京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在 Python 编程学习与实践中,Anaconda 是一款极为重要的工具。它作为一个开源的 Python 发行版本,集成了众多常用的科学计算库和开发工具,为数据科学、机器学习等领域的学习者和从业者提供了极大便利。如果你正准备投身 Python 课程学习,那么正确安装 Anaconda 就是关键的第一步。本文将详细且清晰地为你介绍在 Windows 系统和 MacOS 系统下的 Anaconda 安装教程,让你轻松搞定安装难题,快速开启 Python 学习之旅。
注:分Windows系统下安装和MacOS系统安装
第①步 在清华大学镜像下载Anaconda安装包。
下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D

下载完成之后,双击下图所示的exe安装文件

第②步 点击Next进行下一步安装

第③步 同意协议,选择I Agree

第④步 选择用户,如果是多用户的选择All Users

第⑤步 指定安装路径,点击Next

第⑥步 这里先不用选第一个选项:Add Anaconda3 to the System PATH environment variable,只勾选第二个Register。推荐安装之后手动配置系统变量System PATH environment,避免配置导致后期使用上的问题。

第⑦步 需要静等一会儿!看到Completed即表示安装完成,后面连续点击Next即可

有时候在安装好Anaconda后,在cmd黑色命令窗口使用一些命令时依然会出现类似:
'conda' 不是内部或外部命令,也不是可运行的程序或批处理文件。
这样的情况大部分是因为在安装的时候,没有勾选将Anaconda环境变量路径自动加入到系统的环境变量中或者有的时候勾选了自动添加也没有设置成功
步骤如下:
进入"我的电脑"-右键-属性-高级系统设置-高级-环境变量
第 ① 步 点击环境变量

第 ② 步 点击环境变量的系统变量里面的"Path"

第 ③ 步 在path中加入你电脑系统安装的Anaconda对应的path环境路径
根据自己的安装路径填写以下3个,示意图中是在默认位置安装的,自选安装路径的话,path路径前面部分不一样,后面部分一样,也是以Anaconda3, Anaconda3Librarybin, Anaconda3Scripts 这样结尾的。
添加以下路径到环境变量中去:(以默认的安装路径为例)
C:ProgramDataAnaconda3
C:ProgramDataAnaconda3Scripts
C:ProgramDataAnaconda3Librarybin

第 ④ 步 然后确定,确定,一路按确定,这样环境就配置完成了。
补充 怎么找我的Anaconda环境变量Path路径文件?
方法如下:
① 对"jupyter notebook"的快捷方式右击--属性

② 然后点击**"打开文件所在位置"**,此时弹出的地址就有我们要的文件路径

③ 鼠标上滑,就可以看到我们要的Anaconda的Path路径对应的文件夹了

如果是老版的win系统,创建环境变量
添加文件路径,需要用英文的分号进行分隔
比如:
我选在变量值前面添加环境变量
C:ProgramDataAnaconda3;C:ProgramDataAnaconda3Librarybin;连接原来的存在的变量值
这里我是举了一个例子,需要根据自己的实际安装路径添加哦

第 ① 步:在清华大学镜像下载地址下载安装包:[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D](https://link.zhihu.com/?target=https%3A//mirrors.tuna.tsinghua.edu.cn/anaconda/archive/%3FC%3DM%26O%3DD =400x)

第 ② 步:打开终端执行命令:bash /Users/fty/Downloads/Anaconda3-2023.09-0-MacOSX-x86_64.sh

第 ③ 步:执行上一步后,就会显示welcome,然后根据它的提示,需要enter的时候就按回车

第 ④ 步:一路回车……直到看到下图提示,输入yes,回车。注意:这里会有一个提示就是安装的路径。

第 ⑤ 步:输入enter

第 ⑥ 步:继续输入yes,回车

第 ⑦ 步:看见**“Thank you for installing Anaconda3!**”表明安装成功啦~~~

输入conda info 测试

掌握了 Anaconda 的安装方法,就为你学习 Python 课程打下了坚实的基础。在后续的 Python 学习过程中,Anaconda 集成的丰富库和工具将助力你更高效地学习和实践,无论是数据分析、机器学习,还是其他 Python 应用领域,都能轻松应对。现在就行动起来,安装好 Anaconda,开启你的 Python 编程精彩之旅吧!

课程学习入口:https://edu.cda.cn/goods/show/3429?targetId=5724&preview=0
数据分析,未来已来,免费的学习机会不容错过,期待在课程中与你一同开启数据洞察新世界
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14