简介：这份PDF教程面向在Windows平台进行Python开发、希望打通PyCharm与Anaconda协作流程的初学者与数据科学方向开发者，重点解决解释器配置混乱、科学计算包安装失败、多项目依赖冲突等常见痛点。资源为单一PDF文档，压缩包约552KB，内容围绕Python、PyCharm与Anaconda三者的定位关系展开，并给出从Anaconda安装、PyCharm导入解释器到使用conda与pip管理包、创建隔离虚拟环境的完整思路，同时说明Anaconda预置numpy、matplotlib、scipy等库带来的便利。教程以图文步骤呈现，便于对照操作与排错，适合需要快速搭建稳定开发环境、减少环境配置试错成本的读者参考。目前已有15726人学习下载，可作为Windows下Python环境配置的入门与查阅材料。
1. 为什么 Windows 下 PyCharm 配 Anaconda 总有人卡在第一步
在 Windows 上把 PyCharm 和 Anaconda 接起来，听起来像是个十分钟就能收工的活儿，但实际带新人的时候，十个人里有六七个会在某个环节卡住：要么是 PyCharm 里新建项目后import numpy直接报红，要么是终端里conda命令提示「不是内部或外部命令」，要么是装完包发现装到了 base 环境，项目里死活找不到。这些问题的根子往往不在 PyCharm 本身，而在于「解释器路径选错了」「环境没激活」「PATH 没配全」这三件事上。
这篇笔记面向的是刚在 Windows 上搭 Python 开发环境的人，也适合那些用了一阵子但一直没搞明白 conda 环境和 PyCharm 解释器到底怎么对应的人。我会从 Anaconda 安装后的目录结构讲起，把 PyCharm 里解释器配置的每一步拆开，再补上终端集成、包管理、环境迁移这些容易翻车的点。整套流程走完，你应该能做到：在 PyCharm 里为每个项目建独立的 conda 环境，装包不污染 base，终端里 conda 命令随手可用，换台机器也能把环境复现出来。
2. 先把 Anaconda 装对：路径、勾选项与验证命令
2.1 安装包选择与安装路径的讲究
Anaconda 官方安装包分两种：完整版和 Miniconda。完整版自带几百个科学计算包，装完大概 3 到 5 GB；Miniconda 只有 conda 和 Python，几百 MB。如果你只是做常规数据分析，完整版省事；如果你习惯自己控制每个包，Miniconda 更干净。我一般给新人装完整版，因为省去后面一个个补包的麻烦。
安装路径上有个血泪经验：不要装在带中文或空格的路径下。比如C:\Users\张三\Anaconda3或者C:\Program Files\Anaconda3都容易出问题。conda 在解析路径时对空格和中文的处理并不总是可靠，后面创建环境、装包时可能报一些莫名其妙的错。建议直接用C:\Anaconda3或者D:\Anaconda3这种纯英文无空格的短路径。
安装向导里有两个勾选项需要留意：
- Add Anaconda3 to my PATH environment variable：官方默认不勾，理由是可能和其他软件冲突。但如果你不勾，后面在普通命令行里就用不了
conda命令，得手动配。我的做法是勾上，然后自己检查 PATH 里有没有重复项。 - Register Anaconda3 as my default Python：这个勾上会让 Anaconda 成为系统默认 Python。如果你机器上已经有其他 Python 版本，勾之前想清楚，否则可能影响其他工具。
2.2 验证安装是否成功的三条命令
装完之后别急着开 PyCharm，先在「开始菜单」里找到 Anaconda Prompt（不是普通的 cmd），打开它，依次跑下面三条命令：
# 查看 conda 版本，确认 conda 本身可用 conda --version # 查看当前 conda 环境列表，星号表示当前激活的环境 conda env list # 查看当前环境里的 Python 版本和路径 python -c "import sys; print(sys.executable)"第一条命令如果提示「不是内部或外部命令」，说明 PATH 没配好。这时候有两个选择：一是重新运行安装程序勾选 PATH 选项，二是手动把C:\Anaconda3、C:\Anaconda3\Scripts、C:\Anaconda3\Library\bin这三个目录加到系统环境变量 Path 里。加完之后必须重开命令行窗口才生效，这个细节很多人会忽略。
第二条命令会列出所有环境，默认应该有一个 base 环境。第三条命令输出的路径应该指向C:\Anaconda3\python.exe。如果指向了别的 Python，说明系统里还有其他 Python 在抢优先级，后面配 PyCharm 时要特别注意选对解释器。
提示：Anaconda Prompt 和普通 cmd 的区别在于，前者启动时会自动执行 conda 的初始化脚本，所以即使你没把 conda 加进 PATH，在 Anaconda Prompt 里也能用 conda 命令。这也是为什么有些人「在 Anaconda Prompt 里能用，在 PyCharm 终端里不能用」的原因。
2.3 配置国内镜像源加速包下载
默认的 conda 源在国外，装包速度可能很慢甚至超时。换国内镜像源是常规操作，这里以某高校开源镜像站为例（具体地址可以自行搜索当前可用的镜像）：
# 添加主通道镜像 conda config --add channels https://mirrors.example.edu.cn/anaconda/pkgs/main/ # 添加免费通道镜像 conda config --add channels https://mirrors.example.edu.cn/anaconda/pkgs/free/ # 设置搜索时显示通道地址，方便排查包来自哪里 conda config --set show_channel_urls yes # 查看当前配置，确认写入成功 conda config --show channels这几条命令做的事情是往C:\Users\你的用户名\.condarc文件里写配置。--add channels会把新通道加到列表最前面，conda 搜索包时按顺序找。show_channel_urls yes让你在装包时能看到包是从哪个通道来的，出问题时好定位。最后一条--show channels用来验证，输出里应该能看到你刚加的地址排在前面。
如果哪天想恢复默认源，把.condarc文件删掉或者重命名即可。我一般会把这个文件备份一份，换机器时直接拷过去。
3. 在 PyCharm 里挂上 conda 解释器：新建与复用两条路
3.1 新建项目时直接创建 conda 环境
打开 PyCharm，选择 New Project。在新建项目面板里，Location 填项目路径，下面有个 Python Interpreter 区域，默认可能是「New interpreter」或者某个已存在的解释器。点开下拉，选「Add Local Interpreter」或者「Add Interpreter」，然后选「Conda Environment」。
这时候会出现几个选项：
- New environment：创建一个全新的 conda 环境。Location 一般会自动填到
C:\Users\你的用户名\anaconda3\envs\项目名或者你 Anaconda 安装目录下的envs文件夹。Python version 选你需要的版本，比如 3.9、3.10、3.11。 - Existing environment：复用一个已经存在的 conda 环境。Interpreter 那一栏点「...」按钮，去
C:\Anaconda3\envs\环境名\python.exe找。
我一般给每个项目建独立环境，避免包版本冲突。比如做数据分析的项目用 pandas 1.x，做机器学习的项目用 pandas 2.x，各自隔离，互不影响。
创建时有个细节：PyCharm 会调用 conda 命令来建环境，这个过程可能需要几十秒到几分钟，取决于网络和包大小。如果卡住不动，先检查镜像源配了没有，再检查 conda 是否在 PATH 里。
3.2 给已有项目切换解释器
如果项目已经建好了，但解释器不对，走 File → Settings → Project → Python Interpreter（不同版本 PyCharm 菜单路径略有差异，新版可能在 Settings → Project → Python Interpreter 直接看到）。点右上角的齿轮图标，选 Add，然后和上面一样选 Conda Environment。
这里有个容易翻车的点：PyCharm 有时候会缓存旧的解释器信息。如果你在 conda 里删了某个环境，PyCharm 的下拉列表里可能还显示着，选中后报「invalid interpreter」。解决办法是点齿轮图标里的「Show All」，把失效的条目删掉，再重新添加。
另外，切换解释器后，PyCharm 右下角会有一个进度条在扫描已安装的包，等它跑完再操作。如果没跑完就急着运行代码，可能提示找不到包，其实包是装了的，只是索引还没更新。
3.3 验证解释器是否真的生效
配好之后别急着写业务代码，先跑一段验证脚本：
# verify_env.py import sys import os # 打印当前 Python 解释器路径 print("Python executable:", sys.executable) # 打印 Python 版本 print("Python version:", sys.version) # 打印 conda 环境变量，确认当前在哪个环境 print("CONDA_DEFAULT_ENV:", os.environ.get("CONDA_DEFAULT_ENV", "not set")) # 尝试导入一个常用包，验证包路径是否正确 try: import numpy print("numpy version:", numpy.__version__) print("numpy path:", numpy.__file__) except ImportError: print("numpy not installed in this environment")这段代码的作用是：sys.executable告诉你 PyCharm 实际用的是哪个 python.exe，这个路径应该指向你 conda 环境下的 python.exe，而不是 base 环境或者系统 Python。CONDA_DEFAULT_ENV环境变量能看出当前激活的是哪个 conda 环境。最后导入 numpy 并打印路径，确认包是从当前环境的 site-packages 里加载的，而不是从别处。
如果sys.executable指向了 base 环境，说明解释器选错了，回上一步重新选。如果 numpy 导入失败，说明这个环境里没装 numpy，在 PyCharm 的终端里conda install numpy或者pip install numpy即可。
4. 终端集成与包管理：让 conda 命令在 PyCharm 里随手可用
4.1 配置 PyCharm 内置终端自动激活 conda 环境
PyCharm 底部的 Terminal 默认用的是系统 shell（Windows 上是 cmd 或 PowerShell）。如果你没把 conda 加进 PATH，在这个终端里敲conda会提示找不到命令。即使加了 PATH，默认也不会自动激活当前项目的 conda 环境，需要手动conda activate 环境名。
要让 PyCharm 终端自动激活环境，走 Settings → Tools → Terminal。在 Shell path 那一栏，默认可能是cmd.exe。你可以改成：
# 指向 Anaconda 自带的激活脚本 C:\Anaconda3\Scripts\activate.bat但这样改有个问题：它激活的是 base 环境，不是当前项目的环境。更好的做法是用 conda 的初始化机制。在 Settings → Tools → Terminal 里，把 Shell path 设为：
C:\Windows\System32\cmd.exe /K "C:\Anaconda3\Scripts\activate.bat C:\Anaconda3"这行命令的意思是：启动 cmd，然后执行 activate.bat 激活 base 环境。但这仍然不是项目环境。真正要自动激活项目环境，需要在 PyCharm 的 Terminal 设置里勾选「Activate virtualenv」类似的选项（不同版本叫法不同），或者手动在终端里跑conda activate 环境名。
我自己的习惯是：不折腾自动激活，每次打开终端手动conda activate 项目环境名。虽然多敲一行，但心里清楚当前在哪个环境，反而不容易搞混。
4.2 conda install 和 pip install 的选用边界
在 conda 环境里装包，有两个命令可用：conda install和pip install。什么时候用哪个，有个简单的判断原则：
- 优先用 conda install：如果包在 conda 的通道里有，优先用 conda。因为 conda 会同时处理包之间的依赖关系，包括一些非 Python 的依赖（比如 C 库）。numpy、scipy、pandas、scikit-learn 这些科学计算包，conda 通道里都有，用 conda 装更稳。
- conda 没有再用 pip：有些包比较新或者比较小众，conda 通道里没有，这时候用 pip。但要注意，pip 装的包不会出现在 conda 的依赖记录里，后面用
conda list能看到但conda update管不了。
一个常见的坑是混用导致依赖冲突。比如先用 conda 装了 numpy 1.24，又用 pip 装了某个要求 numpy 1.20 的包，pip 可能会把 numpy 降级，破坏 conda 的环境一致性。我的做法是：在一个环境里尽量只用一种包管理器。如果非要用 pip，先conda install pip确保 pip 是 conda 管理的，然后用python -m pip install而不是直接pip install，这样装到的位置更可控。
# 在当前 conda 环境里安装包的正确姿势 conda activate myproject # 优先用 conda conda install pandas matplotlib # conda 没有的包，用 python -m pip 装 python -m pip install some-special-package # 查看当前环境装了哪些包 conda list # 导出环境配置，方便复现 conda env export > environment.ymlconda env export导出的environment.yml文件里包含了所有包及其精确版本，换机器时用conda env create -f environment.yml就能复现一模一样的环境。这个文件建议纳入版本控制，但注意里面可能有prefix: C:\Anaconda3\envs\xxx这样的本地路径，跨机器时删掉那一行。
4.3 环境复制、删除与重命名
conda 环境用久了，可能需要复制一份做实验，或者删掉不用的释放空间。几个常用命令：
# 克隆环境：把 old_env 复制成 new_env conda create --name new_env --clone old_env # 删除环境 conda remove --name old_env --all # 重命名环境（conda 没有直接重命名命令，需要克隆后删除） conda create --name new_name --clone old_name conda remove --name old_name --all克隆环境时，如果原环境很大，过程可能比较慢，因为要复制所有包文件。删除环境前确认没有项目在用，否则 PyCharm 里会报解释器失效。重命名没有原生命令，只能克隆加删除，这是 conda 的一个设计特点，知道就好。
5. 避坑与排查：解释器报红、包找不到、终端不认 conda
5.1 坑一：PyCharm 提示「No module named xxx」但终端里能导入
现象：在 PyCharm 里运行代码报ModuleNotFoundError，但在 PyCharm 的 Terminal 里手动python -c "import xxx"却成功。
原因：PyCharm 的运行配置（Run Configuration）里指定的解释器和项目默认解释器不一致。比如项目解释器是 conda 环境 A，但运行配置里选的是环境 B 或者系统 Python。
解决：打开 Run → Edit Configurations，找到当前运行配置，检查 Python interpreter 那一栏是否和项目解释器一致。如果不一致，改成项目默认解释器。另外检查一下是不是有多个运行配置，跑错了配置。
5.2 坑二：conda 命令在 PyCharm 终端里不可用
现象：PyCharm 底部 Terminal 里敲conda提示「不是内部或外部命令」，但在 Anaconda Prompt 里正常。
原因：PyCharm 终端用的是系统 shell，没有执行 conda 的初始化脚本。Anaconda Prompt 之所以能用，是因为它启动时自动跑了初始化。
解决：两个办法。一是把 conda 相关目录加进系统 PATH（C:\Anaconda3、C:\Anaconda3\Scripts、C:\Anaconda3\Library\bin），然后重启 PyCharm。二是在 PyCharm 终端里手动执行C:\Anaconda3\Scripts\activate.bat激活 conda，之后 conda 命令就可用。我一般用第一种，一劳永逸。
5.3 坑三：装包装到了 base 环境而不是项目环境
现象：在 PyCharm 终端里pip install xxx显示安装成功，但项目里还是导入失败。
原因：终端当前激活的是 base 环境，不是项目环境。pip install默认装到当前激活的环境里，base 环境装了，项目环境没装。
解决：装包前先conda activate 项目环境名，确认命令行提示符前面显示的是项目环境名而不是(base)。然后再装。装完用conda list确认包在当前环境里。PyCharm 里也可以用 Settings → Project → Python Interpreter 的「+」号来装包，这样能确保装到项目解释器对应的环境里。
5.4 坑四：解释器路径里有中文或空格导致创建环境失败
现象：新建 conda 环境时 PyCharm 卡住或者报错，提示路径相关错误。
原因：Anaconda 安装路径或者环境路径里包含中文、空格，conda 在处理时出问题。
解决：把 Anaconda 装到纯英文无空格路径下，比如C:\Anaconda3。如果已经装了，可以卸载重装，或者用conda create --prefix D:\envs\myenv指定一个纯英文路径来创建环境。PyCharm 里选解释器时指向这个路径下的 python.exe。
5.5 坑五：PyCharm 索引卡住导致包列表不更新
现象：在终端里装了新包，但 PyCharm 的代码补全里还是找不到，或者解释器设置里的包列表没刷新。
原因：PyCharm 的包索引有缓存，不会实时监控 conda 环境的变化。
解决：在 Settings → Project → Python Interpreter 页面，点右上角的刷新按钮（两个箭头绕圈的图标），手动触发重新索引。如果还不行，File → Invalidate Caches → Invalidate and Restart，清掉缓存重启。这个操作不会删代码，只是让 PyCharm 重新扫描环境。
6. 把环境配置沉淀成可复现的文件：从 environment.yml 到一键重建
走到这里，PyCharm 和 Anaconda 的配合已经能正常跑起来了。但真正让这套配置有价值的，是把它变成可复现的东西。我见过太多人换电脑或者重装系统后，对着报错一个个补包，补了半天还漏了几个。其实 conda 提供了很成熟的导出和重建机制，只是很多人没用起来。
核心文件就是environment.yml。在项目环境激活的状态下，执行：
conda activate myproject conda env export --no-builds > environment.yml--no-builds参数的作用是去掉包的具体构建编号（build string），只保留版本号。这样做的好处是跨平台兼容性更好——Windows 上导出的文件，在 Linux 或 macOS 上重建时不会因为 build string 不匹配而失败。代价是可能装到略有差异的构建版本，但对大多数项目来说影响可以忽略。
导出的文件大概长这样：
name: myproject channels: - https://mirrors.example.edu.cn/anaconda/pkgs/main/ - defaults dependencies: - python=3.10 - numpy=1.24.3 - pandas=2.0.1 - pip - pip: - some-pip-only-package==1.2.3拿到这个文件后，在另一台机器上重建环境只需要一条命令：
conda env create -f environment.ymlconda 会按照文件里的通道和版本要求，自动创建环境并装好所有包。如果文件里包含了prefix:那一行（指向本地路径），重建前手动删掉，否则 conda 会试图往那个路径装。
有一个细节值得注意：environment.yml里同时记录了 conda 包和 pip 包。pip 包列在pip:子项下面，重建时 conda 会先装 conda 包，再用 pip 装 pip 包。这个顺序很重要，因为有些 pip 包依赖 conda 包提供的底层库。如果你手动调整文件，不要把 pip 部分挪到前面。
另一个实用技巧是：把environment.yml纳入 Git 版本控制。每次新增或升级包之后，重新导出一次并提交。这样团队里任何人拉下代码，都能用同一个文件重建出一致的环境。配合 PyCharm 的 Run Configuration 共享功能，新人入职当天就能跑通项目，不用再经历一遍「装包装到怀疑人生」的过程。
我自己的习惯是，每个项目根目录下放一个environment.yml，再在 README 里写清楚重建命令。换机器时第一件事就是conda env create -f environment.yml，然后 PyCharm 里把解释器指到新环境上，五分钟搞定。这个习惯帮我省掉了无数次「这个包当时是怎么装的」的回忆成本。希望帮到你。
本文还有配套的精品资源，点击获取
