Anaconda 跨平台安装配置与使用完整技术文档

适用范围：Windows、Ubuntu/Linux、macOS。
适用对象：Python 初学者、数据分析/机器学习开发者、需要多项目隔离 Python 环境的开发人员。
文档目标：说明 Anaconda 的概念、安装、初始化、环境管理、包管理、Jupyter/Spyder 使用、跨平台差异、镜像源配置、环境迁移、卸载与常见问题排查。

1. Anaconda 是什么#

Anaconda 是一个面向 Python/R 数据科学、机器学习、科学计算和工程开发的发行版。它通常包含以下几类内容：

Python 解释器
安装后自带一个 Python 运行环境。
conda 包管理器与环境管理器
conda 既可以安装 Python 包，也可以安装部分非 Python 依赖，例如 GDAL、PROJ、OpenCV、CUDA 相关组件等。它还能创建相互隔离的运行环境。
Anaconda Navigator 图形界面
Windows 和 macOS 用户可以通过图形界面启动 Jupyter Notebook、Spyder、VS Code 等工具。
常用科学计算包
Anaconda Distribution 通常预装大量科学计算、数据分析和机器学习相关包，例如 NumPy、pandas、Matplotlib、SciPy、scikit-learn、Jupyter 等。
跨平台一致的环境管理能力
同一个项目可以在 Windows、Ubuntu/Linux、macOS 上使用类似的命令创建、激活、导出和恢复环境。

1.1 为什么需要 Anaconda#

在实际开发中，经常遇到以下问题：

A 项目需要 Python 3.8，B 项目需要 Python 3.11；
一个项目依赖旧版 TensorFlow，另一个项目依赖新版 PyTorch；
某些地理空间库，如 GDAL、rasterio、geopandas，在普通 pip 环境中安装困难；
多个项目之间依赖冲突，升级一个包后导致另一个项目不能运行；
需要把本机开发环境迁移到服务器或同事电脑。

Anaconda/conda 的核心价值就是：为不同项目建立独立、可复现、可迁移的 Python 运行环境。

2. Anaconda、Miniconda、Miniforge 的区别#

名称	特点	适用场景
Anaconda Distribution	体积较大，预装大量科学计算包，带 Navigator 图形界面	初学者、教学、离线环境、希望开箱即用
Miniconda	体积小，只包含 conda、Python 和基础依赖	有经验用户、服务器、生产环境、希望按需安装包
Miniforge / Mambaforge	默认使用 conda-forge 社区源，常用于开源科学计算环境	Linux/macOS、GDAL/GeoPandas 等依赖较复杂的场景

2.1 选择建议#

个人学习、教学、Windows 桌面开发：推荐 Anaconda Distribution。
服务器、生产环境、磁盘空间有限：推荐 Miniconda 或 Miniforge。
GIS、遥感、GDAL、GeoPandas、rasterio 等项目：优先考虑 conda-forge 生态，可使用 Miniforge，也可在 Anaconda 中配置 conda-forge。
不想安装大量不需要的包：使用 Miniconda 更合适。

本文以 Anaconda Distribution 为主，同时补充 conda 的通用使用方法。

3. 安装前准备#

3.1 系统要求#

安装前建议确认：

Windows 10/11 64 位；
Ubuntu 20.04/22.04/24.04 或其他主流 Linux 发行版；
macOS Intel 或 Apple Silicon；
至少 5GB 以上可用磁盘空间，完整 Anaconda 安装和后续环境会占用更多空间；
网络可访问 Anaconda 官方站点或已配置可用镜像源。

3.2 下载来源#

建议只从以下可信来源下载安装包：

Anaconda 官方下载页；
Anaconda 官方文档中提供的下载命令；
企业内部镜像仓库；
国内高校/云厂商镜像站，例如清华源、中科大源、阿里云源等，但需确认文件来源可靠。

不要从来历不明的网盘、论坛或第三方站点下载安装包。

3.3 版本选择#

安装时不建议再使用旧文档中的固定版本，例如：

bash
wget https://repo.continuum.io/archive/Anaconda3-5.3.1-Linux-x86_64.sh

该版本已经较旧，内置 Python 和依赖包都不适合新项目。建议安装当前官方最新版，或者根据项目要求选择明确版本。

4. Windows 安装与配置#

4.1 图形化安装方式#

步骤 1：下载安装包#

进入 Anaconda 官方下载页面，下载 Windows 64 位图形安装包，文件名通常类似：

text
Anaconda3-20xx.xx-x-Windows-x86_64.exe

步骤 2：运行安装程序#

双击 .exe 文件，按向导安装。

建议选择：

text
Install for: Just Me

除非是多人共用电脑且有管理员维护需求，否则不建议选择 All Users。

步骤 3：安装路径#

推荐安装到用户目录，例如：

text
C:\Users\用户名\anaconda3

不建议安装到含中文、空格过多或权限复杂的目录。虽然 Anaconda 可以处理多数情况，但部分旧包、编译工具或第三方库可能对路径敏感。

步骤 4：环境变量选项#

Windows 安装过程中通常会出现类似选项：

text
Add Anaconda3 to my PATH environment variable

官方通常不推荐勾选该项，因为可能影响系统已有 Python。更稳妥的方式是使用：

text
Anaconda Prompt

如果希望在 PowerShell、CMD 或 VS Code 终端中直接使用 conda，可以在安装后执行初始化命令。

步骤 5：初始化 PowerShell 或 CMD#

打开 Anaconda Prompt，执行：

bash
conda init

如果只想初始化 PowerShell：

bash
conda init powershell

如果只想初始化 CMD：

bash
conda init cmd.exe

执行后关闭终端并重新打开。

步骤 6：验证安装#

在 Anaconda Prompt 中执行：

bash
conda --version
conda info
python --version

能正常输出版本信息，说明安装成功。

4.2 Windows 常用启动方式#

启动 Anaconda Navigator#

在开始菜单中搜索：

text
Anaconda Navigator

可通过图形界面启动 Jupyter Notebook、JupyterLab、Spyder 等工具。

启动 Anaconda Prompt#

在开始菜单中搜索：

text
Anaconda Prompt

这是 Windows 下最推荐的 conda 命令行入口。

在 VS Code 中使用 conda 环境#

安装 VS Code；
安装 Python 插件；
打开项目文件夹；
按 Ctrl + Shift + P；
搜索：

text
Python: Select Interpreter

选择对应 conda 环境下的 Python 解释器。

5. Ubuntu/Linux 安装与配置#

以下以 Ubuntu 为例，其他 Linux 发行版基本类似。

5.1 安装依赖#

最小化系统可能缺少基础工具，建议先安装：

bash
sudo apt update
sudo apt install -y wget curl bzip2 ca-certificates

如果需要编译 Python 扩展，还可以安装：

bash
sudo apt install -y build-essential

5.2 下载安装脚本#

bash
cd ~

从官方页面获取最新 Linux 安装包。示例：

bash
wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh

如果是 ARM64 Linux，需要下载对应 aarch64 安装包。

5.3 校验安装包#

生产环境建议校验 SHA256。示例：

bash
sha256sum Anaconda3-latest-Linux-x86_64.sh

将输出值与官方页面提供的校验值对比。

5.4 执行安装#

bash
bash Anaconda3-latest-Linux-x86_64.sh

安装过程通常包括：

阅读许可协议；
输入 yes 接受协议；
确认安装路径，默认通常为：

text
/home/用户名/anaconda3

是否执行 conda init。

建议普通用户安装到自己的 home 目录，不建议直接安装到 /usr/local，除非明确需要多人共用并由管理员维护。

5.5 初始化 shell#

如果安装时没有执行初始化，可手动执行：

bash
~/anaconda3/bin/conda init bash

如果使用 zsh：

bash
~/anaconda3/bin/conda init zsh

然后重新加载配置：

bash
source ~/.bashrc

或关闭终端重新打开。

5.6 验证安装#

bash
conda --version
conda info
python --version

5.7 不希望自动进入 base 环境#

安装后打开终端，可能自动显示：

text
(base)

如果不希望自动激活 base 环境：

bash
conda config --set auto_activate_base false

之后需要使用 conda 时手动执行：

bash
conda activate base

6. macOS 安装与配置#

macOS 分为 Intel 芯片和 Apple Silicon 芯片，需要选择对应安装包。

6.1 判断芯片架构#

在终端执行：

bash
uname -m

常见结果：

text
x86_64   # Intel Mac
arm64    # Apple Silicon，例如 M1/M2/M3/M4

6.2 图形安装方式#

步骤 1：下载 pkg 安装包#

从 Anaconda 官方页面下载对应架构的 macOS 安装包：

text
macOS x86_64 pkg
macOS arm64 pkg

步骤 2：双击安装#

双击 .pkg 文件，按向导安装。

步骤 3：验证#

打开 Terminal，执行：

bash
conda --version
conda info
python --version

如果提示 conda: command not found，需要执行初始化或确认安装路径。

6.3 命令行安装方式#

Apple Silicon 示例：

bash
cd ~
curl -O https://repo.anaconda.com/archive/Anaconda3-latest-MacOSX-arm64.sh
bash Anaconda3-latest-MacOSX-arm64.sh

Intel Mac 示例：

bash
cd ~
curl -O https://repo.anaconda.com/archive/Anaconda3-latest-MacOSX-x86_64.sh
bash Anaconda3-latest-MacOSX-x86_64.sh

6.4 初始化 zsh#

macOS 新版本默认使用 zsh：

bash
~/anaconda3/bin/conda init zsh
source ~/.zshrc

如果使用 bash：

bash
~/anaconda3/bin/conda init bash
source ~/.bash_profile

6.5 Apple Silicon 注意事项#

Apple Silicon 上有两类环境：

原生 arm64 环境
性能好，推荐优先使用。
Rosetta x86_64 环境
某些旧包只支持 Intel 架构时可能需要。

除非项目依赖明确要求 x86_64，否则建议直接使用 arm64 版本 Anaconda。

7. conda 基础使用#

7.1 查看 conda 信息#

bash
conda info

常用输出包括：

当前 base 环境路径；
当前激活环境；
conda 版本；
Python 版本；
channel 配置；
平台架构。

7.2 查看 conda 版本#

bash
conda --version

7.3 更新 conda#

bash
conda update -n base -c defaults conda

也可以更新 Anaconda 发行版中的包：

bash
conda update anaconda

注意：生产环境不要随意整体更新，建议按项目固定版本。

8. 环境管理#

8.1 创建环境#

基本语法：

bash
conda create -n 环境名 python=版本号

示例：

bash
conda create -n py311 python=3.11

创建带常用包的环境：

bash
conda create -n data python=3.11 numpy pandas matplotlib jupyterlab

8.2 激活环境#

bash
conda activate py311

激活后终端前面通常会显示：

text
(py311)

8.3 退出环境#

bash
conda deactivate

注意：旧文档中常写成：

bash
conda deactivate <env_name>

现代 conda 通常直接使用：

bash
conda deactivate

8.4 查看所有环境#

bash
conda env list

或：

bash
conda info --envs

8.5 删除环境#

bash
conda env remove -n py311

或：

bash
conda remove -n py311 --all

8.6 克隆环境#

bash
conda create -n py311_bak --clone py311

适用于本机复制环境，不建议作为跨机器迁移的首选方式。

8.7 重命名环境#

conda 没有所有版本都稳定支持的直接重命名方式，通用做法是克隆后删除旧环境：

bash
conda create -n new_env --clone old_env
conda env remove -n old_env

8.8 指定安装路径创建环境#

bash
conda create -p /path/to/env python=3.11

激活时使用完整路径：

bash
conda activate /path/to/env

这种方式适合项目内环境或服务器共享目录，但要注意路径迁移问题。

9. 包管理#

9.1 查看已安装包#

bash
conda list

查看指定包：

bash
conda list numpy

9.2 搜索包#

bash
conda search numpy

指定 channel 搜索：

bash
conda search -c conda-forge gdal

9.3 安装包#

bash
conda install numpy pandas matplotlib

指定版本：

bash
conda install python=3.10
conda install numpy=1.26

指定 channel：

bash
conda install -c conda-forge geopandas

9.4 更新包#

bash
conda update numpy

更新当前环境所有包：

bash
conda update --all

谨慎使用 conda update --all，可能造成依赖版本变化。

9.5 删除包#

bash
conda remove numpy

9.6 conda 与 pip 的关系#

conda 和 pip 都可以安装 Python 包，但机制不同。

建议顺序：

优先使用 conda 安装底层依赖复杂的包；
conda 找不到时，再使用 pip；
尽量避免在同一环境中频繁混用 conda 和 pip；
使用 pip 前先激活目标 conda 环境。

示例：

bash
conda activate myenv
conda install numpy pandas
pip install some-package

查看 pip 是否属于当前环境：

bash
which pip      # Linux/macOS
where pip      # Windows

10. environment.yml 环境文件#

10.1 导出完整环境#

bash
conda env export > environment.yml

该方式会导出较完整的包版本信息，但可能包含本机路径 prefix，跨平台迁移时需要检查。

10.2 导出更适合跨平台的环境#

推荐方式：

bash
conda env export --from-history > environment.yml

该命令只导出用户显式安装的包，更适合跨系统重建环境。

10.3 示例 environment.yml#

yaml
name: geo-env
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.11
  - numpy
  - pandas
  - geopandas
  - rasterio
  - jupyterlab
  - pip
  - pip:
      - some-pip-only-package

10.4 根据 environment.yml 创建环境#

bash
conda env create -f environment.yml

10.5 更新已有环境#

bash
conda env update -f environment.yml --prune

--prune 表示删除环境文件中不再需要的依赖。

11. channel 镜像源配置#

11.1 查看当前 channel#

bash
conda config --show channels

11.2 添加 conda-forge#

bash
conda config --add channels conda-forge

设置严格 channel 优先级：

bash
conda config --set channel_priority strict

对于 GIS、遥感、科学计算类项目，conda-forge 往往包更全、版本更新更快。

11.3 删除 channel#

bash
conda config --remove channels conda-forge

11.4 国内镜像源配置示例#

国内网络访问官方源较慢时，可以配置镜像。以下仅作为示例，实际以镜像站最新说明为准。

bash
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/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

查看配置文件：

bash
cat ~/.condarc      # Linux/macOS
type %USERPROFILE%\.condarc   # Windows CMD

11.5 恢复默认源#

bash
conda config --remove-key channels

然后重新添加需要的源。

12. Jupyter Notebook / JupyterLab 使用#

12.1 安装 JupyterLab#

bash
conda create -n notebook python=3.11 jupyterlab
conda activate notebook

12.2 启动 JupyterLab#

bash
jupyter lab

浏览器会自动打开本地地址，例如：

text
http://localhost:8888/lab

12.3 启动 Jupyter Notebook#

bash
jupyter notebook

12.4 将 conda 环境注册为 Jupyter Kernel#

先安装 ipykernel：

bash
conda activate geo-env
conda install ipykernel

bash
python -m ipykernel install --user --name geo-env --display-name "Python (geo-env)"

之后在 Jupyter 中可以选择：

text
Python (geo-env)

12.5 删除 Jupyter Kernel#

查看 kernel：

bash
jupyter kernelspec list

删除：

bash
jupyter kernelspec uninstall geo-env

13. Spyder 使用#

13.1 通过 Navigator 启动#

打开 Anaconda Navigator，选择 Spyder，点击 Launch。

13.2 命令行安装和启动#

bash
conda create -n spyder-env python=3.11 spyder
conda activate spyder-env
spyder

13.3 Spyder 与项目环境#

推荐做法：

单独创建一个开发环境安装 Spyder；
在项目环境中安装 spyder-kernels；
在 Spyder 中配置项目环境解释器。

示例：

bash
conda activate project-env
conda install spyder-kernels

14. VS Code 中使用 Anaconda#

14.1 Windows#

打开 VS Code；
安装 Python 插件；
打开项目目录；
选择解释器：

text
Python: Select Interpreter

选择类似路径：

text
C:\Users\用户名\anaconda3\envs\项目环境\python.exe

14.2 Ubuntu/macOS#

选择解释器路径类似：

text
/home/用户名/anaconda3/envs/项目环境/bin/python
/Users/用户名/anaconda3/envs/项目环境/bin/python

14.3 终端激活失败处理#

如果 VS Code 终端中 conda activate 不可用，执行：

bash
conda init

然后重启 VS Code。

15. 不同平台使用差异#

项目	Windows	Ubuntu/Linux	macOS
推荐终端	Anaconda Prompt / PowerShell	bash / zsh	zsh / bash
路径分隔符	`\`	`/`	`/`
查看命令路径	`where python`	`which python`	`which python`
环境目录	`%USERPROFILE%\anaconda3\envs`	`~/anaconda3/envs`	`~/anaconda3/envs`
shell 初始化	`conda init powershell` / `conda init cmd.exe`	`conda init bash`	`conda init zsh`
常见问题	PATH 冲突、权限、中文路径	shell 未初始化、缺少编译依赖	Apple Silicon 架构兼容

16. 项目推荐工作流#

16.1 新项目初始化#

bash
mkdir my-project
cd my-project
conda create -n my-project python=3.11
conda activate my-project
conda install numpy pandas matplotlib jupyterlab

16.2 保存环境#

bash
conda env export --from-history > environment.yml

16.3 项目目录结构示例#

text
my-project/
├── data/
├── notebooks/
├── src/
├── environment.yml
├── README.md
└── requirements.txt   # 可选，仅 pip 项目使用

16.4 新机器恢复环境#

bash
cd my-project
conda env create -f environment.yml
conda activate my-project

16.5 删除无用环境#

bash
conda env list
conda env remove -n old-env

17. GIS/遥感项目环境示例#

对于 GDAL、rasterio、geopandas、shapely、pyproj 等库，推荐使用 conda-forge。

bash
conda create -n geo python=3.11 -c conda-forge geopandas rasterio gdal pyproj shapely fiona jupyterlab
conda activate geo

验证：

bash
python -c "import geopandas, rasterio, osgeo; print('geo env ok')"

如果需要 OpenCV：

bash
conda install -c conda-forge opencv

如果需要机器学习：

bash
conda install -c conda-forge scikit-learn xgboost

18. 深度学习环境示例#

18.1 PyTorch CPU 环境#

bash
conda create -n torch-cpu python=3.11
conda activate torch-cpu
conda install pytorch torchvision torchaudio cpuonly -c pytorch

18.2 GPU 环境注意事项#

GPU 环境依赖显卡驱动、CUDA 版本、PyTorch/TensorFlow 版本。不同时间官方推荐命令可能变化，安装前应以 PyTorch 或 TensorFlow 官方安装页面为准。

基本原则：

先确认显卡驱动；
不要混装多个 CUDA 版本；
一个项目一个环境；
不要在 base 环境里安装大型深度学习框架。

19. 升级与维护#

19.1 更新 conda#

bash
conda update -n base conda

19.2 清理缓存#

查看可清理内容：

bash
conda clean --dry-run --all

执行清理：

bash
conda clean --all

19.3 查看磁盘占用#

Linux/macOS：

bash
du -sh ~/anaconda3
du -sh ~/anaconda3/envs/*

Windows PowerShell：

powershell
Get-ChildItem $env:USERPROFILE\anaconda3\envs | Select-Object Name

19.4 不建议在 base 环境中安装项目依赖#

base 环境应保持干净，只用于 conda 自身管理。项目依赖应安装到独立环境中。

20. Anaconda 卸载#

20.1 Windows 卸载#

图形方式#

打开控制面板；
进入“程序和功能”；
找到 Anaconda；
点击卸载；
按向导完成。

清理残留目录#

可检查并删除：

text
C:\Users\用户名\anaconda3
C:\Users\用户名\.conda
C:\Users\用户名\.condarc
C:\Users\用户名\.continuum

如果曾手动配置 PATH，需要从系统环境变量中删除 Anaconda 相关路径。

20.2 Ubuntu/Linux 卸载#

删除安装目录：

bash
rm -rf ~/anaconda3

删除配置文件：

bash
rm -rf ~/.conda ~/.condarc ~/.continuum ~/.anaconda

编辑 shell 配置文件：

bash
vim ~/.bashrc

删除或注释 conda 初始化片段，通常类似：

bash
# >>> conda initialize >>>
...
# <<< conda initialize <<<

然后执行：

bash
source ~/.bashrc

20.3 macOS 卸载#

删除安装目录：

bash
rm -rf ~/anaconda3

删除配置文件：

bash
rm -rf ~/.conda ~/.condarc ~/.continuum ~/.anaconda

如果使用 zsh：

bash
vim ~/.zshrc

删除 conda 初始化片段：

bash
# >>> conda initialize >>>
...
# <<< conda initialize <<<

重新加载：

bash
source ~/.zshrc

20.4 使用 anaconda-clean 清理#

也可以先使用官方清理工具：

bash
conda install anaconda-clean
anaconda-clean --yes

然后再删除安装目录。

21. 常见问题与解决方法#

21.1 conda: command not found#

原因：shell 未初始化或 PATH 中没有 conda。

Linux/macOS 可执行：

bash
~/anaconda3/bin/conda init bash
# 或
~/anaconda3/bin/conda init zsh

Windows 建议使用 Anaconda Prompt，或执行：

bash
conda init powershell

21.2 终端总是自动进入 base#

bash
conda config --set auto_activate_base false

21.3 安装包很慢#

可配置镜像源，或使用 conda-forge，并检查网络代理。

bash
conda config --set show_channel_urls yes

21.4 Solving environment 很慢#

可能原因：

channel 混用过多；
包版本约束冲突；
环境太复杂；
conda 版本较旧。

处理建议：

bash
conda update -n base conda
conda config --set channel_priority strict

也可以考虑安装 mamba：

bash
conda install -n base -c conda-forge mamba

之后使用：

bash
mamba install 包名

21.5 pip 安装后 Python 找不到包#

通常是 pip 不属于当前环境。

检查：

bash
which python
which pip

Windows：

bash
where python
where pip

推荐使用：

bash
python -m pip install 包名

21.6 Jupyter 中找不到新环境#

需要安装并注册 ipykernel：

bash
conda activate myenv
conda install ipykernel
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

21.7 Windows 路径中有中文导致问题#

建议安装到英文路径，例如：

text
C:\Anaconda3
C:\Users\username\anaconda3

项目目录也尽量使用英文路径。

21.8 macOS Apple Silicon 包不兼容#

优先尝试 conda-forge：

bash
conda install -c conda-forge 包名

如果旧包只支持 x86_64，需要考虑 Rosetta 环境，但不建议普通项目优先使用。

22. 安全与生产环境建议#

不要在 base 环境中开发业务项目；
每个项目使用独立环境；
重要项目保留 environment.yml；
生产环境固定 Python 和关键依赖版本；
不要随意 conda update --all；
不要从未知来源下载安装包；
服务器上优先考虑 Miniconda/Miniforge，而不是完整 Anaconda；
定期清理不用的环境和缓存；
对 GPU、GDAL、OpenCV 等复杂依赖，优先使用官方推荐命令或 conda-forge；
团队项目应统一 channel 策略，避免 defaults、conda-forge、pip 无规则混用。

23. 常用命令速查表#

23.1 安装与信息#

bash
conda --version
conda info
conda update -n base conda

23.2 环境管理#

bash
conda create -n myenv python=3.11
conda activate myenv
conda deactivate
conda env list
conda env remove -n myenv
conda create -n new_env --clone old_env

23.3 包管理#

bash
conda list
conda search 包名
conda install 包名
conda install -c conda-forge 包名
conda update 包名
conda remove 包名

23.4 环境迁移#

bash
conda env export > environment.yml
conda env export --from-history > environment.yml
conda env create -f environment.yml
conda env update -f environment.yml --prune

23.5 Jupyter#

bash
conda install jupyterlab
jupyter lab
conda install ipykernel
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
jupyter kernelspec list