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
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02