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
在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14