wish the installer to initialize Anaconda3?这里输入 yes 非常重要。选 yes 后安装脚本会自动把 Anaconda 的初始化代码写到你的.bashrc文件里。如果当时手滑选了 no之后每次打开终端都需要手动跑conda init或者每次手动设置 PATH非常麻烦。装完之后不要立刻在当前终端里执行 conda 命令先执行source ~/.bashrc重新加载配置文件或者直接关闭终端重开一个。输入conda --version如果能输出版本号说明安装成功。Linux 上还有一个额外的坑服务器上如果之前用 apt 装过 Python 包系统里的 python3 和 Anaconda 的 python 可能会冲突。用 Anaconda 的时候在终端里优先用绝对路径或先激活 conda 环境不要在系统 Python 环境里乱 pip install。养成这个习惯Linux 上的环境管理会清爽很多。4. Navigator 界面逐块拆解Home、Environments、Learning、Community4.1 Navigator 是不是个“多余的壳子”安装完成后从开始菜单打开 Anaconda Navigator会看到一个图形化界面。很多初学者会问终端就能用 conda为什么还要一个这样的图形界面。我的看法是Navigator 相当于一个图形化的总控台。它把环境管理、应用程序启动、频道文档、社区入口都集中到一个界面上。如果你只是想启动 Jupyter Notebook 或者 Spyder 写代码完全可以在 Navigator 里点 Launch 按钮不用记命令行。它有存在的价值尤其是对于刚入门、对命令行有心理门槛的用户。但我也得坦白说我日常工作中很少长期停留在 Navigator 界面里。更常见的操作是打开 Anaconda Prompt 直接敲命令创建环境、激活环境、装包全在命令行完成。Navigator 更像是给那些不习惯命令行的人准备的可视化入口。4.2 Home 选项卡里每一张卡片是什么打开 Navigator左侧竖排导航栏有 Home、Environments、Learning、Community 几个主入口。Home 页面很大一部分是应用卡片的集合。默认会列出的项目包括 JupyterLab、Jupyter Notebook、Spyder、QtConsole取决于你安装版本的不同可能还会出现 VS Code、RStudio、Orange、Glue 等应用卡片。每张卡片上有一个 Launch 或 Install 按钮。如果没有安装按钮显示的是 Install点了之后会自动在当前环境里安装对应的包。这个页面需要理解一个概念每个应用都是运行在环境里的。页面右上角有一个环境选择器默认是 base你新创建的环境也会出现在这里。这意味着你可以在不同的环境里分别安装不同版本的应用互不影响这也是 conda 环境隔离思路的延伸。Home 页面上还有个搜索框如果应用太多可直接搜应用名。如果不需要某个应用也不用刻意卸载放着不点 Launch 就行。4.3 Environments 页面是环境管理的图形化窗口Environments 选项卡是我认为 Navigator 里最有含金量的页面。左侧是环境列表默认只有一个 base 环境底部有一个 Create、Import、Clone、Remove 等按钮。点 Create 可以新建环境填环境名称选 Python 版本创建过程会有进度条。中间部分是当前选中环境已安装的包列表每个包后面有版本号。顶部有筛选框可以按 All、Installed、Not installed、Updatable 等维度筛选也可以直接搜索包名。如果你对命令行还不熟可以在这里搜索包勾选后点 Apply 完成安装。虽然速度理论上和命令行一样但图形界面操作对新手更友好。右侧还有一个 Terminal 入口可以打开当前环境下的终端方便直接运行命令。这里要注意通过这个终端进入的已经是当前环境不要再重复 activate否则会出现嵌套环境的问题虽然一般问题不大但容易造成困惑。4.4 Learning、Community 和搜索框被忽略但有用在 Navigator 左侧栏Learning 选项卡里有些官方教程入口包括 Python、数据科学、深度学习相关的学习资源链接对新手系统学习有帮助但内容都是英文的。Community 选项卡里是一些社区论坛入口比如 Anaconda 官方论坛、Stack Overflow 等遇到问题可以去搜索。Navigator 界面的右侧还有一个文档链接、一个更新检查链接。我做环境诊断的时候偶尔会去看一下当前 Navigator 版本和 conda 版本是否有大版本更新提前知道兼容性风险。不过说实话Learning 和 Community 这两个页面的实际利用率不高。Navigator 真正核心的使用场景还是 Home 和 Environments 两个页面把这两块理解透了日常操作基本够用。5. 装完先别急着用镜像源、环境变量和卸载清理5.1 conda 源为什么不换成国内镜像会想摔键盘装完 Anaconda 后默认的软件源是 Anaconda 官方服务器对国内用户来说下载速度极不稳定。装一个普通的包有时候都要等好几分钟偶尔还直接超时。给 conda 换源本质上是修改根目录下的.condarc配置文件。可以用命令行一行一行配置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/ conda config --set show_channel_urls yes执行完之后可以查看当前配置确认无误conda config --show channels配置好之后以后的包下载会明显变快。注意镜像源只是 conda 的下载地址不影响包的兼容性和代码逻辑可以放心用。还有一个小技巧如果某些包在默认 conda 渠道里没有可以先试试 conda-forge 频道conda install -c conda-forge 包名新手遇到 conda 找不到包的时候不要马上放弃去用 pip先试试 conda-forge成功率很高。5.2 环境变量为什么终端里找不到 conda 命令很多人在 Windows 上装完 Anaconda在 CMD 里敲 conda系统提示“不是内部或外部命令”。这个问题的本质是 Windows 的 PATH 环境变量里没有加入 Anaconda 的目录。新版安装包默认不勾选“Add Anaconda to PATH”所以系统 CMD 里找不到是正常的。解决办法有两个方向。第一个也是最推荐的做法使用开始菜单里的 Anaconda Prompt它已经预先配置好了 conda 相关的路径和初始化脚本进入后 conda 命令天然可用你不需要动 PATH。第二个做法是手动把 Anaconda 目录加到系统 PATH 里。在“系统属性 - 环境变量 - Path”中添加以下三个路径C:\Users\你的用户名\anaconda3 C:\Users\你的用户名\anaconda3\Scripts C:\Users\你的用户名\anaconda3\Library\bin添加完保存重新打开 CMD运行conda --version验证。我一般不太建议新手手动加因为如果系统里还有其他 Python改 PATH 可能引发命令优先级混乱。但如果你就是习惯了在 CMD 里操作手动加也没问题只要记得路径里的用户名改成自己的实际用户名。Linux 和 macOS 下其实也有等价问题只是安装时只要选过初始化基本已经自动写好了很少需要手动处理。5.3 卸载 Anaconda 的正确姿势卸载 Anaconda 也是一个高频需求可能是不小心装坏了也可能是想换 Miniconda。Windows 下可以直接在“设置 - 应用”里卸载或者双击安装包在引导界面选择 Remove。需要注意的是卸载程序不会自动删除用户主目录下的.condarc、.conda、.matplotlib等配置文件所以卸载完成之后最好再去用户目录检查一下把这些残留配置手动删掉否则重装新版本后换源配置可能还是旧的。Linux 和 macOS 下卸载相对粗暴因为 Anaconda 主要都装在一个目录里rm -rf ~/anaconda3然后清理.bashrc或.zshrc里的 conda 初始化代码块就是一整段以# conda initialize 开头、以# conda initialize 结尾的内容。如果不清理重装新的 Anaconda 时会受到旧配置干扰。卸载前备份自己的环境是一个好习惯。用conda env list查看所有环境再用conda env export -n 环境名 环境名.yml导出配置重装之后用conda env create -f 环境名.yml即可恢复。6. 从 Anaconda Prompt 到 PyCharm虚拟环境怎么建、怎么接6.1 创建、激活、删除环境命令其实就这么几条虚拟环境是 Anaconda 的灵魂但命令也就那么几条我全部列出来。创建名为py39、Python 3.9 的环境conda create -n py39 python3.9创建环境时顺便安装常用库conda create -n torch_env python3.9 pytorch torchvision torchaudio -c pytorch激活环境conda activate py39退出当前环境conda deactivate查看所有环境conda env list安装包conda install numpy删除环境注意要在不处于该环境的情况下执行conda remove -n py39 --all一个特别容易被忽略的操作是在你已经激活某个环境之后再执行 conda install 的包都会安装到当前环境而不是 base。判断当前在哪个环境看终端提示符最前面的括号比如(py39) C:\Users\xxx会一直标着。养成“看一眼提示符”的习惯比什么都管用。6.2 PyCharm 配置 Anaconda 环境一步步来很多人的需求是代码在 PyCharm 里写但解释器用 Anaconda 的环境。在 PyCharm 里配置其实不复杂。打开 PyCharm进入File - Settings - Project - Python Interpreter点击右上角的齿轮图标选择Add Interpreter - Add Local Interpreter。在弹出的窗口里左侧选择Conda Environment如果已经创建好了环境就选择Select existing environment然后点右侧三个点的浏览按钮找到 Anaconda 安装目录下envs文件夹里的对应环境下的python.exe。比如py39环境的解释器就是C:\Users\用户名\anaconda3\envs\py39\python.exe。如果想直接用 PyCharm 新建一个 conda 环境也可以选择Create new environment在 Location 处填上要创建的虚拟环境路径在 Python Version 里选版本。Python Interpreter 配置完成后点 OK 保存。之后 PyCharm 打开终端时会默认使用 Anaconda Prompt 环境里外都比较顺。有一个小提醒配置解释器之后如果发现包导入不到检查一下 PyCharm 右下角的状态栏是否显示你选择的环境。如果同时有多个项目打开每个项目的解释器是独立的不要搞混。6.3 环境迁移和克隆换机器也能秒恢复环境管理有一个很爽的用法环境导出和克隆。你在当前电脑上折腾好了一个完美的环境换新电脑或者给同事复现时不需要从零装。导出当前环境配置到 yaml 文件conda env export -n 环境名 environment.yml在新电脑上还原环境conda env create -f environment.yml克隆一个已存在的环境conda create -n 新环境名 --clone 旧环境名这个功能在复现论文代码、迁移旧项目、交付环境时特别实用。不过导出的 environment.yml 里含有本机路径和部分平台相关的依赖换到别的操作系统上时可能会有小问题必要时手动编辑一下配置文件里的 pip 依赖部分。7. Anaconda 安装使用中我最常被问到的几个报错7.1 Loading Applications 卡住不动打开 Navigator界面一直显示 Loading Applications转圈半天没有任何反应。这个问题我见过很多次多数出现在 Anaconda 老版本和网络不通畅的情况下。遇到这个情况先试试在 Anaconda Prompt 里执行conda update anaconda-navigator更新 Navigator再重新启动。或者执行conda update anaconda-navigator conda update navigator-updater如果更新无效还有一个办法是清理 Navigator 的缓存目录。Windows 下目录通常是C:\Users\用户名\.anaconda\navigator退出 Navigator 后删掉其中的 scripts 和 repositories 文件夹再启动试试。Linux 和 macOS 下类似路径是~/.anaconda/navigator。7.2 there is an instance of anaconda navigator already runningWindows 下双击 Anaconda Navigator 没反应然后提示 There is an instance of anaconda navigator already running。原因是程序已经在后台运行了但窗口不显示通常是之前异常退出导致进程残留在后台。解决方法打开任务管理器在进程列表里找到 Anaconda Navigator 相关的 Python 进程结束任务然后重新启动 Navigator。如果反复出现这个问题也可以检查一下任务栏右下角托盘区域有时候窗口只是最小化到了托盘。7.3 conda 不是内部或外部命令这个在第 5.2 节里其实已经完整讲过。CMD 里敲 conda 找不到命令本质就是 PATH 没配置好。不过这里补充一个特殊场景你明明在安装时勾选了 Add to PATH但换了另一个终端依然找不到。这种情况大概率是终端缓存的问题关闭所有终端再重新打开或者重启电脑。如果重启后还不行检查环境变量里是否有 Anaconda 路径没有就手动加。整个排查链路就是先确认 Anaconda Prompt 里 conda 能不能用能用的说明安装本身没问题问题只出在终端环境变量如果连 Anaconda Prompt 里也不行那才是安装不完全需要重装。7.4 ImportError明明装了包却说找不到模块进入 PyCharm 或 Jupyter 执行代码的时候报 ImportError提示找不到某个包。这时候第一反应不要猜测先确认两件事当前环境是哪个包装在哪。在 Anaconda Prompt 里执行conda env list看当前激活的环境是哪一个。如果代码用的是 py39 环境而包装在了 base 环境那必然找不到。解决办法是在正确的环境里安装。还有一个容易忽略的Jupyter Notebook 里跑代码时kernel 对应的 Python 环境不一定是当前激活的环境。如果你在 base 环境启动 Jupyter但代码需要 py39 环境的包需要先在 py39 环境里安装 ipykernel再把该环境注册为 Jupyter 的 kernel。用命令行操作就是conda activate py39 conda install ipykernel python -m ipykernel install --user --name py39之后在 Jupyter 右上角菜单切换 kernel 到 py39 即可。这个问题在我接手过的环境问题里占比相当高核心就是环境与 kernel 的对应关系没搞清楚。在 Anaconda 的环境隔离设计里“当前活动环境”这个概念无处不在把它彻底理解了很多报错都迎刃而解。我在实际帮人排查环境问题时还发现过一个极其典型的现象很多人装了 Anaconda也建了虚拟环境但在 Windows CMD 里运行 Python 脚本时用的还是系统里原来装的那个 Python而不是 Anaconda 的。即便在 Anaconda Prompt 里 conda 命令正常PyCharm 里配的环境也是对的但只要脱离这些工具直接双击脚本或在老终端里运行路径一变就又不匹配了。所以最后再啰嗦一句无论你多熟悉 conda 命令每次写代码、跑程序之前先确认终端提示符前括号里的环境名是不是自己以为的那个环境这个习惯能避免九成以上的“神秘报错”。
