目录
一、Anaconda概述
核心优势
1、一站式环境管理
2、拥有强大的包管理能力
3、简化部署
4、附加工具
二、安装过程
1、下载安装包
2、安装软件
3、验证安装是否成功
一、Anaconda概述
Anaconda 是一个开源的 Python/R 数据科学发行版，由 Anaconda, Inc.（前身 Continuum Analytics）开发，旨在简化数据科学、机器学习和科学计算的环境配置与包管理。它预装了数百个常用的数据科学库（如 NumPy、Pandas、Matplotlib、Scikit-learn 等），并通过conda包管理器解决了跨平台依赖、版本冲突等核心痛点。
核心优势
1.1一站式环境管理
支持创建独立的虚拟环境（隔离不同项目的依赖，避免版本冲突）。
跨平台兼容（Windows/macOS/Linux），无需手动配置系统依赖。
1.2 拥有强大的包管理能力
conda既可以管理 Python 包，也能管理 C/C++ 等底层依赖（对比pip仅支持 Python 包）。预装 1500+ 开源数据科学包，可通过
conda-forge社区仓库扩展至数万个包。
1.3简化部署
支持离线安装、批量环境导出 / 导入，适合团队协作和生产环境部署。
1.4附加工具
Anaconda Navigator：图形化界面（GUI），一键管理环境、安装包、启动 Jupyter/Spyder 等工具。
Spyder：面向科学计算的 IDE（类似 MATLAB）。
Jupyter Notebook/Lab：交互式数据分析工具。
适用场景
数据科学 / 机器学习项目（快速搭建环境）。
多版本 Python 共存（如同时用 3.8 和 3.10）。
团队协作（统一环境配置）。
离线部署（提前下载包到本地）。
二、安装过程
2.1下载安装包
进入清华大学镜像网站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载anaconda，根据电脑系统选择对应版本下载。
2.2 安装软件
1、下载完成后，双击文件进行安装，点击Next。
2、点击I Agree
3、默认是Just Me,点击All Users（如果电脑有多个用户不想让其他用户使用，就选择默认的），并点击Next。
4、将软件安装路径改为D盘或其他存储盘，不建议安装路径设置为C盘，点击Next。
5、点击Install,进行安装。
6、软件安装中。。。。。。
7、点击Next
8、如需安装Microsoft Visual Studio Code，可点击Install Microsoft VSCode，否则点击Skip
9、点击Finish，表示安装完成。
2.3 验证安装是否成功
安装完成后，打开命令行工具（Windows 用户可以打开 CMD，Mac/Linux 用户打开终端），输入以下命令：
conda --version python --version返回版本号则安装成功。
三、常见问题与解决方案
3.1 安装包速度慢
原因：默认镜像在国外。
解决：切换国内镜像（如清华源）：
# 添加清华源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ # 显示通道地址 conda config --set show_channel_urls yes
3.2 conda 命令找不到
原因：安装时未添加到系统 PATH。
解决：
Windows：手动将
Anaconda3和Anaconda3/Scripts路径添加到环境变量。macOS/Linux：执行
echo ". ~/anaconda3/etc/profile.d/conda.sh" >> ~/.bashrc（或 zshrc），重启终端。
四、如何创建虚拟环境
完成 Anaconda 安装后，接下来我们创建一个独立的虚拟环境来安装开发所需的工具（例如 Python、COLMAP、FFmpeg 等）。
4.1 创建虚拟环境
使用以下命令创建一个新的虚拟环境（以 Python 3.12 为例）：
conda create -n colmap_env python=3.12-n参数：指定虚拟环境的名称，这里我们命名为colmap_env。python=3.12：指定虚拟环境的 Python 版本。
4.2激活虚拟环境
激活虚拟环境后，所有的安装和运行都局限于该环境内，不会影响系统其他项目：
conda activate 环境名称（刚刚创建的虚拟环境名称）
conda activate colmap_env此时，你将看到命令提示符前面多了环境名称：
当前面的括号里面的名称变成我们创建的虚拟环境的名称就说明成功进入虚拟环境了
4.3 安装其他工具
在虚拟环境中，你可以通过conda install或pip install命令安装所需的工具。例如：
安装 NumPy、SciPy：
conda install numpy scipy安装 FFmpeg：
conda install -c conda-forge ffmpeg4.4 退出虚拟环境
如果不需要使用虚拟环境，可以随时退出：
conda deactivate五、总结
通过本文的指南，可以知道Anaconda的产生以及核心优势、适用场景等，并且学会如何下载并安装 Anaconda，并创建独立的虚拟环境。熟练使用 Anaconda，可以方便地管理 Python 环境和项目依赖，为后续的开发任务打下坚实的基础。
