最近帮几个刚入门数据科学的朋友装 Anaconda3发现大家卡住的地方高度一致不知道去哪下载、装完不知道下一步干嘛、也不明白为什么不直接装个 Python 就行。今天就把这套环境配置的完整流程写出来从下载安装包到跑通第一个数据科学实操一次性讲明白。这篇文章适合完全零基础的小白也适合已经手动折腾过 Python、被各种环境问题搞得头疼的朋友。内容围绕 Anaconda3、Python 的安装与开发环境配置展开结尾附常见问题速查表。1. 为什么数据科学首选 Anaconda31.1 原生 Python 在数据科学场景下的困境如果只写一些简单的脚本直接从 python.org 下载官方安装包装完敲python就能用确实很干净。可是一旦进入数据科学领域事情就没这么简单了。你想用 pandas 处理表格用 numpy 做数值计算用 matplotlib 画图用 scikit-learn 跑机器学习模型第一步就是把这些包逐个装进去。pip install xxx敲一遍倒也不费劲真正让人崩溃的是版本冲突。我遇到过很多次这种情况项目 A 依赖 pandas 1.3项目 B 需要 pandas 2.0如果这两个项目共用同一个 Python 环境pip 装来装去最后必有一个项目跑不起来。更麻烦的是有些科学计算包在 Windows 上装起来非常痛苦因为它需要编译一大堆底层依赖稍不留神就给你报一串 red error。这时候 Anaconda3 的方案就体现出来了。数据科学不是写个 hello world 那么简单它天然是一个多依赖、多版本、需要频繁试错的领域。如果每个项目都靠手动管理依赖时间成本太高了。环境配置这件事看似不起眼实际上一旦在第一步就埋下坑后面调试代码时会浪费大量时间。这也是我为什么强烈建议起步阶段直接用 Anaconda3。1.2 Anaconda3 相比原生 Python 的优势Anaconda3 本质上是一个 Python 发行版它把 Python 解释器、常用科学计算包、包管理工具 conda、图形化界面 Anaconda Navigator 打包在一起。你可以把它理解为“全家桶”式开发环境而不是光秃秃的解释器。维度原生 Python pipAnaconda3安装包体积小仅解释器体积大预装大量科学计算包包管理pip 管理第三方库conda 管理包 环境环境隔离需要额外使用 venvconda 天然支持多环境图形界面无Anaconda NavigatorJupyter需要单独安装预装开箱即用conda 是这里面最核心的东西。它不只是包管理器还能管理 Python 版本本身。比如你能创建一个 Python 3.9 的环境给旧项目用再创建另一个 Python 3.12 的环境给新项目用两者互不干扰。这就像家里有好几个独立房间每个房间放不同版本的工具互不串味。另一个被很多人忽略的点是预装包的价值。数据科学常用的一些库比如 numpy、scipy底层有大量 C、Fortran 代码如果用 pip 从源码编译Windows 用户很容易碰到缺编译器的问题。conda 直接提供编译好的二进制包下载下来就能用省掉了整个编译工具链的折腾。1.3 什么时候可以不装 Anaconda3不是所有写 Python 的人都需要 Anaconda3。如果你只是写 Web 后端用 Django 或 Flask 提供接口不涉及科学计算、数据分析、机器学习那原生 Python venv 完全够用甚至更轻量。如果你所在团队已经统一用 pipenv 或 poetry 管理项目依赖并且没有科学计算需求也没必要硬换。但对于数据科学方向的学习者我的观点很直接新手期直接用 Anaconda3别一上来就折腾原生 Python 加手动配包。数据科学的核心精力应该放在算法、数据清洗、模型调参上而不是跟环境问题搏斗。等你对 Python 有足够的掌控力再回去根据自己的场景选择轻量方案也不迟。2. 下载安装包版本选择与安装前的环境检查2.1 安装包从哪里下载Anaconda3 安装包可以从官方网站下载也可以从国内镜像站点下载。官网下载地址是https://www.anaconda.com/download页面会自动识别当前操作系统并提供对应安装包。不过官网服务器在境外国内用户下载大文件时经常很慢容易中断。我自己的习惯是从清华大学开源软件镜像站下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/。这个页面列出了所有历史版本的 Anaconda3 安装包文件名格式类似Anaconda3-2024.10-1-Windows-x86_64.exe按需选择即可。使用国内镜像下载速度快而且文件校验信息都完整不用担心包损坏。提示这里附带的下载链接实际上是清华镜像的目录页进入页面后根据自己平台选择对应版本文件即可。选最新稳定版就行没必要追着每个版本号换。2.2 版本与平台怎么选Anaconda3 的版本命名规则是Anaconda3-年份.月份-版本号-平台。安装包内自带的 Python 版本会随发布版本逐渐升级例如 2024 版本的安装包默认 Python 已经是 3.12 以上。选版本时有几个判断标准新用户直接选最新版下载页面排在最前面的就是。课程或教材指定版本很多数据科学课程会明确要求某个 Python 版本比如 3.9 或 3.10这时要看安装包里默认 Python 版本是否符合要求。深度学习框架兼容性PyTorch、TensorFlow 对最新 Python 版本的支持通常会慢半拍如果你主要做深度学习建议选一个发布半年前的版本避免框架还不兼容。平台选择也有讲究。Windows 用户要注意自己是 64 位操作系统还是 32 位现在基本都选Windows-x86_64.exe。macOS 用户要重点看芯片类型Apple SiliconM1/M2/M3/M4 芯片选带有arm64标识的安装包Intel 芯片选x86_64。Linux 服务器用户如果没有特殊架构需求选Linux-x86_64.sh就对了。选错平台装上去很容易在导入某些包时出现“非法指令”或“找不到文件”的诡异错误。2.3 安装前必须检查的事项安装过程本身不复杂但几个前置检查没做好后面会让你怀疑人生。磁盘空间。Anaconda3 完整安装后大约占据 7 到 10 GB 空间如果加上后续创建的 conda 环境和下载的缓存包轻松破 15 GB。C 盘吃紧的话建议把安装路径改到 D 盘或数据盘别硬塞系统盘。安装路径不能有中文和空格。这是多年的老坑了很多工具默认路径包含中文会直接罢工或者在使用到路径拼接的库时疯狂报错。比如D:\Program Files\Anaconda3这种是可以的但D:\软件安装\Anaconda3这种就不推荐。另外Windows 用户名如果是“张三”这种中文也会导致一些默认缓存目录出问题建议改成英文用户名或手动配置相关环境变量。已有 Python 是否冲突。如果电脑里之前装过 Python安装 Anaconda3 时要注意处理 PATH 顺序问题。最简单的方案要么先卸载旧的 Python要么在安装时不把 Anaconda3 加入系统 PATH需要用的时候通过 Anaconda Prompt 进入。别让两个 Python 抢默认解释器的位置否则你在命令行里敲python时永远不知道自己打开的是哪个版本。3. 全平台安装实操步骤3.1 Windows 图形化安装Windows 下载好.exe文件后双击运行会看到 Anaconda3 的图形安装向导。这里有几个关键选择点每一个都值得停下来想一想。第一个界面是选择安装模式有 “Just Me” 和 “All Users” 两个选项。推荐选择 “Just Me”这种方式不需要管理员权限安装路径在你的用户目录下权限问题最少后续更新和卸载也方便。All Users 模式适合一台电脑多个用户都需要使用的情况但它会写入系统级环境变量权限要求更高容易出现奇奇怪怪的权限报错。第二个界面是选择目标文件夹。官方默认路径是C:\Users\用户名\anaconda3你要是 C 盘空间充足倒是无所谓否则可以改成D:\anaconda3。注意路径中不要有中文和空格。第三个界面是 Advanced Options这里有两个复选框。第一个是 “Add Anaconda3 to my PATH environment variable”官方默认不勾选。新手如果不熟悉环境变量保持默认即可之后一律打开 Anaconda Prompt 来使用 conda 命令。第二个是 “Register Anaconda3 as my default Python”如果电脑上没有其他 Python 环境可以勾上这样许多识别默认 Python 的工具会直接找到 Anaconda3 自带的 Python。点击 Install 之后就是等待。安装时间取决于磁盘速度和包数量通常需要几分钟。安装完成后可以在开始菜单看到 Anaconda Prompt、Anaconda Navigator、Jupyter Notebook 等快捷方式。到这里 Windows 端已经装好一大半了。3.2 Linux 命令行安装Linux 下使用命令行安装包完成。从镜像站下载.sh脚本后执行wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.10-1-Linux-x86_64.sh下载完成后执行安装bash Anaconda3-2024.10-1-Linux-x86_64.sh安装过程中会不断按回车阅读协议之后输入yes表示接受然后选择安装目录。默认是$HOME/anaconda3装在用户目录下就行不需要 sudo也不建议用 sudo 装。用 sudo 会把文件安装到 root 用户目录普通用户使用时权限会非常混乱。接近安装结束时脚本会问是否运行conda init以配置 shell 环境。这一步一定要选yes它会把 conda 的初始化代码写入~/.bashrc否则你重新打开终端后找不到conda命令。安装完后执行source ~/.bashrc让配置生效。如果你用的是 zshconda init 可能写入的是~/.zshrc那就换成source ~/.zshrc。验证方式还是那三条命令后面会说。3.3 macOS 安装macOS 用户分两种情况。Intel 芯片下载x86_64版本Apple Silicon 下载arm64版本。Apple Silicon 用户如果下载了 x86_64 版本系统会通过 Rosetta 转译运行大部分情况下能用但性能和兼容性都不如原生版本所以下载前确认一下芯片类型很有必要。拿到.pkg安装包后双击按提示安装即可过程跟 Windows 图形化安装大同小异。也可以选择命令行.sh安装包步骤流程跟 Linux 类似。安装完成后打开新的终端窗口输入conda --version验证。如果提示找不到命令检查终端是否用的是 zsh并且确保在安装时回答了“yes”让 conda 写入 shell 配置。很多时候装完没生效只是因为没开新终端窗口旧窗口是不会重新加载配置的。3.4 安装完成后的首轮配置装完 Anaconda3 后不要急着开 Jupyter先把基础配置做完后面会省很多事。打开 Anaconda PromptWindows或终端Linux/macOS先升级 conda 到最新版本。如果网络状态不好可以先把 conda 源换成国内镜像再升级方法在第 5 章会有详细介绍这里先跑一下看看情况conda update conda接着看看 base 环境里有哪些包conda list这一步能让你直观感受到 Anaconda3 和原生 Python 的差别——列出来的一长串包名里numpy、pandas、matplotlib、scikit-learn 这些数据科学主力库早就给你装好了。最后确认一下当前 Python 版本python --version如果输出符合预期说明基础环境已经就位。4. 验证安装与第一轮入门实操4.1 三个命令验证安装安装完成后的第一件事就是验证能不能用。在 Anaconda PromptWindows或终端Linux/macOS中执行下面三条命令每一条都有它的意义。conda --version python --version jupyter --versionconda --version检查包管理器是否可用这是 Anaconda3 的灵魂。python --version确认解释器版本看看跟安装包预期是否一致。jupyter --version验证 Jupyter 是否安装完整数据科学实操时常用。如果在 Windows 下提示 “conda 不是内部或外部命令”多半是因为你在 CMD 或 PowerShell 里直接敲而安装时没有勾选 Add to PATH或者当前 Python 环境变量冲突了。解决办法打开开始菜单里的 Anaconda Prompt 再试一次。Anaconda Prompt 会自动加载 Anaconda3 的环境变量这也是官方推荐的使用方式。4.2 启动 Jupyter NotebookJupyter Notebook 是数据科学场景最常用的交互式编程工具Anaconda3 已经集成好了。在终端执行jupyter notebook程序会启动本地服务并自动打开浏览器进入 Notebook 界面。如果浏览器没有自动弹出可以手动复制终端中显示的 URL通常是http://localhost:8888到浏览器访问。第一次启动时会要求输入 token这个 token 也会在终端输出里显示复制粘贴进去即可。进入 Notebook 界面后点击右上角 “New” 按钮选择 “Python 3”就会创建出一个新的.ipynb文件。在单元格里输入代码按Shift Enter运行结果会直接显示在单元格下方。这个交互式的工作流特别适合做数据分析每一步都能看到中间结果不用像写脚本那样一行行 print 调试。4.3 数据科学入门实操读取数据画个图环境装好了光验证版本没意思直接来一个数据科学最常见的操作用 pandas 整理数据再用 matplotlib 画一张图。打开 Jupyter 新建一个 Notebook输入以下代码import pandas as pd import matplotlib.pyplot as plt # 准备一份简单的气温数据 data { 月份: [1, 2, 3, 4, 5, 6], 气温: [3, 5, 10, 18, 24, 30] } df pd.DataFrame(data) print(df) # 显示中文 plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False plt.plot(df[月份], df[气温], markero) plt.title(某地月平均气温变化) plt.xlabel(月份) plt.ylabel(气温(℃)) plt.show()运行后应该能看到表格输出和一张折线图。这段代码里有两个细节值得注意plt.rcParams[font.sans-serif] [SimHei]是为了让 matplotlib 正常显示中文因为默认字体并不包含中文字形Windows 下用SimHeimacOS 可以换PingFang SCLinux 可以换WenQuanYi Zen Hei。axes.unicode_minus设置为 False 是解决负号显示成方框的问题。这个实操看起来很基础但它覆盖了数据科学的完整链路数据准备、数据整理、可视化分析。你能看到 pandas 创建的表格能看到 matplotlib 生成的图表这就说明 Anaconda3 环境里的核心工具链已经全部打通了。跑通这一步之后就可以放心去学更复杂的数据处理和机器学习模型了。5. 包管理与环境管理的常用姿势5.1 conda 换源加速Anaconda3 官方源服务器不在国内直接安装包或更新 conda 时经常慢到怀疑人生。解决办法是换源。以清华镜像源为例在终端里依次执行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第一条命令把清华源添加到 conda 的 channel 列表第二条是旧版还需要配置的 free 频道第三条让 conda 显示包来源方便检查有没有真正切到镜像。配置完成后可以查看配置文件确认conda config --show channels以后执行conda install或conda update时下载速度都会明显提升。pip 同样可以换源执行pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple这会改动 pip 的全局配置后面用 pip 安装包也会优先从国内源下载。换这一个配置能省掉后面无数次等待。5.2 创建属于自己的专属环境环境隔离是 conda 最值得用起来的功能。每做一个新项目都建议创建一个独立的新环境避免项目之间依赖包互相打架。创建一个名为>conda create -n>conda activate>conda deactivate查看当前机器上所有环境conda env list不再需要的环境可以删除conda env remove -n>conda env export environment.yml执行后会在当前目录生成一个environment.yml文件里面记录了该环境里所有包的名和版本号。换到另一台电脑后只需要把这个文件传过去执行conda env create -f environment.ymlconda 就会按照文件内容自动创建环境并安装所有包。这个功能对论文复现、项目交接特别有用能保证对方运行结果跟你在同一依赖下的结果一致。注意跨平台复现环境时environment.yml里记录的包版本可能包含某些平台特有的构建标识直接创建不一定完全成功。这种情况下建议在导出前先手动精简文件只保留关键的包名和版本约束。6. 常见问题与排查技巧实录6.1 新手最容易踩的 5 个问题问题现象常见原因解决办法输入conda提示“不是内部或外部命令”Anaconda3 没有加入 PATH或当前不在 Anaconda Prompt 环境用 Anaconda Prompt 操作或手动把 Anaconda3 的 Scripts 目录加入系统 PATHpython --version显示的版本还是旧 Python系统 PATH 顺序导致旧 Python 优先调整系统环境变量顺序或直接使用 Anaconda Promptpip install装到了别的环境当前终端激活的不是目标 conda 环境先执行conda activate 环境名再用python -m pip install 包名确保安装到当前环境ImportError: No module named pandas当前环境没装 pandas或导入了错误 Python执行conda install pandas或确认 Jupyter kernel 是否对应当前环境Jupyter Notebook 启动后浏览器不自动弹出系统默认浏览器关联异常手动复制终端中显示的 localhost URL 到浏览器访问6.2 排查环境问题时的基本思路环境类问题排查有一个百试不爽的思路先确认当前处在哪个环境再确认这个环境里有没有这个包最后确认运行时用的是不是这个环境的解释器。比如你在 Jupyter 里 import pandas 报错第一件事不是急着去装包而是在 Notebook 里执行import sys print(sys.executable)这会打印出当前 Notebook 使用的 Python 解释器路径。如果这个路径指向的不是你的环境目录说明 Jupyter 的 kernel 对不上需要在当前环境里安装 ipykernel 并重新注册conda install ipykernel python -m ipykernel install --user --name>
