Anaconda详细安装及使用教程（带图文）

╰半夏微凉° 2023-09-24 09:43 122阅读 0赞

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。?因为包含了大量的科学包，Anaconda?的下载文件比较大(约?531 MB)，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版(仅包含conda和?Python)。

Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

下载地址：https://www.anaconda.com/download/

?![72a68ac2ad64d312365c5b57ee14927a.png][]

![3da46db9c776bd64da90497685de42a1.png][]

Anaconda?是跨平台的，有?Windows、macOS、Linux?版本，我们这里以?Windows?版本为例，点击那个?Windows?图标。

我这里选择下载?

Python 2.7 version \*--Python 2.7?版?\*

64-Bit Graphical Installer (564 MB) --64位图形安装程序(564 MB)

当然，你也可以根据自己的实际情况，选择?Python 3.6版的，或者?32-Bit?版本的。

安装包有?564MB，因为网速的关系，下载时间可能会比较长，请耐心等待。我这里下载完成?Anaconda2-5.2.0-Windows-x86\_64.exe文件了。

?![0b53f8671ad9cb9d4286d48c15c2a591.png][]

双击下载好的?Anaconda2-5.2.0-Windows-x86\_64.exe文件，出现如下界面，点击?Next?即可。

?![0e9e43f4507abcdc005240750eb9bd3d.png][]

点击Next

?![dd8a39af6aa3c2b7d55c0f738165d216.png][]

点击?I Agree?(我同意)，不同意，当然就没办法继续安装啦。

?![9b83305e11ed319ebe7f55cdef3cd053.png][]

Install for: Just me还是All Users，假如你的电脑有好几个?Users?，才需要考虑这个问题.其实我们电脑一般就一个?User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接?All User，继续点击?Next?。

?![60669773a14a7453903407d341637186.png][]

Destination Folder?是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装到?C:\\ProgramData\\Anaconda2文件夹下。你也可以选择?Browse...?，选择想要安装的文件夹。我这里?C?盘空间充裕，所以我直接就装到默认的地方。

这里提一下，Anaconda?很强大，占用空间也不小啊，2.6GB，差不多是一部高清电影的体积了。不过，为了学习，这点硬盘空间算什么呢。

继续点击?Next>?。

?![57aaf33db832c88b096ddb271fb10264.png][]

这里来到?Advanced Options?了，所谓的“高级选项”。如果你英文好，有一定背景知识的话，肯定明白这界面上的意思。两个默认就好，第一个是加入环境变量，第二个是默认使用?Python 2.7，点击“Install”，终于开始安装额。

安装时间根据你的电脑配置而异，电脑配置高，硬盘是固态硬盘，速度就更快。安装过程其实就是把?Anaconda2-5.2.0-Windows-x86\_64.exe文件里压缩的各种?dll?啊，py?文件啊，全部写到安装目标文件夹里。

?![2d6aad2fd789cd7fa92b79369a96dc64.png][]?

过程还是很漫长的，毕竟?2.6GB?的无数个小文件啊，请耐心等待。

?![808e9d0e075372ba1c0f037c813bceda.png][]

![c7bda2bafeee6aa40c86521539f8d25a.png][]

经过漫长的等待，终于安装完成?Installation Complete?(安装完成)了，点击最后一个?Next>。

?![6f6cbb3b5a805c9060c559608ea315b5.png][]

点击Install Microsoft VSCode

![ba76d31cc3a748937b94a332360e5d2f.png][]

点击?Finish，那两个 √ 可以取消。

如果是windows的话需要去?控制面板\\系统和安全\\系统\\高级系统设置\\环境变量\\用户变量\\PATH?中添加?anaconda的安装目录的Scripts文件夹,?比如我的路径是C:\\ProgramData\\Anaconda2\\Scripts,?看个人安装路径不同需要自己调整.

之后就可以打开命令行(最好用管理员模式打开)?输入?conda --version

?![5900aaa9b7478b8ebd8824b59c5ce95a.png][]

如果输出conda 4.5.4之类的就说明环境变量设置成功了.

为了避免可能发生的错误,?我们在命令行输入conda upgrade --all?先把所有工具包进行升级

接下来我们就可以用anaconda来创建我们一个个独立的python环境了.接下来的例子都是在命令行操作的,请打开你的命令行吧.

activate?能将我们引入anaconda设定的虚拟环境中,?如果你后面什么参数都不加那么会进入anaconda自带的base环境,

你可以输入python试试,?这样会进入base环境的python解释器,?如果你把原来环境中的python环境去除掉会更能体会到,?这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base)?说明当前我们处于的是base环境下。

![3dde342c7d8a600219931f870dc47121.png][]

创建自己的虚拟环境

我们当然不满足一个base环境,?我们应该为自己的程序安装单独的虚拟环境.

创建一个名称为python34的虚拟环境并指定python版本为3.4(这里conda会自动找3.4中最新的版本下载)

conda? create -n python34? python=3.4

或者conda? create? --name? python34? ?python=3.4

![d4cf1be1b1aa34e18c67bd9249492140.png][]

于是我们就有了一个learn的虚拟环境,?接下来我们切换到这个环境,?一样还是用activae命令 后面加上要切换的环境名称

activate learn

如果忘记了名称我们可以先用

conda env list

?![eb98078aa597f305c0254ab5b8b1bb6a.png][]

去查看所有的环境

现在的learn环境除了python自带的一些官方包之外是没有其他包的,?一个比较干净的环境我们可以试试

先输入python打开python解释器然后输入

>>> import?requests

会报错找不到requests包,?很正常.接下来我们就要演示如何去安装requests包

exit()

退出python解释器

![4906b555d6c34477b9265d6d2ba867a4.png][]

conda remove --name test --all

输入

conda install requests

或者

pip install requests

来安装requests包.

安装完成之后我们再输入python进入解释器并import requests包,?这次一定就是成功的了.

那么怎么卸载一个包呢

conda remove requests

或者

pip uninstall requests

就行啦.

要查看当前环境中所有安装了的包可以用

conda list

如果想要导出当前环境的包信息可以用

conda env export?> environment.yaml

将包信息存入yaml文件中.

当需要重新创建一个相同的虚拟环境时可以用

conda env create -f environment.yaml

其实命令很简单对不对,?我把一些常用的在下面给出来,?相信自己多打两次就能记住

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属所有包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

或许你会觉得奇怪为啥anaconda能做这些事,?他的原理到底是什么,?我们来看看anaconda的安装目录

![26c06ff6cb79dcc2be5986061f95c40d.png][]

这里只截取了一部分,?但是我们和本文章最开头的python环境目录比较一下,?可以发现其实十分的相似,?其实这里就是base环境.?里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

那我们自己创建的环境去哪了呢,?我们可以看见一个envs,?这里就是我们自己创建的各种虚拟环境的入口,?点进去看看

![75b07a32f6bd83d36dccf8be8a46c0af.png][]

可以发现我们之前创建的learn目录就在下面,?再点进去

?![6d318b27b52c1d02e9650d27e9133e8c.png][]

这不就是一个标准的python环境目录吗?

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境,?只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境,?用不同版本的解释器和不同的包环境去运行python脚本.

在工作环境中我们会集成开发环境去编码,?这里推荐JB公司的PyCharm,?而PyCharm也能很方便的和anaconda的虚拟环境结合

在Setting => Project => Project Interpreter?里面修改?Project Interpreter ,?点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

?![54fd91fc0d080f757aace208838a0ce4.png][]

比如你要在learn环境中编写程序,?那么就修改为C:\\Users\\Administrator\\AppData\\Local\\conda\\conda\\envs\\learn,?可以看到这时候下面的依赖包也变成了learn环境中的包了.接下来我们就可以在pycharm中愉快的编码了。

?![9db2fc47b2937d56fc94fff1eae194d6.png][]

按下?Windows?徽标键，调出?Windows?开始菜单，可以看到 “最近添加”的：Anaconda2(64-bit)

打开Anaconda Prompt，这个窗口和doc窗口一样的，输入命令就可以控制和配置python，最常用的是conda命令，这个pip的用法一样，此软件都集成了，你可以直接用，点开的话如下图。用命令“conda list”查看已安装的包，从这些库中我们可以发现NumPy,SciPy,Matplotlib,Pandas，说明已经安装成功了!

?![de3709b52c4205c7f3951da516290cc0.png][]

还可以使用conda命令进行一些包的安装和更新

conda list：列出所有的已安装的packages

conda install name：其中name是需要安装packages的名字，比如，我安装numpy包，输入上面的命令就是“conda install numpy”。单词之间空一格，然后回车，输入y就可以了。

安装完anaconda，就相当于安装了Python、IPython、集成开发环境Spyder、一些包等等。你可以在Windows下的cmd下查看：

?![4f816563b487960b548a5203e4924f9d.png][]

![6ac9322e61595dc9d89eaaaf0ca02888.png][]

用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在?Navigator?中手工实现。

?![6e64fefc2845699c596e86ef3103bad4.png][]

基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。

?![38a72dbcf09d0b2c07d7e7e146508241.png][]

一个可执行?IPython?的仿终端图形界面程序，相比?Python Shell?界面，qtconsole?可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。

?![17728ff96e76d406eecf22139e351b2c.png][]

一个使用Python语言、跨平台的、科学运算集成开发环境。

点击?Anaconda Navigator?，第一次启用，会初始化，耐心等待一段时间，加载完成，界面如图。

?![1b33765d498c90a4835e609679aad12d.png][]

Spyder编辑器，我们以后就可以用这款编辑器来编写代码，它最大优点就是模仿MATLAB的“工作空间”。spyder.exe放在安装目录下的Scripts里面，如我的是C:\\ProgramData\\Anaconda2\\Scripts\\spyder.exe,?直接双击就能运行。我们可以右键发送到桌面快捷方式，以后运行就比较方便了。

我们简单编写一个程序来测试一下安装是否成功，该程序用来打开一张图片并显示。首先准备一张图片，然后打开spyder，编写如下代码：

将其中的C:/Users/Administrator/Desktop/379283176280170726.jpg改成你自己要显示图片的位置，然后点击上面工具栏里的绿色三角进行运行，最终显示如下：

?![021c02b264b137bda76e09d20bbebe2b.png][]

我们点击?jupyterlab?下面的?Launch?，会在默认浏览器(我这里是?Chrome)打开?http://localhost:8888/lab?这样一个东东，这里就可以输入?Python?代码啦，来一句?Hello World?吧。

我们可以打开?Anaconda Navigator -> Launch jupyterlab?，也可以直接在浏览器输入?http://localhost:8888/lab?(可以保存为书签)。如果是布置在云端，可以输入服务器域名(IP)，是不是很爽？

?![2b9e681c1857e70660cef9a3351a293e.png][]

![affb4a11f065ae426840dd5a89beecc1.png][]

Visual Studio Code是一个轻量级但功能强大的源代码编辑器，可在桌面上运行，适用于Windows，macOS和Linux。它内置了对JavaScript，TypeScript和Node.js的支持，并为其他语言(如C ++，C＃，Java，Python，PHP，Go)和运行时(如.NET和Unity)提供了丰富的扩展生态系统。

?![025ff7ad3d5d3a41926b0e07b520a0cc.png][]

Glue是一个Python库，用于探索相关数据集内部和之间的关系。其主要特点包括：

链接统计图形。使用Glue，用户可以创建数据的散点图，直方图和图像(2D和3D)。胶水专注于刷牙和链接范例，其中任何图形中的选择传播到所有其他图形。

灵活地跨数据链接。Glue使用不同数据集之间存在的逻辑链接来覆盖不同数据的可视化，并跨数据集传播选择。这些链接由用户指定，并且是任意灵活的。

完整的脚本功能。Glue是用Python编写的，并且建立在其标准科学库(即Numpy，Matplotlib，Scipy)之上。用户可以轻松地集成他们自己的python代码进行数据输入，清理和分析。

?![e2987e0d4afafe7d2d3451e6ea129d97.png][]

交互式数据可视化

通过巧妙的数据可视化执行简单的数据分析。探索统计分布，箱形图和散点图，或深入了解决策树，层次聚类，热图，MDS和线性投影。即使您的多维数据也可以在2D中变得合理，特别是在智能属性排名和选择方面。

?![2f41540c1fcd28ac4a6e90c6dd3f045d.png][]

老师和学生都喜欢它

在教授数据挖掘时，我们喜欢说明而不是仅仅解释。而橙色很棒。Orange在世界各地的学校，大学和专业培训课程中使用，支持数据科学概念的实践培训和视觉插图。甚至还有专门为教学设计的小部件。

附加组件扩展功能

使用Orange中可用的各种附加组件从外部数据源挖掘数据，执行自然语言处理和文本挖掘，进行网络分析，推断频繁项目集并执行关联规则挖掘。此外，生物信息学家和分子生物学家可以使用Orange通过差异表达对基因进行排序并进行富集分析。

?![b811b1f13d50abfd5da89bddf7263fe2.png][]

R软件自带的有写脚本的工具，可是我不是很喜欢用(并不是说不好哈)，我更喜欢用RStudio(网上还有Tinn-R，RWinEdt等)。因为我觉得其本身比较方便，另外在编程的时候有些功能很方便。下面这个界面是我修改了主题的，下面我将介绍如何修改主题，来方便编程。

![02b42f2b9ab54005ac9439dfe34ee28f.png][]

现在你是不是发现用上anaconda就可以十分优雅简单的解决上面所提及的单个python环境所带来的弊端了呢,?而且也明白了其实这一切的实现并没有那么神奇.

当然anaconda除了包管理之外还在于其丰富数据分析包,?不过那就是另一个内容了,?我们先学会用anaconda去换一种方法管里自己的开发环境,?这已经是一个很大的进步了。

同时，大家可以关注我的个人博客：

https://blog.csdn.net/ITLearnHall

http://www.cnblogs.com/IT-LearnHall/

人生苦短，我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神，汇聚于互联网和个人学习工作的精华干货知识，一切来于互联网，反馈回互联网。

目前研究领域：大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。?语言涉及：Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里，每天必须有收获

对应本平台的讨论和答疑QQ群：大数据和人工智能(总群)(779809018)

?![7fb886e1f29a1b530e98415d9dd68cc4.png][]

微信公众号每天分享最新IT、大数据和人工智能新技术

?![720c48db7b46715660a57ab8e0e3624e.png][]

[72a68ac2ad64d312365c5b57ee14927a.png]: https://img-blog.csdnimg.cn/img_convert/72a68ac2ad64d312365c5b57ee14927a.png
[3da46db9c776bd64da90497685de42a1.png]: https://img-blog.csdnimg.cn/img_convert/3da46db9c776bd64da90497685de42a1.png
[0b53f8671ad9cb9d4286d48c15c2a591.png]: https://img-blog.csdnimg.cn/img_convert/0b53f8671ad9cb9d4286d48c15c2a591.png
[0e9e43f4507abcdc005240750eb9bd3d.png]: https://img-blog.csdnimg.cn/img_convert/0e9e43f4507abcdc005240750eb9bd3d.png
[dd8a39af6aa3c2b7d55c0f738165d216.png]: https://img-blog.csdnimg.cn/img_convert/dd8a39af6aa3c2b7d55c0f738165d216.png
[9b83305e11ed319ebe7f55cdef3cd053.png]: https://img-blog.csdnimg.cn/img_convert/9b83305e11ed319ebe7f55cdef3cd053.png
[60669773a14a7453903407d341637186.png]: https://img-blog.csdnimg.cn/img_convert/60669773a14a7453903407d341637186.png
[57aaf33db832c88b096ddb271fb10264.png]: https://img-blog.csdnimg.cn/img_convert/57aaf33db832c88b096ddb271fb10264.png
[2d6aad2fd789cd7fa92b79369a96dc64.png]: https://img-blog.csdnimg.cn/img_convert/2d6aad2fd789cd7fa92b79369a96dc64.png
[808e9d0e075372ba1c0f037c813bceda.png]: https://img-blog.csdnimg.cn/img_convert/808e9d0e075372ba1c0f037c813bceda.png
[c7bda2bafeee6aa40c86521539f8d25a.png]: https://img-blog.csdnimg.cn/img_convert/c7bda2bafeee6aa40c86521539f8d25a.png
[6f6cbb3b5a805c9060c559608ea315b5.png]: https://img-blog.csdnimg.cn/img_convert/6f6cbb3b5a805c9060c559608ea315b5.png
[ba76d31cc3a748937b94a332360e5d2f.png]: https://img-blog.csdnimg.cn/img_convert/ba76d31cc3a748937b94a332360e5d2f.png
[5900aaa9b7478b8ebd8824b59c5ce95a.png]: https://img-blog.csdnimg.cn/img_convert/5900aaa9b7478b8ebd8824b59c5ce95a.png
[3dde342c7d8a600219931f870dc47121.png]: https://img-blog.csdnimg.cn/img_convert/3dde342c7d8a600219931f870dc47121.png
[d4cf1be1b1aa34e18c67bd9249492140.png]: https://img-blog.csdnimg.cn/img_convert/d4cf1be1b1aa34e18c67bd9249492140.png
[eb98078aa597f305c0254ab5b8b1bb6a.png]: https://img-blog.csdnimg.cn/img_convert/eb98078aa597f305c0254ab5b8b1bb6a.png
[4906b555d6c34477b9265d6d2ba867a4.png]: https://img-blog.csdnimg.cn/img_convert/4906b555d6c34477b9265d6d2ba867a4.png
[26c06ff6cb79dcc2be5986061f95c40d.png]: https://img-blog.csdnimg.cn/img_convert/26c06ff6cb79dcc2be5986061f95c40d.png
[75b07a32f6bd83d36dccf8be8a46c0af.png]: https://img-blog.csdnimg.cn/img_convert/75b07a32f6bd83d36dccf8be8a46c0af.png
[6d318b27b52c1d02e9650d27e9133e8c.png]: https://img-blog.csdnimg.cn/img_convert/6d318b27b52c1d02e9650d27e9133e8c.png
[54fd91fc0d080f757aace208838a0ce4.png]: https://img-blog.csdnimg.cn/img_convert/54fd91fc0d080f757aace208838a0ce4.png
[9db2fc47b2937d56fc94fff1eae194d6.png]: https://img-blog.csdnimg.cn/img_convert/9db2fc47b2937d56fc94fff1eae194d6.png
[de3709b52c4205c7f3951da516290cc0.png]: https://img-blog.csdnimg.cn/img_convert/de3709b52c4205c7f3951da516290cc0.png
[4f816563b487960b548a5203e4924f9d.png]: https://img-blog.csdnimg.cn/img_convert/4f816563b487960b548a5203e4924f9d.png
[6ac9322e61595dc9d89eaaaf0ca02888.png]: https://img-blog.csdnimg.cn/img_convert/6ac9322e61595dc9d89eaaaf0ca02888.png
[6e64fefc2845699c596e86ef3103bad4.png]: https://img-blog.csdnimg.cn/img_convert/6e64fefc2845699c596e86ef3103bad4.png
[38a72dbcf09d0b2c07d7e7e146508241.png]: https://img-blog.csdnimg.cn/img_convert/38a72dbcf09d0b2c07d7e7e146508241.png
[17728ff96e76d406eecf22139e351b2c.png]: https://img-blog.csdnimg.cn/img_convert/17728ff96e76d406eecf22139e351b2c.png
[1b33765d498c90a4835e609679aad12d.png]: https://img-blog.csdnimg.cn/img_convert/1b33765d498c90a4835e609679aad12d.png
[021c02b264b137bda76e09d20bbebe2b.png]: https://img-blog.csdnimg.cn/img_convert/021c02b264b137bda76e09d20bbebe2b.png
[2b9e681c1857e70660cef9a3351a293e.png]: https://img-blog.csdnimg.cn/img_convert/2b9e681c1857e70660cef9a3351a293e.png
[affb4a11f065ae426840dd5a89beecc1.png]: https://img-blog.csdnimg.cn/img_convert/affb4a11f065ae426840dd5a89beecc1.png
[025ff7ad3d5d3a41926b0e07b520a0cc.png]: https://img-blog.csdnimg.cn/img_convert/025ff7ad3d5d3a41926b0e07b520a0cc.png
[e2987e0d4afafe7d2d3451e6ea129d97.png]: https://img-blog.csdnimg.cn/img_convert/e2987e0d4afafe7d2d3451e6ea129d97.png
[2f41540c1fcd28ac4a6e90c6dd3f045d.png]: https://img-blog.csdnimg.cn/img_convert/2f41540c1fcd28ac4a6e90c6dd3f045d.png
[b811b1f13d50abfd5da89bddf7263fe2.png]: https://img-blog.csdnimg.cn/img_convert/b811b1f13d50abfd5da89bddf7263fe2.png
[02b42f2b9ab54005ac9439dfe34ee28f.png]: https://img-blog.csdnimg.cn/img_convert/02b42f2b9ab54005ac9439dfe34ee28f.png
[7fb886e1f29a1b530e98415d9dd68cc4.png]: https://img-blog.csdnimg.cn/img_convert/7fb886e1f29a1b530e98415d9dd68cc4.png
[720c48db7b46715660a57ab8e0e3624e.png]: https://img-blog.csdnimg.cn/img_convert/720c48db7b46715660a57ab8e0e3624e.png