[转]Anaconda安装

【python环境安装】超详细的Anaconda(python)下载、安装、环境配置及pycharm配置使用教程，适合完全零基础学习！！-CSDN博客

Anaconda安装与Python环境搭建（不看后悔版） - 知乎

Anaconda详细安装、配置及使用（windows） - 枫叶流华 - 博客园

Anaconda Python 使用指南：安装、配置与环境管理-百度开发者中心

 

Anaconda Python 使用指南：安装、配置与环境管理

引言

Anaconda是一个流行的Python数据科学平台，它提供了丰富的数据科学包集合，以及一个强大的环境管理系统。使用Anaconda，您可以轻松创建、管理和切换不同的Python环境，以满足不同项目的需求。本文将带您了解如何安装Anaconda、配置环境以及使用Anaconda管理Python依赖。

安装Anaconda

1. 下载Anaconda安装包

首先，您需要前往Anaconda官方网站（https://www.anaconda.com/products/distribution）下载适合您操作系统的Anaconda安装包。根据您的系统类型（Windows、macOS或Linux）选择相应的版本，并下载到本地。

2. 安装Anaconda

下载完成后，打开安装包并按照提示进行安装。安装过程中，您可以选择安装位置、添加Anaconda到系统路径等选项。

3. 验证安装

安装完成后，打开终端或命令提示符，输入以下命令验证Anaconda是否安装成功：

1. conda --version

如果成功显示conda版本信息，说明Anaconda已经成功安装。

配置Anaconda

1. 设置默认Python版本

在安装Anaconda时，它会默认将Anaconda环境中的Python设置为系统默认Python。如果您想使用Anaconda中的特定Python版本，可以通过以下命令进行设置：

1. conda create -n myenv python=3.8
2. conda activate myenv

上述命令创建了一个名为myenv的新环境，并指定了Python版本为3.8。通过conda activate命令激活该环境后，您就可以在该环境中使用指定版本的Python了。

2. 配置镜像源

为了加速conda包的下载速度，您可以配置conda使用国内镜像源。打开终端或命令提示符，运行以下命令添加镜像源：

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/cloud/conda-forge/
3. conda config --set show_channel_urls yes

上述命令将conda的默认镜像源更改为清华大学提供的镜像源。

使用Anaconda管理Python环境

1. 创建新环境

使用以下命令创建一个新的Python环境，并指定所需的Python版本和依赖包：

1. conda create -n myenv python=3.8 numpy pandas matplotlib

上述命令创建了一个名为myenv的新环境，指定了Python版本为3.8，并安装了numpy、pandas和matplotlib等依赖包。

2. 激活环境

使用以下命令激活已创建的环境：

1. conda activate myenv

激活环境后，您可以在该环境中运行Python脚本或安装其他依赖包。

3. 列出所有环境

使用以下命令列出系统中已创建的所有环境：

1. conda env list

4. 切换环境

使用以下命令切换到其他已创建的环境：

1. conda activate anotherenv

5. 导出环境配置

使用以下命令将当前环境的配置导出为一个YAML文件：

1. conda env export > environment.yml

通过导出环境配置，您可以方便地在其他地方重建相同的环境。

6. 删除环境

使用以下命令删除不再需要的环境：

1. conda env remove --name myenv

总结

通过本文的介绍，您应该已经掌握了Anaconda Python的安装、配置以及环境管理的基本用法。Anaconda提供了强大的环境管理功能，使得您可以在不同的项目中轻松管理Python依赖。在实际应用中，您可以根据项目需求创建不同的环境，并在每个环境中安装所需的依赖包。这将帮助您更好地组织代码，并避免不同项目之间的依赖冲突。希望本文对您使用Anaconda Python有所帮助！