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 python=3.10）
- 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 --all
2. 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bin
（2）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 *** python=3.9（创建名为 myenv，Python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 venv | conda 环境 |
|---|---|---|
| 来源 | Python 3.3+ 自带 | 需安装 Miniconda / Anaconda |
| Python 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 / PyPI | conda 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。
