1 下载安装Anaconda

1.1 Anaconda简介

1.2 Anaconda下载安装

打开如下链接直接下载（这里是windows版本的下载链接，macOS找对应链接自己下载）：https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Windows-x86_64.exe。

安装过程中注意遇到如下选择时全选再进行下一步，否则要自己为Anaconda配置环境变量（其他步骤直接选择下一步）。

image.png

2 在命令行测试conda命令

2.1 Conda介绍

Conda是一个开源的包管理和环境管理系统，最初由Anaconda Inc.创建。Conda可以安装、运行和更新包及其依赖项，并可以创建隔离的环境，以避免包版本冲突。例如，开发时可以使用conda创建多个相互隔离的环境，每个环境可以包含不同版本的包，从而避免版本冲突。建议在使用时建立一个单独的环境作为平常使用，尤其对于一些比较大的项目，可以考虑另外创建环境。

2.2 验证conda安装成功

（1）打开命令行

键盘Win+R输入cmd点击确定打开命令行。

image.png

（2）验证conda安装成功

在打开的命令行工具中输入并运行（按回车键）

conda --version

检查conda的版本。如下图，输出“conda 24.5.0”即为安装成功。

image.png

注意，安装成功后也可以在命令行中直接输入“python”或“ipython”尝试使用python。但学习时推荐使用后面介绍的Jupyter Lab。

2.3 创建新环境

（1）打开命令行

键盘Win+R输入cmd点击确定打开命令行。

（2）创建名为myenv的新环境

命令行中输入（两个命令选一个即可）

conda create --name=myenv python==3.12
conda create -n myenv python==3.12

并回车运行。出现如下输出时即为成功。

image.png

在创建过程中，conda会询问是否安装一些包，输入y确认。

2.4 查询新环境

（1）打开命令行

（2）查询新环境

在命令行中输入

conda env list

可以看到目前存在的所有conda环境。

image.png

2.5 激活/退出新环境

（1）打开命令行

（2）激活新环境

在命令行中进入对应的conda开发环境。在命令行中输入

conda activate myenv

显示如下：

image.png

（3）退出新环境

在打开某环境想要退出当前环境时，输入

conda deactivate

image.png

2.6 删除已有环境

（1）打开命令行

（2）删除环境

删除一个已存在的环境时，在命令行中输入

conda remove --name=myenv --all

，遇到询问输入y并回车继续。

image.png

（3）查询环境列表

删除后可以继续使用“conda env list”列出目前存在的环境以确定已经删除成功。

2.7 使用conda安装Python第三库/包

（1）Python标准库和第三方库的介绍

Python标准库是随Python安装附带的一组模块和包，提供了丰富的功能，用于处理各种常见的编程任务。标准库的优势在于它是Python解释器的一部分，无需额外安装，并且经过充分测试和维护。

Python第三方库是社区开发和维护的外部模块和库，可以通过conda的包管理工具“conda”进行安装，也可以通过Python的包管理工具“pip”进行安装，第三方库扩展了Python的功能，涵盖了各个领域。

（2）使用Conda安装某个包

例如在myenv环境中安装数据科学和机器学习常用的库“scikit-learn”，在命令行中输入“conda install scikit-learn”，截图如下。

image.png

这里注意：

l 第三方包的安装名可能和其名称不一样，具体要通过查询确定。

l 如果安装速度慢，可以将安装源换为清华大学的镜像源，详细操作见这一链接：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

2.8 查看某个环境中安装的包

（1）打开命令行

（2）激活需要查看的Conda环境

（3）在命令行输入

conda list

image.png

3 使用Jupyter Lab

3.1 对比Jupyter Notebook和Jupyter Lab

Jupyter Notebook是一个开源的Web应用程序，允许用户创建和共享包含代码、方程式、可视化和叙述性文本的文档。广泛应用于数据清理、数值模拟、统计建模、机器学习和其他数据科学任务。

Jupyter Lab是Jupyter项目中的一个新一代用户界面，比Jupyter Notebook更加灵活和强大，是数据科学和科研计算的集成开发环境（Integrated Development Environment，IDE）。

两者都是优秀的教学和学习工具，便于学生和教师进行交互式学习。

3.2 启动Jupyter Lab

（1）打开命令行

（2）进入某环境或使用base环境

使用base环境时，不需要激活任何环境。

（3）打开Jupyter Lab

在命令行中输入

jupyter lab

下面是在myenv环境中打开Jupyter Lab的截图。

image.png

3.3 关闭Jupyter Lab

在刚刚打开Jupyter Lab命令行中，按下Ctrl+C退出（推出前保存Jupyter文件）。

3.4 使用Jupyter Lab

3.4.1 ipykernel介绍

当出现如下界面时启动成功。但注意，这里启动的Lab里只有base对应的Python3这一个默认的ipykernel。当需要使用某个conda环境中的ipykernel时，需要在Jupyter Lab中添加新的ipykernel。

image.png

Ipykernel时一个为Jupyter提供Python支持的内核。Jupyter本身是一个支持多种编程语言的交互式计算环境，而ipykernel使得Jupyter能够运行Python代码。Ipykernel是Jupyter项目的一部分。

3.4.2 添加ipykernel

参考如下链接设置：jupyter notebook添加环境/添加内核（超详细）_jupyter notebook添加内核-CSDN博客

具体步骤如下：

（1）打开命令行

（2）激活myenv环境并安装ipykernel第三方包

安装时一路输入y回车。

image.png

（3）添加内核

在环境中输入

python -m ipykernel install --user --name=myenv --display-name=myenv

这里“name”参数指内核的原名，即myenv，“display-name”指在Jupyter Lab中展示的名字，可以和真实名字不同，这里为了简便使用同一名字。

如下图，修改完后再次在命令行中启动Jupyter Lab可以看到已经有myenv这一个内核了。之后可以根据需要在Jupyter Lab中选择不同内核新建Jupyter文件。

image.png

3.4.3 新建一个Jupyter文件

Jupyter的界面简介见官方中文文档：JupyterLab 接口 (API) — JupyterLab cn(beta) 0.18.4 文档 (jupyter-docs-cn.readthedocs.io)

点击一个内核即可新建Jupyter文件。可以先重命名文件。

image.png

每一行可以选code或markdown，后者利用markdown语法写分级标题。

image.png

3.5 推荐的工作流程

（1）创建自己的文件夹

（2）打开命令行进入对应文件夹路径

（3）激活conda环境

（4）启动Jupyter Lab

流程图如下：

image.png

4 Python数据科学学习路径

到这里就在自己电脑本地基本配置好环境，可以学习Python了。学习Python网上帖子很多。推荐直接用廖雪峰的官方博客Python教程 - 廖雪峰的官方网站 (liaoxuefeng.com)。

经管涉及的Python学习路径一般是Python语法基础、Python数据分析与可视化（Pandas/Numpy/Matplotlib/Seaborn/Plotly等第三方包）、Python机器学习（scikit-learn等第三方包）、Python深度学习（pytorch/transformers等第三方包）、Python强化学习等等。生成式人工智能的调用可以排在Python语法基础之后（openai第三方包）。

学会基础后，有一些具体的数据和任务成长会快一点。

以上内容网上都可以搜索到优质的帖子，或者问一些大模型产品都可以得到。当遇到代码报错时，第一选择是检查代码，第二选择是把代码和报错信息给大模型对话产品，第三选择是直接把报错信息拿去百度搜索。stakoverflow是一个比较高质量的社区。