Anaconda环境与Python的配置方法

简介: 本文介绍在Win10电脑中,安装Anaconda环境与Python语言的方法~

  本文介绍在Win10电脑中,安装Anaconda环境与Python语言的方法。

  在这里需要注意,本文介绍的方法是在电脑自身原本不含有Python的情况下进行的;如果大家电脑中原本就下载、安装过Python语言,需要首先将原本安装Python时的设置的环境变量删除。

  首先,先进行Anaconda环境的安装。

  我们可以在Anaconda的官方网站https://www.anaconda.com/products/individual)进行下载,但是官网下载时可能网速较慢。

  因此,我们可以在清华大学开源软件镜像站进行下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)。

  下载后,双击打开下载好的.exe文件,即可开始安装。

  其中,在“Select Installation Type”一栏中,建议大家选择“All Users”,从而使得当前计算机中的全部用户都可以使用Anaconda

  接下来,需要选择安装的目标文件夹。这里建议大家如果C盘剩余空间大的话,就选择在软件默认的路径安装,这样子在后期使用Anaconda时,可以免除出现很多小错误的麻烦;但一般情况下,C盘空间都是很宝贵的,大家自行选择安装在其他盘符下即可。

  这里请注意,需要记得自己安装Anaconda的路径,也就是上述“Destination Folder”中的路径,以供后续操作使用。

  随后,在弹出的“Adavanced Installation Options”一栏中,不选第一项,选中第二项。其中,第一项是将Anaconda的安装路径自动设置为环境变量,但是这样做可能会带来一些问题,我们后需手动设置环境变量即可;第二项是将Anaconda中一并下载的Python版本作为系统默认的Python

  随后,即可开始安装。

  稍等片刻,完成安装。取消勾选最终界面中的两个选项,点击“Finish”即可。

  接下来,我们需要设置环境变量。按照Windows环境变量(用户变量、系统变量)的设置https://developer.aliyun.com/article/1151654)中介绍的方法,我们将与Anaconda有关的几个路径进行环境变量的设置。

  在这里需要注意,按照Anaconda官网的说法,由于我们前期选择了为所有用户(“All Users”)安装Anaconda,所以这里就选择“环境变量”中的“系统变量”里的“Path”(如上图);若是前期选择了为“Just Me”安装,这里就可以选择“用户变量”中的“Path”(如下图)。

  在这里,为了保证安装操作的正确,我是将两种环境变量类型里的“Path”都进行了设置。

  我们首先到刚刚安装Anaconda时的安装路径,复制路径地址。

  将其放入环境变量中。

  按照上述方法,将下图红框中的四个路径放入环境变量中。请注意,由于安装路径不同,大家所选择的这四个路径地址前半段可能和我的不一致,主要是确保后续文件夹是正确的即可。

  对系统变量和用户变量都进行设置。

  以上即完成了AnacondaPython的下载与安装。接下来,我们需要检查二者是否安装正确。

  在开始菜单中输入cmd,打开“命令提示符”。

  输入python,并查看命令提示符的输出情况。

  若可以显示出Python的具体版本,说明我们的Python已经安装完毕。

  接下来,重新打开一个命令提示符窗口,输入conda --version

  这里请注意,不要在刚刚的命令提示符窗口中直接输入新的语句,因为刚刚输入Python后已经进入了Python的环境,我们需要退出这一环境,否则可能会出现类似下图所示的错误。

  显示出conda的版本,即说明Anaconda安装正确。

  此外,还可以输入conda info

  这同样可以检查Anaconda的安装情况;出现下图所示内容即说明安装无误。

  此时,在开始菜单,我们可以看到安装好的Anaconda软件及其相关应用。

  我们可以分别打开 Anaconda Navigator (Anaconda3)Spyder (Anaconda3) 进行尝试。

  二者打开均无误,可以正常使用。

相关文章
|
2月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
72 3
|
3天前
|
Python
探索Python虚拟环境:virtualenv、venv与pipenv比较
在Python开发中,有效的环境管理至关重要。virtualenv、venv和pipenv是常用的虚拟环境管理工具。virtualenv支持Python 2.7+和3.3+,可创建独立环境;venv为Python 3.3+内置库,简单轻量但功能有限;pipenv则结合了包管理和虚拟环境管理,生成Pipfile.lock确保依赖确定性和安全性,推荐作为首选工具。
|
2天前
|
人工智能 编译器 Python
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
|
7天前
|
机器学习/深度学习 Rust 算法
Python环境管理的新选择:UV和Pixi,高性能Python环境管理方案
近期Python生态系统在包管理领域发生了重要变化,Anaconda调整商业许可证政策,促使社区寻找更开放的解决方案。本文介绍两款新一代Python包管理工具:UV和Pixi。UV用Rust编写,提供高性能依赖解析和项目级环境管理;Pixi基于Conda生态系统,支持conda-forge和PyPI包管理。两者分别适用于高性能需求和深度学习项目,为开发者提供了更多选择。
30 2
|
27天前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法:使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用,内容通俗易懂,适合编程新手阅读。博主表示欢迎读者反馈,共同进步。
|
1月前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
191 5
|
2月前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
122 4
|
8月前
|
数据处理 Python Windows
安装Python与Anaconda
安装Python与Anaconda
79 2
|
机器学习/深度学习 IDE 开发工具
软件类配置(二)【Windows中安装python、pycharm、opencv、anaconda】
软件类配置(二)【Windows中安装python、pycharm、opencv、anaconda】
147 0
|
索引 Python Windows
如何安装Python运行环境Anaconda?(视频教程)
本视频教程针对Windows 7平台,集成3.6版本Python的Anaconda录制。 根据我多次线下编程工作坊获得的反馈经验,发现Python初学者居然在环境安装步骤,就很可能遭受挫折。
1419 0
如何安装Python运行环境Anaconda?(视频教程)