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


目录
打赏
0
1
1
0
116
分享
相关文章
|
3天前
|
时间序列异常检测:MSET-SPRT组合方法的原理和Python代码实现
MSET-SPRT是一种结合多元状态估计技术(MSET)与序贯概率比检验(SPRT)的混合框架,专为高维度、强关联数据流的异常检测设计。MSET通过历史数据建模估计系统预期状态,SPRT基于统计推断判定偏差显著性,二者协同实现精准高效的异常识别。本文以Python为例,展示其在模拟数据中的应用,证明其在工业监控、设备健康管理及网络安全等领域的可靠性与有效性。
414 7
时间序列异常检测:MSET-SPRT组合方法的原理和Python代码实现
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
87 13
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
Python/Anaconda双方案加持!Jupyter Notebook全平台下载教程来袭
Jupyter Notebook 是一款交互式编程与数据科学分析工具,支持40多种编程语言,广泛应用于机器学习、数据清洗和学术研究。其核心优势包括实时执行代码片段、支持Markdown文档与LaTeX公式混排,并可导出HTML/PDF/幻灯片等格式。本文详细介绍了Jupyter Notebook的软件定位、特性、安装方案(Anaconda集成环境与原生Python+PIP安装)、首次运行配置及常见问题解决方案,帮助用户快速上手并高效使用该工具。
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
74 8
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
71 7
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【01】python开发之实例开发讲解-如何获取影视网站中经过保护后的视频-用python如何下载无法下载的视频资源含m3u8-python插件之dlp-举例几种-详解优雅草央千澈
【01】python开发之实例开发讲解-如何获取影视网站中经过保护后的视频-用python如何下载无法下载的视频资源含m3u8-python插件之dlp-举例几种-详解优雅草央千澈
160 34
【01】python开发之实例开发讲解-如何获取影视网站中经过保护后的视频-用python如何下载无法下载的视频资源含m3u8-python插件之dlp-举例几种-详解优雅草央千澈
随机的暴力美学蒙特卡洛方法 | python小知识
蒙特卡洛方法是一种基于随机采样的计算算法,广泛应用于物理学、金融、工程等领域。它通过重复随机采样来解决复杂问题,尤其适用于难以用解析方法求解的情况。该方法起源于二战期间的曼哈顿计划,由斯坦尼斯拉夫·乌拉姆等人提出。核心思想是通过大量随机样本来近似真实结果,如估算π值的经典示例。蒙特卡洛树搜索(MCTS)是其高级应用,常用于游戏AI和决策优化。Python中可通过简单代码实现蒙特卡洛方法,展示其在文本生成等领域的潜力。随着计算能力提升,蒙特卡洛方法的应用范围不断扩大,成为处理不确定性和复杂系统的重要工具。
116 21
Python3 自定义排序详解:方法与示例
Python的排序功能强大且灵活,主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构(如列车信息)进行排序。掌握这些技巧可以显著提升数据处理能力,为编程提供更强大的支持。
66 10
Python中使用MySQL模糊查询的方法
本文介绍了两种使用Python进行MySQL模糊查询的方法:一是使用`pymysql`库,二是使用`mysql-connector-python`库。通过这两种方法,可以连接MySQL数据库并执行模糊查询。具体步骤包括安装库、配置数据库连接参数、编写SQL查询语句以及处理查询结果。文中详细展示了代码示例,并提供了注意事项,如替换数据库连接信息、正确使用通配符和关闭数据库连接等。确保在实际应用中注意SQL注入风险,使用参数化查询以保障安全性。