Anaconda 卸载与 Miniforge 替代及环境配置全记录

一、任务初始：突如其来的商业化限制

那天刚打开电脑准备开始一天的数据分析工作，就收到了公司关于 “因商业化条款限制，立即卸载 Anaconda” 的通知。看到通知的瞬间，内心满是抱怨与无奈 —— 一直以来都习惯了用 Anaconda 管理 Python 环境，里面配置好了各种常用的数据分析库，比如 Pandas、NumPy、Matplotlib 等，日常工作全靠它支撑，现在突然要卸载，后续工作该怎么开展？一时间，焦虑感涌上心头，甚至有点抵触这个任务，觉得这会严重影响工作进度。

但抱怨归抱怨，任务终究要完成。冷静下来后，我开始思考：既然无法改变商业化条款限制的现状，与其消极抵触，不如积极寻找替代方案，尽快恢复工作节奏。于是，我开始在网上搜索适合替代 Anaconda 的 Python 环境管理工具，经过一番对比，发现 Miniforge 是一个不错的选择，它不仅开源免费，还足够轻量化，不会像 Anaconda 那样捆绑过多不必要的组件，这让我逐渐接受了需要更换工具的事实。

二、寻求解决：卸载 Anaconda 与安装 Miniforge

（一）卸载 Anaconda

为了避免后续安装 Miniforge 时出现环境冲突，首先需要彻底卸载 Anaconda。具体步骤如下：

关闭所有与 Anaconda 相关的程序，包括 Anaconda Navigator、Jupyter Notebook 等。
打开电脑的 “控制面板”，进入 “程序和功能” 界面，在程序列表中找到 “Anaconda3”（根据安装版本不同名称可能略有差异）。
右键点击 “Anaconda3”，选择 “卸载”，按照卸载向导的提示逐步完成卸载操作。在卸载过程中，会提示是否删除用户数据，为了保证卸载彻底，我选择了删除相关用户数据。
卸载完成后，为了确保没有残留文件，手动删除了 Anaconda 的安装目录（默认一般在 C 盘用户目录下的 Anaconda3 文件夹）以及相关的环境变量。进入 “此电脑” 右键属性，选择 “高级系统设置”，进入 “环境变量” 界面，在用户变量和系统变量中，删除所有包含 “Anaconda” 字样的变量，比如 PATH 变量中涉及 Anaconda 的路径。

（二）安装 Miniforge

卸载完 Anaconda 后，便开始着手安装 Miniforge。

首先进入 Miniforge 的官方下载页面（http s://g ithub .com/conda -forg e/min iforg e），根据自己电脑的操作系统（Windows、macOS、Linux）选择对应的安装包。我使用的是 Windows 系统，所以选择了 “Miniforge3-Windows-x86_64.exe”。
双击下载好的安装包，启动安装程序。在安装向导中，首先阅读许可协议，同意后进入下一步。
选择安装类型，这里我选择了 “Just Me”（仅当前用户），避免影响其他用户。
选择安装路径，为了方便管理，我将其安装到了 D 盘的 “Miniforge3” 文件夹下。
在 “Advanced Installation Options”（高级安装选项）中，勾选 “Add Miniforge3 to my PATH environment variable”（将 Miniforge3 添加到 PATH 环境变量），这样后续在命令行中就可以直接使用 conda 命令了。另外，还可以根据需要勾选 “Register Miniforge3 as my default Python 3.9”（将 Miniforge3 注册为默认的 Python 3.9），我也勾选了这一项。
点击 “Install” 开始安装，等待安装程序完成安装操作。安装完成后，点击 “Next”，最后点击 “Finish” 结束安装。
为了验证 Miniforge 是否安装成功，打开命令提示符（CMD），输入 “conda --version”，如果能够显示出 conda 的版本信息，比如 “conda 23.10.0”，则说明安装成功。

三、磨合与优化：Miniforge 环境配置与软件适配

（一）Miniforge 环境迁移与复制（通过豆包指导）

安装好 Miniforge 后，接下来的关键任务就是将之前 Anaconda 中的 Python 环境复制到 Miniforge 中，这一步在豆包的指导下顺利完成。

首先，在之前使用 Anaconda 时，我已经通过 “conda env export> environment.yml” 命令将需要迁移的环境导出为了 environment.yml 文件（如果之前没有导出，需要在未卸载 Anaconda 前完成此操作，好在我之前有备份的习惯）。
打开命令提示符，进入到保存 environment.yml 文件的目录下。
输入 “conda env create -f environment.yml” 命令，Miniforge 会根据 environment.yml 文件中的配置信息，自动创建新的环境并安装相应的包。在这个过程中，可能会因为网络问题导致某些包下载失败，遇到这种情况时，豆包建议我更换 conda 的镜像源，比如使用清华镜像源。具体操作是在命令提示符中输入以下命令：

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 --set show\_channel\_urls yes

更换镜像源后，重新执行 “conda env create -f environment.yml” 命令，包的下载速度明显加快，顺利完成了环境的创建与包的安装。

4. 环境创建完成后，输入 “conda activate 环境名称”（环境名称为 environment.yml 文件中指定的名称），激活创建好的环境，然后通过 “conda list” 命令查看环境中安装的包，确认与之前 Anaconda 中的环境一致，环境迁移与复制工作就此完成。

（二）学习 VS Code 工作区设置，运行 Jupyter Notebook

环境迁移完成后，为了更好地进行代码编写与运行，我开始学习 VS Code 工作区的设置，并在其中运行 Jupyter Notebook。

首先打开 VS Code，安装 Python 扩展和 Jupyter 扩展。在 VS Code 的扩展面板中，搜索 “Python” 和 “Jupyter”，找到对应的扩展并点击 “安装”。
安装完成后，创建一个新的工作区。点击 VS Code 菜单栏中的 “文件”->“将工作区另存为”，选择一个合适的文件夹作为工作区的保存位置，并为工作区命名，比如 “DataAnalysisWorkspace”。
配置工作区的 Python 解释器。点击 VS Code 右下角的 “选择解释器”，在弹出的列表中，选择之前通过 Miniforge 创建的 Python 环境对应的解释器，这样在该工作区中编写的 Python 代码就会使用这个解释器来运行。
运行 Jupyter Notebook。在 VS Code 中，点击菜单栏中的 “查看”->“命令面板”，在命令面板中输入 “Jupyter: Create New Jupyter Notebook”，创建一个新的 Jupyter Notebook 文件（.ipynb 格式）。在 Notebook 中，就可以像在 Anaconda 的 Jupyter Notebook 中一样，编写代码块并运行，同时还能享受到 VS Code 强大的代码补全、语法高亮等功能，使用体验非常不错。

（三）新版 Python 安装 Jupyter Lab，配置中文字体

除了 Jupyter Notebook，Jupyter Lab 也是一个非常实用的工具，于是我在新版 Python（Miniforge 对应的 Python 版本）中安装了 Jupyter Lab，并配置了中文字体。

激活通过 Miniforge 创建的 Python 环境（如果未激活），在命令提示符中输入 “conda activate 环境名称”。
输入 “conda install jupyterlab” 命令，安装 Jupyter Lab。等待安装完成后，输入 “jupyter lab” 命令，即可启动 Jupyter Lab。Jupyter Lab 会自动在默认浏览器中打开，界面比 Jupyter Notebook 更加灵活和强大，可以同时打开多个 Notebook、终端、文本文件等，方便进行多任务操作。
配置 Jupyter Lab 的中文字体。默认情况下，Jupyter Lab 中的图表等可能会出现中文乱码的情况，需要配置中文字体。首先，找到 Matplotlib 的配置文件位置，在 Python 交互环境中输入以下代码：

import matplotlib

print(matplotlib.matplotlib\_fname())

运行后会输出 Matplotlib 配置文件（matplotlibrc）的路径。

4. 打开该配置文件，找到 “font.family” 相关的配置项，将其修改为支持中文的字体，比如 “font.family: SimHei”（SimHei 为黑体）。同时，还可以根据需要修改 “font.size” 等配置项来调整字体大小。

5. 修改完成后，保存配置文件并关闭。重启 Jupyter Lab，在绘制图表时，中文就能够正常显示了，解决了中文乱码的问题。

（四）Jupyter Lab 主题优化：安装与切换个性化主题

在完成 Jupyter Lab 基础安装和中文字体配置后，为了提升使用体验、降低长时间编码的视觉疲劳，我进一步对 Jupyter Lab 进行了主题优化，通过扩展管理器安装了个性化主题。

打开 Jupyter Lab 扩展管理器

启动 Jupyter Lab 并进入主界面后，点击左侧边栏的 “扩展管理器” 图标（形状为拼图，默认位于左侧导航栏靠下位置，若未显示可通过 “视图 > 显示侧边栏 > 扩展” 调出），进入扩展管理页面。
搜索目标主题

在扩展管理器顶部的搜索框中，直接输入想要的主题名称（例如热门的 “onedark pro”，或通过输入 “theme” 关键词筛选所有主题类扩展）。搜索结果会实时显示，包含主题名称、简介及安装按钮，可根据预览效果或用户评分选择合适的主题。
安装主题扩展

在搜索结果中找到目标主题（以 “onedark pro” 为例），点击主题卡片右侧的 “安装（Install）” 按钮。此时系统会自动下载并安装主题相关依赖，安装过程中按钮会显示 “正在安装” 状态，需等待片刻（安装速度受网络影响，若速度较慢可检查 conda 镜像源是否正常）。
重启 Jupyter Lab 生效

主题安装完成后，页面会弹出 “需重启 Jupyter Lab 以应用更改” 的提示。关闭当前 Jupyter Lab 窗口，在命令提示符中按下 “Ctrl+C” 终止 Jupyter Lab 进程，然后重新输入 “jupyter lab” 命令启动软件。
切换已安装主题

重启后再次进入 Jupyter Lab，点击顶部菜单栏的 “设置> JupyterLab 主题”，在下拉列表中即可看到已安装的主题（如 “One Dark Pro”），点击对应主题名称即可实时切换。切换后界面会立即更新，可根据视觉感受选择最适合自己的主题风格（例如深色主题适合夜间编码，浅色主题适合白天使用）。

四、对比与喜爱：Miniforge 的优势凸显

在使用 Miniforge 一段时间后，我将其与 Anaconda 进行了对比，发现 Miniforge 具有很多明显的优势，也让我逐渐喜爱上了这个软件。

轻量化：Anaconda 在安装时会捆绑大量的软件包和工具，即使很多工具平时用不到，也会占用大量的磁盘空间，安装完成后往往需要几个 G 的存储空间。而 Miniforge 默认只安装最核心的 conda 组件和 Python，磁盘占用空间非常小，安装包只有几百兆，安装完成后也仅占用几百兆的空间，大大节省了磁盘资源。
启动更快：由于 Anaconda 组件繁多，在启动 Anaconda Navigator、Jupyter Notebook 等工具时，往往需要较长的时间。而 Miniforge 更加精简，启动相关工具时速度明显更快，比如启动 Jupyter Lab，从输入命令到浏览器打开界面，只需要几秒钟的时间，极大地提高了工作效率。
不臃肿：Anaconda 中很多预装的包平时很少用到，不仅占用空间，还可能在更新环境时带来不必要的麻烦，比如某些包之间的版本冲突等。Miniforge 则不会预装过多不必要的包，用户可以根据自己的实际需求，通过 conda 命令灵活地安装所需的包，环境更加纯净，管理起来也更加方便。
可定制性强：Miniforge 搭配 Jupyter Lab 可实现高度个性化配置，通过扩展管理器能自由安装主题、插件（如代码格式化工具、文件管理插件等），能根据个人使用习惯打造专属工作环境，而 Anaconda 预装的 Jupyter 环境往往需要额外配置才能实现类似功能，进一步凸显了 Miniforge 生态的灵活与高效。

正是这些优势，让我彻底改变了最初对更换工具的抵触态度，越来越喜爱 Miniforge，日常工作也越来越依赖它。

五、总结与提升：完善文档与形成可复制能力

（一）完善《Miniforge 环境迁移与配置.docx》

为了将这次 Anaconda 卸载与 Miniforge 替代及环境配置的经验进行梳理和沉淀，我开始完善《Miniforge 环境迁移与配置.docx》文档。文档中详细记录了从 Anaconda 卸载的具体步骤、Miniforge 的下载与安装过程、环境迁移与复制的方法、VS Code 工作区设置与 Jupyter Notebook 运行步骤、Jupyter Lab 的安装与中文字体配置方法、Jupyter Lab 主题优化操作，以及 Miniforge 与 Anaconda 的对比优势等内容。

同时，还在文档中添加了丰富的注意事项，比如卸载 Anaconda 时要彻底删除残留文件和环境变量、安装 Miniforge 时勾选添加环境变量选项、更换 conda 镜像源解决包下载问题、Jupyter Lab 主题安装后需重启生效、主题冲突时可卸载重新安装等；此外，还补充了 “主题推荐清单”（如适合长时间编码的 “onedark pro”、简洁清新的 “JupyterLab Light”、高对比度的 “High Contrast” 等），确保文档覆盖从基础配置到个性化优化的全流程，为后续使用提供完整参考。

（二）形成个人可复制能力，提升自我

通过这次从 Anaconda 到 Miniforge 的迁移过程，我不仅成功解决了工作中遇到的工具更换问题，更重要的是形成了一套环境迁移与配置的可复制能力。以后再遇到类似的工具更换或环境配置需求时，我可以参考这次的经验和文档，快速完成相关操作，避免走弯路。

同时，在这个过程中，我也学习了更多关于 Python 环境管理、VS Code 使用、Jupyter 工具配置等方面的知识，提升了自己的技术能力。更关键的是，我培养了积极应对问题的心态，遇到困难不再一味抱怨和抵触，而是主动寻找解决办法，这种心态的转变将对我未来的工作和学习产生积极的影响。

未来，我还会继续关注相关工具的更新和发展，不断学习和积累经验，进一步完善自己的技术体系，提升应对各种问题的能力，为更好地完成工作任务打下坚实的基础。

Anaconda 卸载与 Miniforge 替代及环境配置全记录