Miniconda安装和简单使用教程

一、引言

在Python开发中，最容易遇到的问题之一就是环境混乱：不同项目依赖不同版本的Python，同一个包在不同项目中需要不同版本，机器上还可能同时存在系统自带Python、官网安装的Python、IDE内置解释器等多套环境。

Conda的核心价值就是把这些环境隔离开来。我们可以为每个项目创建独立的虚拟环境，并在环境中安装对应版本的Python和依赖包。这样一个项目的依赖升级、删除或损坏，不会影响其他项目。

Miniconda可以理解为一个轻量版的Anaconda。它只包含conda本体、Python和少量基础包，不会像完整Anaconda那样预装大量科学计算库。对于日常开发来说，先安装Miniconda，再按项目需要安装依赖，通常更加干净、可控。

本文主要介绍：

• 如何安装Miniconda；
• 如何创建、切换、删除虚拟环境；
• 如何安装和管理包；
• 如何配置虚拟环境目录和包缓存目录；
• 为什么在Windows下新建环境可能没有进入指定目录，而是落到了用户目录。

二、Miniconda与Anaconda的区别

1. Anaconda

Anaconda是一个面向数据分析、机器学习和科学计算的完整发行版，安装后会自带大量常用包，例如numpy、pandas、matplotlib、scikit-learn、jupyter等。

它的优点是开箱即用，适合教学、实验和不想手动处理依赖的新手用户。缺点也比较明显：安装包体积大，默认环境比较重，很多预装包可能长期用不到。

2. Miniconda

Miniconda只提供最小可用环境，安装后主要包含：

• conda包管理器；
• 一个基础Python解释器；
• 少量必要依赖。

后续需要什么包，就在对应环境中安装什么包。因此它更适合开发者长期使用，也更容易保持环境清晰。

如果只是想管理Python虚拟环境和依赖包，推荐优先选择Miniconda。

三、下载安装Miniconda

1. 下载地址

可以从Miniconda官方页面下载对应系统的安装包：

https://docs.conda.io/en/latest/miniconda.html

常见选择如下：

• Windows：选择Miniconda3 Windows 64-bit安装包；
• macOS：根据芯片选择Intel或Apple Silicon版本；
• Linux：选择对应架构的shell安装脚本。

本文主要以Windows系统为例说明，Linux和macOS中的常用命令基本一致。

2. Windows安装建议

双击安装包后，按向导安装即可。安装过程中需要关注几个选项。

首先是安装范围：

• Just Me：只为当前用户安装；
• All Users：为所有用户安装。

如果没有管理员权限，建议选择Just Me，安装到当前用户目录下，例如：

C:\Users\用户名\miniconda3

如果希望安装到自定义目录，例如：

D:\Develop\Miniconda3

需要确保当前用户对这个目录有完整的读写权限。后面配置虚拟环境目录时，这一点非常关键。

其次是环境变量选项。安装器一般会提示是否将Miniconda加入PATH。保守做法是不勾选该选项，而是通过开始菜单中的Anaconda Prompt或Miniconda Prompt使用conda。如果确实希望在普通PowerShell或CMD中直接使用conda，可以安装完成后再执行初始化命令。

3. Linux安装示例

在Linux中可以下载shell安装脚本后执行：

bash Miniconda3-latest-Linux-x86_64.sh

安装过程中按提示确认协议、选择安装目录即可。安装完成后重新打开终端，检查conda是否可用：

conda --version

四、初始化终端环境

1. 检查conda版本

安装完成后，打开Anaconda Prompt或Miniconda Prompt，执行：

conda --version

如果能够输出版本号，说明conda已经可以正常使用，例如：

conda 24.11.3

2. 在PowerShell中使用conda

如果希望在PowerShell中直接使用conda activate命令，可以执行：

conda init powershell

执行完成后关闭当前PowerShell窗口，重新打开一个新的PowerShell。如果看到命令行前面出现(base)，说明初始化已经生效。

如果不希望终端每次打开都自动进入base环境，可以关闭自动激活：

conda config --set auto_activate_base false

之后需要使用base环境时再手动执行：

conda activate base

五、配置环境目录和包目录

1. 为什么要配置目录

默认情况下，conda会把虚拟环境和包缓存放在用户目录或Miniconda安装目录中。随着项目增多，虚拟环境和缓存包会占用较多磁盘空间。

如果系统盘空间有限，或者希望把所有开发环境统一放到指定磁盘，可以提前配置：

• 虚拟环境目录：用于存放不同项目的独立环境；
• 包缓存目录：用于存放下载过的安装包和解压缓存。

例如希望统一放到D盘：

D:\Conda\envs
D:\Conda\pkgs

2. 查看当前配置

可以先查看当前conda配置：

conda config --show

重点关注两个配置项：

envs_dirs:
    - D:\Conda\envs
pkgs_dirs:
    - D:\Conda\pkgs

如果没有配置过，可能会看到默认路径。

3. 设置虚拟环境目录

设置虚拟环境存放目录：

conda config --add envs_dirs D:\Conda\envs

如果已经有旧目录，也可以继续追加多个目录。conda会按配置顺序寻找可用位置。

查看配置是否生效：

conda config --show envs_dirs

4. 设置包缓存目录

设置包缓存目录：

conda config --add pkgs_dirs D:\Conda\pkgs

查看配置：

conda config --show pkgs_dirs

之后通过conda install下载的包会优先缓存到该目录。

5. 直接编辑.condarc文件

conda的用户配置通常保存在用户目录下的.condarc文件中，例如：

C:\Users\用户名\.condarc

也可以直接编辑该文件，写入类似配置：

envs_dirs:
    - D:\Conda\envs
pkgs_dirs:
    - D:\Conda\pkgs
channels:
    - defaults
show_channel_urls: true
auto_activate_base: false

保存后重新打开终端即可。

六、创建和管理虚拟环境

1. 创建指定Python版本的环境

创建一个名为py310的环境，并安装Python 3.10：

conda create -n py310 python=3.10

其中：

• create表示创建环境；
• -n py310表示环境名称为py310；
• python=3.10表示安装指定版本的Python。

创建过程中会显示需要安装的包列表，输入y确认即可。

2. 激活环境

环境创建完成后，使用以下命令进入环境：

conda activate py310

进入后，终端前面会出现环境名称：

(py310) PS D:\Code\demo>

此时执行：

python --version

应该能看到环境内的Python版本。

3. 退出环境

退出当前环境：

conda deactivate

如果当前在py310环境中，执行后会回到base环境或普通终端状态。

4. 查看已有环境

查看本机所有conda环境：

conda env list

也可以使用：

conda info --envs

输出中带有星号*的环境表示当前正在使用的环境。

5. 删除环境

如果某个环境不再使用，可以删除：

conda remove -n py310 --all

删除前建议确认环境名称，避免误删仍在使用的项目环境。

七、在指定目录创建虚拟环境

1. 使用环境名创建

最常见的方式是使用-n指定环境名称：

conda create -n demo python=3.11

如果已经配置了envs_dirs，这个环境通常会被创建到配置目录下，例如：

D:\Conda\envs\demo

2. 使用完整路径创建

如果希望某个项目的环境直接放在项目目录或其他固定目录中，可以使用-p指定完整路径：

conda create -p D:\Conda\envs\demo python=3.11

激活这种环境时，也需要使用路径：

conda activate D:\Conda\envs\demo

这种方式适合需要明确控制环境位置的场景。

3. 检查环境实际位置

创建完成后，可以执行：

conda env list

查看环境实际创建到了哪里。如果期望它在D:\Conda\envs，但结果却在类似下面的目录：

C:\Users\用户名\.conda\envs\demo

就需要检查目录权限和conda配置。

八、Windows下环境没有创建到指定目录的原因

1. 常见现象

在Windows系统中，有时已经配置了：

envs_dirs:
    - D:\Develop\Miniconda3\envs

但执行：

conda create -n demo python=3.11

之后发现环境没有出现在D:\Develop\Miniconda3\envs，而是被创建到了用户目录：

C:\Users\用户名\.conda\envs\demo

这通常不是conda配置没有生效，而是目标目录没有足够的写入权限。

2. 为什么会这样

conda创建虚拟环境时，需要在目标目录中创建文件夹、写入解释器、安装依赖包，并维护环境元数据。如果Miniconda所在文件夹或指定的envs目录权限不够，conda无法写入该位置。

在Windows下，这种情况尤其常见。例如：

• Miniconda安装在C:\Program Files等受保护目录；
• Miniconda安装目录是管理员创建的，当前普通用户没有完整控制权限；
• 指定的envs目录继承了上级目录的只读或受限权限；
• 公司电脑或校园电脑存在额外权限策略。

当目标目录不可写时，conda可能会退回到当前用户目录下创建环境，例如C:\Users\用户名\.conda\envs。

3. 解决方式

推荐做法是把环境目录和包目录放到当前用户有完整权限的位置，例如：

D:\Conda\envs
D:\Conda\pkgs

然后重新配置：

conda config --add envs_dirs D:\Conda\envs
conda config --add pkgs_dirs D:\Conda\pkgs

如果仍然想放在Miniconda安装目录下，需要确保当前用户对该目录有写入权限。可以在文件资源管理器中右键目录，进入：

属性 -> 安全 -> 编辑

为当前用户添加修改或完全控制权限。

更稳妥的方式是安装Miniconda时就选择当前用户可写目录，例如：

D:\Develop\Miniconda3

不要安装到需要管理员权限的系统保护目录中。

4. 验证是否修复

修复权限或调整目录后，重新创建测试环境：

conda create -n test-env python=3.11

然后查看：

conda env list

如果看到环境路径已经位于指定目录，例如：

D:\Conda\envs\test-env

说明配置和权限已经正常。

测试完成后可以删除该环境：

conda remove -n test-env --all

九、安装和管理Python包

1. 使用conda安装包

进入目标环境后，可以通过conda install安装包：

conda activate py310
conda install numpy pandas matplotlib

conda会解析依赖关系，并尽量安装互相兼容的版本。

2. 安装指定版本

如果项目要求固定版本，可以写明版本号：

conda install python=3.10 numpy=1.26

对于复现实验环境或老项目维护来说，固定版本很重要。

3. 使用pip安装包

有些包不在conda默认源中，或者conda版本较旧，可以在当前环境中使用pip安装：

pip install requests

需要注意的是，使用pip前一定要先激活目标环境，并确认当前pip属于该环境：

where pip
where python

在Linux或macOS中可以使用：

which pip
which python

路径应该指向当前conda环境目录，而不是系统Python目录。

4. conda与pip混用建议

一般建议优先使用conda install安装基础科学计算类依赖，例如：

• numpy
• pandas
• scipy
• matplotlib
• scikit-learn

如果conda中没有，再使用pip install补充。混用时尽量遵循一个原则：先用conda安装主要依赖，最后再用pip安装缺失依赖。这样可以减少依赖解析冲突。

5. 查看已安装包

查看当前环境已安装包：

conda list

如果只想查某个包：

conda list numpy

使用pip安装的包也通常会出现在conda list中。

6. 更新和卸载包

更新某个包：

conda update numpy

卸载某个包：

conda remove numpy

如果使用pip安装，则对应命令为：

pip uninstall requests

十、配置国内镜像源

1. 为什么要切换镜像源

默认情况下，conda会从官方源下载包。国内网络环境下，下载速度可能较慢，甚至出现连接失败。此时可以配置国内镜像源。

以清华大学镜像源为例，可以执行：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --set show_channel_urls true

如果使用conda-forge，也可以添加：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

配置后可以查看：

conda config --show channels

2. 恢复默认源

如果镜像源临时不可用，可以删除自定义源或恢复默认配置：

conda config --remove-key channels

之后conda会回到默认源配置。

3. pip镜像源

如果经常使用pip，也可以配置pip镜像。例如临时使用清华源：

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

设置全局源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

查看配置：

pip config list

十一、导出和迁移环境

1. 导出环境

如果希望把当前环境迁移到另一台机器，可以导出环境配置：

conda env export > environment.yml

该文件会记录环境名称、依赖包和版本信息。

2. 根据配置创建环境

在另一台机器上进入environment.yml所在目录，执行：

conda env create -f environment.yml

创建完成后激活环境：

conda activate 环境名称

3. 更新已有环境

如果环境已经存在，可以根据environment.yml更新：

conda env update -f environment.yml --prune

其中--prune表示移除配置文件中已经不存在的依赖。

十二、常用命令汇总

1. 环境管理

# 查看conda版本
conda --version

# 查看conda信息
conda info

# 查看所有环境
conda env list

# 创建环境
conda create -n py310 python=3.10

# 创建到指定路径
conda create -p D:\Conda\envs\demo python=3.11

# 激活环境
conda activate py310

# 退出环境
conda deactivate

# 删除环境
conda remove -n py310 --all

2. 包管理

# 安装包
conda install numpy

# 安装多个包
conda install numpy pandas matplotlib

# 安装指定版本
conda install numpy=1.26

# 查看已安装包
conda list

# 更新包
conda update numpy

# 删除包
conda remove numpy

3. 配置管理

# 查看全部配置
conda config --show

# 查看环境目录
conda config --show envs_dirs

# 查看包目录
conda config --show pkgs_dirs

# 添加环境目录
conda config --add envs_dirs D:\Conda\envs

# 添加包缓存目录
conda config --add pkgs_dirs D:\Conda\pkgs

# 关闭自动激活base环境
conda config --set auto_activate_base false

十三、使用建议

1. 一个项目一个环境

不要把所有项目都放在base环境中。base环境更适合作为conda本身的管理环境，具体项目应单独创建环境：

conda create -n project-a python=3.11
conda activate project-a

这样项目之间依赖不会互相污染。

2. 环境命名要清晰

环境名称建议和项目名称或用途对应，例如：

blog-py311
data-analysis
pytorch-cu121
django-demo

不要长期使用test、demo、new这类难以识别的名称。

3. 定期清理缓存

conda下载和解压包后会留下缓存，时间长了会占用较多空间。可以定期清理：

conda clean --all

执行前会提示将要删除的内容，确认后再继续。

4. 记录项目环境

对于需要长期维护的项目，建议提交environment.yml：

conda env export > environment.yml

这样其他机器或团队成员可以快速复现环境。

十四、总结

Miniconda的优势在于轻量、干净、可控。安装完成后，真正重要的不是马上安装很多包，而是先把环境管理方式规划好：虚拟环境放在哪里、包缓存放在哪里、每个项目使用哪个独立环境。

在Windows系统中，如果已经配置了envs_dirs，但新建虚拟环境仍然出现在用户目录下，首先应该检查Miniconda安装目录或指定环境目录的权限。目标目录不可写时，conda可能会回退到C:\Users\用户名\.conda\envs之类的位置。解决思路也很明确：要么把环境目录放到当前用户有完整权限的路径，要么修复目标目录权限。

日常使用中，只要掌握conda create、conda activate、conda install、conda env list、conda remove这几类命令，就已经可以覆盖大多数项目开发场景。后续再结合镜像源配置、environment.yml导出和缓存清理，就能比较稳定地维护本机Python开发环境。