Miniconda3 是一个轻量级的 Python 环境管理工具，本质上是 Anaconda 的迷你版。
Anaconda 是数据科学领域非常流行的 Python 发行版，内置了 conda 包管理器、Python 运行环境和数百个常用科学计算库，但它的安装包动辄 3-5 GB，对于只需要基础环境的用户来说有点臃肿。Miniconda3 只包含 conda 包管理器、Python 以及少量必要的依赖包，安装包仅 50-80 MB，其余库按需安装，灵活又轻便。
Miniconda3 的核心价值在于通过 conda 来创建和管理独立的 Python 环境。你可以为不同的项目创建各自的虚拟环境，每个环境可以有自己的 Python 版本和包依赖，互不干扰。比如项目 A 需要用 Python 3.9 加 TensorFlow 2.10，项目 B 需要用 Python 3.12 加 PyTorch 2.0，用 Miniconda3 就能轻松实现两个环境并存且隔离，切换起来也很方便。
Miniconda3 和同领域其他工具的定位有所不同，下面简单对比一下：
| 对比项 | Miniconda3 | Anaconda | Python 官方 | pip + venv |
| 安装包大小 | 约 50-80 MB | 约 3-5 GB | 约 25 MB | 系统自带 |
| 包管理器 | conda + pip | conda + pip | pip | pip |
| 预装库数量 | 极少（仅基础依赖） | 150+ 科学计算库 | 无 | 无 |
| 虚拟环境 | 原生支持 | 原生支持 | 需 venv 模块 | venv 支持 |
| 适用场景 | 轻量环境管理 | 数据科学全家桶 | 纯净 Python | 简易环境隔离 |
如果你在纠结装 Anaconda 还是 Miniconda3，我的建议是：除非你需要一次性装好所有数据科学库并且不担心磁盘空间，否则 Miniconda3 是更灵活的选择，需要什么装什么，环境干净可控。
Miniconda3下载
Miniconda3 安装包下载地址：Miniconda3 安装包（源自官网，放心使用）
Windows 用户选择 Miniconda3 Windows 64-bit 的 .exe 安装包下载，macOS 用户根据自己的芯片选择 Intel 或 Apple Silicon 版本，Linux 用户选择对应架构的 .sh 脚本即可。
Miniconda3安装
Windows 平台的安装比较直接。下载完成后双击 .exe 安装包，弹出安装向导界面，点击"Next"进入下一步：
然后是许可协议页面，点击"I Agree"同意协议：
选择安装类型时，建议选择"Just Me"（仅当前用户），避免需要管理员权限的麻烦：
安装路径默认是 C:\Users\用户名\miniconda3，可以根据需要修改，也可以保持默认。
接下来会有一个"Advanced Installation Options"页面，这里有两个比较重要的选项：
- 第一个是"Add Miniconda3 to my PATH environment variable"，建议勾上，这样安装后可以直接在命令行里使用 conda 命令；
- 第二个是"Register Miniconda3 as my default Python"，如果你电脑上没有安装其他 Python，可以勾上。
然后点击"Install"开始安装，等待进度条走完即可。
macOS 和 Linux 的安装方式稍有不同。下载 .sh 脚本后，打开终端，先给脚本添加执行权限（chmod +x Miniconda3-latest-MacOSX-x86_64.sh），然后运行脚本（bash Miniconda3-latest-MacOSX-x86_64.sh），按照提示一路回车确认即可。安装过程中会询问你是否将 conda 初始化到 shell 配置文件中，建议选择"yes"，这样以后打开终端就能直接使用 conda 命令。
Miniconda3基础使用
安装完成后，打开命令提示符（Windows 按 Win+R，输入 cmd 回车）或者终端（macOS/Linux），输入 conda --version，如果能显示 conda 版本号，就说明安装成功了。
接下来最重要的操作就是创建和管理虚拟环境。
1）创建新的虚拟环境
可以使用命令 conda create -n 环境名 python=版本号。比如 conda create -n myproject python=3.10 就能创建一个名为 myproject、Python 3.10 的独立环境。创建过程中会询问是否继续安装，输入 y 确认即可：
等待1-2分钟，环境创建完成：
2）激活虚拟环境
环境创建后，需要激活才能使用。用 conda activate myproject 激活刚创建好的环境，终端的命令提示符前面会显示环境名，表示你已经进入了这个虚拟环境，在这个环境里安装的任何包都不会影响到其他环境。
在激活的环境中，可以用 conda install 包名 来安装第三方库，比如 conda install numpy pandas matplotlib 一次性安装数据科学三件套。如果某个库在 conda 仓库里找不到，也可以用 pip install 来安装，conda 和 pip 在同一个环境里可以混用。
3）查看所有虚拟环境
忘记自己创建了哪些环境？输入以下命令，即可查看所有虚拟环境：
conda info --envs
4）切换虚拟环境
如果当前在"myproject"环境，想切换到"demo"环境，直接激活目标环境即可：
conda activate data
4）删除环境
删除不需要的环境用 conda remove -n 环境名 --all。
Miniconda3配置环境变量
安装完成后在命令行输入 conda 提示"不是内部或外部命令"，是因为安装时没有勾选"Add Miniconda3 to PATH"，手动配置好环境变量就能解决问题。
1）右键点击"此电脑"或"计算机"，选择"属性"：
2）然后点击"高级系统设置"：
3）在系统属性窗口中，点击"环境变量"按钮：
在系统环境一栏里找到 Path 变量，双击打开并添加 Miniconda3 的安装目录（替换为自己的安装路径）：
D:\miniconda3
D:\miniconda3\Library\bin
D:\miniconda3\Scripts
保存后重新打开命令行即可。如果不想改系统变量，也可以在开始菜单中找到"Anaconda Prompt (Miniconda3)"来启动命令行。
Miniconda配置国内镜像（解决下载慢、超时问题）
使用 conda install 安装包时下载速度特别慢，这是因为 conda 默认使用的是国外镜像源，下载速度极慢且易报错，配置国内镜像源一劳永逸：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
配置完成后，后续用 conda 安装包，会自动从清华源下载，速度大幅提升。
Miniconda3常见使用问题
1）创建虚拟环境时太慢或卡住
通常是 conda 在解析依赖关系时耗时较长。可以尝试使用 mamba 来替代 conda 的依赖解析，mamba 用 C++ 重写了依赖解析逻辑，速度比 conda 快很多。安装 mamba 只需要在 base 环境中执行 conda install mamba -n base -c conda-forge，之后用 mamba install 和 mamba create 替代 conda install 和 conda create 即可。
2）激活环境后运行 Python 脚本提示缺少某些模块
说明这个模块在当前环境里没有安装。先用 conda list 查看当前环境已安装的包列表，确认需要的模块是否在其中，如果没有就用 conda install 或 pip install 安装。注意不要安装到 base 环境里，除非这个包所有项目都需要用到，否则应该安装到各自的项目环境中，保持环境隔离。
3）conda update --all 更新所有包时出现版本冲突
通常是因为某些包之间依赖关系比较特殊，一次性全部更新容易造成不兼容。建议采用逐个更新的方式，只更新你确实需要更新的包，或者在一个新的虚拟环境里重新安装需要的包和最新版本。生产环境中使用 conda 时，记录好每个环境的 conda env export > environment.yml 导出配置文件，方便以后还原。
总结
Miniconda3 是管理 Python 开发环境的一款利器，它在保持 conda 强大功能的同时，大幅减小了安装体积。相比 Anaconda 全家桶，Miniconda3 更轻量、更灵活，适合追求"用到什么装什么"的开发习惯。
从 Miniconda3 下载安装到创建虚拟环境、管理包依赖，整个流程学下来，你就掌握了 Python 环境管理的核心技能。无论你是做数据分析、机器学习，还是搞 Web 开发，用 Miniconda3 管理环境都会让工作变得井井有条，不再被各种环境冲突搞得头疼。
