文章目录
先导知识
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 477MB），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）。
而 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里面已经包含Conda了，Anaconda除了包括Conda、Python，还包括一大堆安装好的工具包，比如：numpy、pandas等
Anaconda 下载
下载官方网址：https://www.anaconda.com/products/distribution
如果是Windows系统，直接点击图标下载最新版：
如果不是，那么点击其他相应图标后，会转到以下三种操作系统的版本选项：
因为 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（图1第一个箭头）。
然后下载的是
Python 3.8 version
64位图形安装程序（477 MB）
当然，你也可以根据自己的实际情况，选择 32-Bit 版本的（现在大多数计算机都是64位的）。
Anaconda 安装
双击下载好的Anaconda3-2021.05-Windows-x86_64.exe文件
出现如下界面，点击 Next 即可进行下一步
点击 I Agree （我同意）
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 Just me，我就一个用户，继续点击 Next
Destination Folder 是“目标文件夹”的意思，选择安装到什么地方。
默认是安装到 C:\ProgramData\Anaconda3文件夹下。你也可以选择 Browse… ，选择想要安装的文件夹。
我 C 盘空间不是很充裕，所以我选择安装到我的E盘。
注意：该文件夹必须是空的，且红色方框中的地址不包含中文，否则会报错
点击Next
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。
这里来到 Advanced Options（高级选项）。两个默认就好，第一个是加入环境变量，默认不勾选，第二个是默认使用 Python 3.8，默认勾选，点击“Install”，终于开始安装额。
过程还是挺长的，请耐心等待。
经过漫长的等待，终于安装完成 Installation Complete （安装完成）了，点击 Next>。
点击Next
点击 Finish，那两个 √ 可以取消。
Anaconda 配置环境变量
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 （或者搜索框直接搜高级系统设置）中添加 anaconda的安装目录的Scripts文件夹, 看个人安装路径不同需要自己调整.
很多脚本我们都能用到：
搜索框输入查看高级系统设置，点击查看高级系统设置。
点击 环境变量
双击 用户变量中的 path（系统也行）
点击新建；添加 anaconda的安装目录的Scripts文件夹, 看个人安装路径不同需要自己调整；最后点 确定。
退出的环境变量，系统属性页面也要点确定。
测试配置
之后就可以打开命令行(最好用管理员模式打开)
输入
conda --version如果输出conda版本之类的就说明环境变量设置成功了.
Anaconda 其他操作
后续的一些与pycharm连接使用，anaconda具体原理等其他使用，详见底部参考[1]的链接。本文仅对Ancona近期版本的安装进行详细说明。另附用conda命令安装第三方包和一些常用的命令，初学者目前可以忽略，等到用到的时候再看即可。
安装第三方包
输入
conda install requests或者
pip install requests来安装requests包（或者其他的一些包）
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.
卸载第三方包
还拿requests包为例，输入
conda remove requests或者
pip uninstall requests查看环境包信息
要查看当前环境中所有安装了的包可以用
conda list
导入导出环境
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其他命令
常用命令列举如下：
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来源地址：https://blog.csdn.net/weixin_45525272/article/details/129265214
