Win10中Anaconda及Python的下载与安装方法

简介: Win10中Anaconda及Python的下载与安装方法

  本文介绍在Win10电脑中,安装AnacondaPython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,下载Anaconda

  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。按照这篇博客https://blog.csdn.net/zhebushibiaoshifu/article/details/115319801)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,不要再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。

欢迎关注公众号/CSDN/知乎/微博:疯狂学习GIS


相关文章
|
1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。
52 3
|
2月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
343 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
18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。
|
25天前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
123 5
|
1月前
|
算法 决策智能 Python
Python中解决TSP的方法
旅行商问题(TSP)是寻找最短路径,使旅行商能访问每个城市一次并返回起点的经典优化问题。本文介绍使用Python的`ortools`库解决TSP的方法,通过定义城市间的距离矩阵,调用库函数计算最优路径,并打印结果。此方法适用于小规模问题,对于大规模或特定需求,需深入了解算法原理及定制策略。
41 15
WK
|
1月前
|
Python
Python中format_map()方法
在Python中,`format_map()`方法用于使用字典格式化字符串。它接受一个字典作为参数,用字典中的键值对替换字符串中的占位符。此方法适用于从字典动态获取值的场景,尤其在处理大量替换值时更为清晰和方便。
WK
84 36
|
1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。
96 4
|
1月前
|
监控 数据挖掘 数据安全/隐私保护
Python脚本:自动化下载视频的日志记录
Python脚本:自动化下载视频的日志记录
|
1月前
|
Python
Python编程中的魔法方法(Magic Methods)
【10月更文挑战第40天】在Python的世界中,魔法方法就像是隐藏在代码背后的神秘力量。它们通常以双下划线开头和结尾,比如 `__init__` 或 `__str__`。这些方法定义了对象的行为,当特定操作发生时自动调用。本文将揭开这些魔法方法的面纱,通过实际例子展示如何利用它们来增强你的类功能。
18 1
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
11种经典时间序列预测方法:理论、Python实现与应用
本文将总结11种经典的时间序列预测方法,并提供它们在Python中的实现示例。
134 2
11种经典时间序列预测方法:理论、Python实现与应用