一、概述Anaconda 是一款专为数据科学、机器学习和人工智能领域设计的开源 Python/R 语言发行版。集成了 Python 解释器、Conda 包管理器、数百个预装的数据科学库如 NumPy、Pandas、Jupyter Notebook 等以及可视化管理工具。二、核心优势环境隔离通过 Conda 可以为每个项目创建独立的虚拟环境。不同项目可以使用不同版本的 Python 和第三方库互不干扰彻底解决“包依赖冲突”的环境问题。开箱即用预装了 250 个常用的科学计算包安装完成后即可直接进行数据分析和建模。双操作模式既支持使用 conda 命令行进行高效操作也提供了 Anaconda Navigator 图形界面学习成本大幅降低。跨平台一致完美适配 Windows、macOS 和 Linux操作逻辑和命令基本一致便于团队协作和环境迁移。三、conda指令Conda 是 Anaconda 的灵魂日常开发中最常用的是环境管理和包管理。以下是核心命令1. 环境管理查看所有环境conda env list 或 conda info --envs创建新环境conda create -n 环境名 python版本号例如conda create -n py310 python3.10激活环境conda activate 环境名退出当前环境conda deactivate删除无用环境conda remove -n 环境名 --all2. 包管理安装包conda install 包名推荐优先使用 conda 安装兼容性更好卸载包conda uninstall 包名查看已安装的包conda list注如果 conda 仓库中没有某个小众包可以在 conda 环境中直接使用 pip install 包名 安装。四、window系统中环境管理不能将anacoda添加到环境变量时也适用1找到anacoda的安装位置打开bin2此位置打开cmd查看是否能正常执行指令3 指令集如下虚拟环境管理查看所有环境conda env list创建新环境conda create -n *** python3.9创建名为 myenvPython版本为 3.9 的环境激活环境conda activate ***退出当前环境conda deactivate删除环境conda remove -n *** --all包管理(注进行包管理前需先激活对应的虚拟环境)安装包conda install package_name卸载包conda remove package_name更新包conda update package_name查看已安装的包conda list五、conda env 和 Python解释器自带venv虚拟环境对别维度Python venvconda 环境来源Python 3.3 自带需安装 Miniconda / AnacondaPython 版本不能自动管理依赖系统 Python可指定虚拟环境需要的 Python 版本无需依赖当前创建虚虚拟机的Python版本conda 自己下载包管理只用 pip / PyPIconda 包 pip 包非 Python 依赖不支持支持 CUDA、cuDNN、MKL、OpenCV 等隔离程度包级隔离解释器 包 依赖一起隔离体积小大适合场景Web、脚本、通用 Python 项目机器学习、数据科学、深度学习区别venv轻量只隔离 Python 包依赖系统已有的 Python。conda重量级会自带独立的 Python 解释器还能管理 CUDA、cuDNN、MKL、OpenCV 等底层依赖。使用建议做 PyTorch / 机器学习 / 要装 CUDA 相关包优先用 conda。写普通 Python 项目、Web 项目、小脚本用 venv 更轻。