Anaconda与PyCharm零基础安装配置指南：Python环境搭建实战

很多刚开始学 Python 的朋友经常会卡在第一步Python 到底怎么装Anaconda 是什么PyCharm 又是什么为什么网上教程说的 conda、pip、解释器这些概念每个字都认识连起来就看不懂这篇文章就是专门为零基础学习者准备的完整环境搭建教程。我会从“为什么要用 Anaconda”开始讲起一步步带你完成 Anaconda 的下载、安装、环境变量配置再教你安装 PyCharm并把 PyCharm 配置成使用 Anaconda 自带的 Python 解释器。整个过程全部配有详细说明哪怕你之前完全没有接触过编程也能跟着操作完成。1. 为什么要安装 AnacondaPython 和它到底是什么关系1.1 Python 本身是什么Python 是一门编程语言就像英语、中文是人与人交流用的语言一样Python 是你和计算机交流的一种方式。你通过 Python 语法告诉计算机“做什么”计算机执行后返回结果。但计算机并不能直接理解 Python 代码它需要一个“翻译官”这个翻译官就是 Python 解释器。所以想要运行 Python 代码第一步就是安装 Python 解释器。1.2 直接安装 Python 不行吗可以当然可以。你完全可以直接去 Python 官网下载安装包装好解释器后再用记事本写代码用命令行运行。但这样做会遇到几个很现实的问题Python 官方解释器默认只带了一些最基本的标准库像数据分析、爬虫、Web 开发常用的第三方库都需要手动用pip install一个个安装。不同项目可能需要不同版本的 Python或者同一个库的不同版本直接装在一起容易互相冲突。对于新手来说用命令行管理包和虚拟环境有一定门槛。1.3 Anaconda 是什么Anaconda 是一个开源的 Python 发行版它把 Python 解释器、常用的第三方库、包管理工具conda、虚拟环境管理工具以及 Jupyter Notebook 等工具打包到了一起。你可以把 Anaconda 理解成一个“全家桶”装上它就相当于同时装好了 Python 解释器。它自带了conda命令可以方便地安装、卸载、升级 Python 包。它内置了 200 多个常用库比如后面学数据分析会遇到的 NumPy、Pandas、Matplotlib都已经帮你装好了。它还能创建独立的虚拟环境不同项目之间互不影响。所以对于 Python 初学者、数据分析、机器学习方向的学习者来说直接安装 Anaconda 是性价比最高的方式这也是绝大多数教程推荐它的原因。对比项直接装 Python安装 AnacondaPython 解释器需要单独安装自带常用科学计算库通常需要手动安装内置大量常用库包管理工具pipconda pip虚拟环境管理需要额外学习 venvconda 直接支持适合新手一般非常友好2. Anaconda 下载与安装详细步骤2.1 下载 AnacondaAnaconda 的官网下载地址是https://www.anaconda.com/download。打开官网后页面通常会根据你的操作系统自动推荐相应的安装包。你需要留意的是选择自己对应的系统版本目前主要分为 Windows、macOS、Linux 三大类。在 Windows 上Anaconda 提供两种安装包Graphical Installer图形化安装包双击即可安装适合大多数用户。Command Line Installer命令行安装包适合喜欢用命令行的用户。对零基础的同学建议直接选择 Graphical Installer。另外官网下载速度在有时候可能不太稳定。如果下载速度很慢可以寻找国内镜像站比如清华大学的开源软件镜像站进入anaconda/archive目录下载对应版本。需要注意镜像站本身是合法的开源软件镜像服务可以放心使用。这里有一个下载细节Anaconda 的版本号会持续更新你不用刻意追求最新版。选择一个稳定的版本即可重点是把安装步骤和环境配置思路搞懂因为不同版本的安装流程基本一致。2.2 Windows 系统安装 Anaconda下载完成后得到一个.exe安装文件双击开始安装。第一步欢迎页面点击Next继续。第二步许可协议阅读许可协议后选择I Agree。第三步选择安装方式这里有两个选项Just Me (recommended)仅为当前用户安装推荐选择这个。All Users为电脑所有用户安装需要管理员权限如果你不确定就选 Just Me。第四步选择安装路径这一步非常关键。Anaconda 默认安装路径通常在用户目录下例如C:\Users\你的用户名\anaconda3。这里有两个建议安装路径中不要出现中文。安装路径中不要出现空格。因为后续很多工具、库需要通过命令行定位路径中文和空格都可能引发莫名其妙的报错。如果你只有一个 C 盘建议直接使用默认路径如果有 D 盘也可以安装到D:\anaconda3。第五步高级安装选项到了这一步页面上会有两个复选框Add Anaconda3 to my PATH environment variable是否把 Anaconda 加入系统环境变量。Register Anaconda3 as my default Python 3.x是否把 Anaconda 注册为默认 Python 版本。在较新的 Anaconda 安装版本里默认是不勾选第一项的官方推荐使用 Anaconda Prompt 或 Anaconda Navigator 来启动。但对于新手来说如果不加入 PATH后面在命令行中使用conda和python就会提示“不是内部或外部命令”。这里我给一个稳妥的建议如果你希望后续在 CMD 或 PowerShell 里能直接使用conda命令可以勾选第一项。如果你安装时忘了勾选也没关系后面我会讲如何手动配置环境变量。第六步等待安装点击Install开始安装这个过程需要几分钟到十几分钟不等取决于电脑性能和安装版本。安装完成后页面上会出现两个可选项Anaconda Navigator图形化管理界面。Anaconda Prompt命令行入口。先不急着打开我们继续配置环境。2.3 macOS 和 Linux 安装说明macOS 和 Linux 的安装方式类似macOS 下载.pkg文件后双击安装即可Linux 一般通过.sh脚本在终端中安装。Linux 示例bash Anaconda3-2024.10-1-Linux-x86_64.sh安装过程中会问你是否同意许可协议输入yes然后确认安装路径。最后会问是否运行conda init建议选择yes这样终端会自动配置好环境变量。安装完成后关闭终端重新打开conda命令即可生效。3. Anaconda 环境变量配置详解3.1 为什么有时候安装完还是不能用很多朋友反馈明明安装成功了打开 CMD 输入conda却提示conda 不是内部或外部命令也不是可运行的程序或批处理文件。这个问题的根本原因是系统找不到conda.exe这个程序所在的位置。Windows 在运行命令时会在当前目录和系统环境变量Path里查找可执行程序。如果 Anaconda 的安装目录没有加入Path系统自然找不到conda命令。3.2 手动配置环境变量步骤如果你安装时没有勾选“Add Anaconda3 to my PATH”也不用重新安装手动配置只需要几步。第一步打开环境变量设置右键点击“此电脑” → 选择“属性” → 点击左侧“高级系统设置” → 点击“环境变量”。第二步找到 Path 变量在“系统变量”或“用户变量”中找到Path双击打开编辑窗口。这里建议在“用户变量”里修改因为系统变量影响全局普通用户修改用户变量就足够了也更安全。第三步添加 Anaconda 相关路径点击“新建”依次添加以下三个路径假设 Anaconda 安装目录是D:\anaconda3D:\anaconda3 D:\anaconda3\Scripts D:\anaconda3\Library\bin然后点击“确定”保存。为什么要添加这三条路径呢D:\anaconda3这是 Anaconda 的主目录里面包含python.exe。D:\anaconda3\Scripts这个目录下存放着conda.exe、pip.exe等命令行工具。D:\anaconda3\Library\bin这里包含一些动态链接库某些包的运行需要在 PATH 中能找到它们。第四步验证配置是否成功重新打开一个 CMD 窗口输入conda --version如果显示类似conda 24.x.x的版本号说明环境变量配置成功。再输入python --version如果显示 Python 版本号说明 Python 环境也正常。3.3 常见的高频报错404 Not Found 问题很多人在使用conda安装包时会遇到类似下面的报错Collecting package metadata (current_repodata.json): failed UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/free The channel is not accessible or is invalid.这个问题的原因是Anaconda 官方源中的某些 channel 地址已经变更或失效。默认配置里可能仍然保留了旧地址比如pkgs/free、pkgs/msys这些 channel 在过去存在但现在访问会返回 404。解决思路有两种方式一从配置中移除无效 channelconda config --remove channels anaconda/pkgs/free conda config --remove channels anaconda/pkgs/msys然后重新查看当前 channel 配置conda config --show channels方式二直接替换为国内镜像源国内镜像源往往更稳定速度也更快。可以按下面的命令添加清华源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添加之后再尝试安装包。如果依然提示 404通常是旧配置缓存导致可以执行conda clean -i清理索引缓存后重新安装。这里需要说明的是如果你使用的是学校、公司内部提供的 conda 镜像请按内部的配置文档操作不要随意修改 channel 配置避免影响内网环境的统一性。4. 使用 conda 创建和管理 Python 环境4.1 为什么需要虚拟环境虚拟环境是 Anaconda 最实用的功能之一。它就像一个独立的 Python 空间每个环境可以有自己独立的 Python 版本和第三方库互不干扰。举个例子项目 A 需要用 TensorFlow 1.x。项目 B 需要用 TensorFlow 2.x。如果你直接在一个环境里安装两个版本会发生冲突。用 conda 虚拟环境就可以同时存在两套环境按需切换。4.2 创建虚拟环境打开命令行Windows 可以使用 Anaconda Prompt也可以使用 CMD执行conda create -n myenv python3.9参数说明-n myenv指定环境名称这里叫myenv你可以自行修改。python3.9指定该环境中的 Python 版本。执行后conda 会检查需要下载的依赖并询问是否继续输入y即可。4.3 激活和退出环境Windows 激活环境conda activate myenvmacOS / Linux 激活环境conda activate myenv激活后命令行前面会出现(myenv)前缀说明当前正在该环境中。退出环境conda deactivate4.4 查看和删除环境查看当前所有环境conda env list删除某个环境conda remove -n myenv --all4.5 给环境安装第三方库激活环境后使用conda install或pip install安装库。conda install numpy pandas matplotlib也可以使用 pippip install requests beautifulsoup4两者区别在于conda install会解决依赖冲突而pip更通用部分 conda 源里没有的包需要用 pip 安装。实战中很多项目会提供一个requirements.txt你可以直接使用pip install -r requirements.txt4.6 conda、pip、python 版本对应关系使用 conda 时一定要留意当前命令行所在的环境。如果你在 base 环境执行pip install装的是 base 环境对应的 Python 包激活myenv之后执行pip install装的就是 myenv 环境的包。新手最常犯的错误就是忘记激活环境导致包装到了错误的位置然后在 PyCharm 里还发现“明明装了却没找到”。这个问题的排查方法会在后面第 6 节里详细说明。5. PyCharm 下载、安装与配置 Anaconda 解释器5.1 PyCharm 是什么PyCharm 是 JetBrains 公司开发的一款 Python 集成开发环境IDE。你可以把 IDE 理解成一个“高级编辑器”它不仅能写代码还提供代码补全、语法检查、调试、版本控制等功能。PyCharm 有 Community社区版和 Professional专业版两个版本Community 版免费对新手写普通 Python 项目完全够用。Professional 版收费支持 Web 开发、数据库工具等学生可以申请免费授权。本文以 Community 版为例。5.2 下载 PyCharmPyCharm 官网下载地址是https://www.jetbrains.com/pycharm/download/。进入页面后选择 Community 版本下载对应系统的安装包。5.3 安装 PyCharmWindows 下双击.exe文件安装步骤比较简单点击Next。选择安装路径。勾选“创建桌面快捷方式”等选项。点击Install。安装完成后打开 PyCharm首次启动会进入欢迎页面可以直接创建新项目。5.4 在 PyCharm 中配置 Anaconda 解释器创建项目时PyCharm 会要求你选择解释器。在New Project窗口中左侧选择Pure Python右侧找到Previously configured interpreter或Add Interpreter点击Add Interpreter→Add Local Interpreter。如果你使用的是较新版本的 PyCharm界面可能是这样左侧选择Conda。Environment选择Use existing environment。在Interpreter下拉列表中选择刚才创建的环境比如myenv或者直接选择C:\Users\你的用户名\anaconda3\python.exe。如果列表里没有可以手动添加。点击文件夹图标找到 Anaconda 安装目录下的python.exe。在 Windows 中路径通常是C:\Users\你的用户名\anaconda3\python.exe如果你创建了虚拟环境那么虚拟环境中的 python 解释器路径一般在 Anaconda 安装目录下的envs文件夹里例如C:\Users\你的用户名\anaconda3\envs\myenv\python.exe配置完成后点击Create创建项目PyCharm 就会使用 Anaconda 的 Python 环境来运行代码。5.5 如何验证配置成功在 PyCharm 中新建一个 Python 文件输入import sys print(sys.executable)然后点击运行如果输出的是你刚才配置的 Anaconda python.exe 路径说明解释器配置成功。再测试一下常见的第三方库是否能正常导入import numpy as np arr np.array([1, 2, 3]) print(arr * 2)如果输出[2 4 6]说明 NumPy 也正常可用。5.6 PyCharm 中安装第三方包在 PyCharm 中可以通过左下角的Python Packages窗口搜索并安装第三方包也可以使用终端点击 PyCharm 底部的Terminal先确认当前环境是否正确然后输入pip install pandas安装完成后代码中就可以直接import pandas了。如果安装后依然提示ModuleNotFoundError: No module named pandas不要急着重新安装先去右下角看当前用的是哪个解释器极有可能是解释器选错了环境。6. 完整实战从零创建一个数据分析项目为了把前面学到的内容串起来这里我们实际创建一个简单的数据分析项目用 Anaconda PyCharm 完成从环境到运行的全流程。6.1 创建项目结构在 PyCharm 中新建一个项目命名为hello_anaconda。项目结构如下hello_anaconda/ ├── main.py └── requirements.txt6.2 编写 main.py在main.py中输入以下代码# 文件路径hello_anaconda/main.py import numpy as np import pandas as pd # 创建一组模拟数据 data { 姓名: [小明, 小红, 小刚, 小丽], Python成绩: [95, 88, 76, 91], 数学成绩: [89, 92, 85, 80] } df pd.DataFrame(data) print( 成绩表 ) print(df) print(\n 成绩统计 ) print(df.describe()) # 用 NumPy 计算平均分 python_scores df[Python成绩].values print(\nPython 平均分, np.mean(python_scores))6.3 创建 requirements.txtrequirements.txt内容如下numpy pandas实际项目中你通常会写成固定版本号例如numpy1.26.4 pandas2.2.2这样便于所有人使用完全一致的依赖版本。6.4 运行项目点击 PyCharm 右上角的绿色运行按钮控制台输出结果 成绩表 姓名 Python成绩 数学成绩 0 小明 95 89 1 小红 88 92 2 小刚 76 85 3 小丽 91 80 成绩统计 Python成绩 数学成绩 count 4.000000 4.000000 mean 87.500000 86.500000 std 8.346656 5.196152 min 76.000000 80.000000 25% 85.000000 83.750000 50% 89.500000 87.000000 75% 92.000000 89.750000 max 95.000000 92.000000 Python 平均分 87.5到这里你的第一个基于 Anaconda PyCharm 的 Python 数据分析项目就成功运行了。6.5 常见的包安装问题解决如果在 PyCharm 中运行时报错ModuleNotFoundError: No module named pandas按以下顺序排查检查右下角解释器是否为 Anaconda 环境。在 PyCharmTerminal中执行conda env list确认当前激活的环境。执行pip list查看 pandas 是否已安装。如果未安装执行pip install pandas。安装后重启 PyCharm 再运行。7. 常见问题与高频报错排查下面整理了一些初学者在 Anaconda 和 PyCharm 配置过程中最容易遇到的问题你可以直接对照表格排查。问题现象常见原因解决思路conda 不是内部或外部命令Anaconda 安装目录未加入 PATH手动添加环境变量参考第 3 节python命令版本不是 Anaconda 的系统还有其他 PythonPATH 顺序靠前调整 PATH 顺序或在激活环境中运行 python安装包时提示HTTP 404 NOT FOUNDconda 源配置了失效 channel移除无效 channel 或更换国内镜像源安装包速度很慢使用了默认官方源添加国内镜像源PyCharm 中找不到 Anaconda 解释器解释器路径未正确指定手动定位到 anaconda3/python.exe 或 envs/xxx/python.exe明明pip install成功PyCharm 却报No module namedPyCharm 使用了解释器和 pip 所在环境不一致在 PyCharm 右下角切换解释器到对应环境项目路径有中文导入文件报错Anaconda 或项目路径包含中文将 Anaconda 和项目放到纯英文路径下conda 创建环境很慢依赖包过多或网络问题使用镜像源创建环境8. 最佳实践给刚起步的 Python 学习者一些建议8.1 环境管理要主动做不要等出问题再补很多同学学了一段时间后电脑里的环境会变得很混乱系统里装了多个 Python。有的包在 A 环境装过在 B 环境忘了装。跑旧的训练代码时发现某个依赖版本对不上。建议从第一天开始就为一个项目创建一个 conda 环境不要在 base 环境里堆积太多包。base 环境相当于系统的“出厂环境”保持干净能避免大量莫名其妙的坑。8.2 不要复制别人的 environment.yml 就完事当你从 GitHub 上下载别人的项目时通常会看到一个environment.yml文件可以通过以下命令一键创建环境conda env create -f environment.yml这种做法很方便但有时会因为镜像源、平台差异而失败。遇到这种情况不要硬啃改为自己安装依赖优先保证 Python 版本一致再根据报错逐个补齐需要的包。8.3 保持 pip 和 conda 的使用习惯统一在同一个环境里没必要混用 conda 和 pip 安装大量相同的包。通常建议能用conda install装的优先用 conda因为依赖解析更可靠。conda 源中没有的包再使用pip install。一个项目最好把依赖记录到requirements.txt或environment.yml中便于别人复现环境。导出当前环境的依赖pip freeze requirements.txt或者导出 conda 环境conda env export environment.yml8.4 升级包的时机要谨慎在数据分析或者机器学习项目中升级第三方库可能导致原有代码不兼容。比如 pandas 2.x 和 1.x 在某些 API 行为上就有差异。如果不是为了解决某个 bug或者新项目明确需要不建议频繁升级生产环境中的主要依赖。即使要升级也建议先在虚拟环境中验证确认无误后再更新项目依赖文件。8.5 遇到报错按顺序排查不要反复重装初学者很容易遇到报错就“重装大法”但很多问题重装并不能解决。遇到问题可以按照下面的顺序排查看报错信息本身尤其是最后一行。搜索报错关键词优先看官方文档或经验帖子。检查当前使用的环境、Python 版本、包版本。尝试最小化复现把代码简化到最短再测试。确认配置变更后是否重新启动命令行或 IDE。9. 小结与下一步学习方向通过这篇教程你完成了从零到一的 Python 环境搭建理解了 Python 解释器、Anaconda、PyCharm 三者之间的关系。学会了下载和安装 Anaconda并手动配置环境变量。掌握了 conda 虚拟环境的创建、激活、删除和包管理。安装了 PyCharm并把它配置为使用 Anaconda 的 Python 解释器。成功运行了一个包含 NumPy 和 Pandas 的完整示例项目。这也是 Python 学习中最重要的基础能力之一。环境配置好之后后面的语法学习、爬虫实践、数据分析、机器学习项目都会在这套环境之上展开。如果你接下来要继续提升可以考虑按下面顺序学习Python 基础语法变量、数据类型、条件语句、循环、函数。常用数据结构列表、字典、元组、集合。文件读写和异常处理。使用 Pandas 做数据处理。使用 Matplotlib 做数据可视化。结合真实案例写爬虫或自动化脚本巩固对环境的理解。动手练习是学习 Python 最好的方式。如果你按本文步骤完成了环境搭建建议马上去写第一段代码比如用 Python 打印一句问候语再尝试用 Pandas 读取一个 CSV 文件。遇到问题不要怕环境类问题几乎都有成熟的解决方案按上面的排查思路一点点定位很快你就能顺畅地写代码了。如果你觉得这篇教程对你有帮助可以点赞收藏后续继续关注 Python 数据分析、项目实战相关的更多内容。