当前位置:首页>python>零基础搭建 Python 环境(Anaconda + VS Code 全流程指南)

零基础搭建 Python 环境(Anaconda + VS Code 全流程指南)

  • 2026-09-09 10:54:32
零基础搭建 Python 环境(Anaconda + VS Code 全流程指南)
零基础搭建 Python 环境(Anaconda + VS Code 指南)
摘要
很多刚接触 Python 的同学,第一步就卡在“环境配置”上:
Python 版本混乱、库装不上、项目互相冲突……
这篇文章能够帮你从 0 到 1 搭建一套稳定、清爽、可复用的 Python 开发环境👇
一、为什么推荐 Anaconda?
Anaconda 本质上是一个“环境管理工具 + 科学计算工具箱”
它解决的核心问题是:
Python 环境混乱
  • 不同项目需要不同版本 Python

  • 库版本冲突

    (比如 numpy、pandas)

👉 Anaconda 用“虚拟环境”帮你隔离
就像:
每个项目都有自己的“小房间”,互不影响
跨平台一致性
无论你用:
  • Windows

  • Mac

  • Linux

都可以复现同一套环境
二、安装 Anaconda(最关键一步)
📥 下载
官网:
👉 https://www.anaconda.com
(国内建议用清华镜像更快)
⚙️ 安装建议
❗不要装在 C 盘
✔ 勾选:Add to PATH(可选)All Users(推荐)
🧩 配置环境变量(重点)
需要添加 3 个路径:
D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin
👉 作用:
  • 让系统知道 conda 在哪

  • 确保你用的是 Anaconda 的 Python

测试是否成功
打开终端输入:
conda --version
python --version
如果有输出 → 成功 ✅
三、创建虚拟环境(核心技能)
📦 创建环境
conda create -n oceandata python=3.11 -y
👉 参数说明:
  • n oceandata:环境名(自己取)

  • python=3.11:指定版本

  • y:自动确认(批量安装必备)

▶ 激活环境
conda activate oceandata
看到前面出现 (oceandata) → 成功
⏹ 退出环境
conda deactivate
四、一键安装常用库(重点)
一次性安装很多库库可以这样操作👇
🚀 推荐方式(conda)
conda install numpy pandas matplotlib plotly bokeh xarray netCDF4 openpyxl -y
👉 重点:
  • y = 不用一个个确认

  • 支持批量安装

🧪 如果 conda 没有某些包
可以用:
pip install xxx
五、安装 VS Code 并配置 Python
📥 安装编辑器
👉 Visual Studio Code 官网
https://code.visualstudio.com
🔌 必装插件
打开 VS Code → 扩展市场:
安装:
  • Python(微软官方)

  • Jupyter

🔗 选择 Python 环境
1. 打开一个 .py 文件
2. 左下角点击 Python 版本
3. 选择:
conda env: oceandata
👉 这一步非常关键!
六、配置 Jupyter(做数据分析必备)
👉 Jupyter Notebook / Jupyter Lab
📦 安装
conda install jupyter ipykernel -y
🧠 注册环境内核
python -m ipykernel install --user --name=oceandata --display-name "oceandata"
🚀 启动 Jupyter
jupyter lab
或指定目录:
jupyter lab --notebook-dir=D:\oceandata
✅ 验证环境是否成功
新建 notebook 输入:
import sys
sys.executable
👉 如果路径里有 envs/oceandata → 成功 🎉
七、常见问题(非常重要)
❗问题1:conda 不能用
👉 说明环境变量没配好
❗问题2:装了库但不能用
👉 原因:
  • 没激活环境

  • VS Code 选错 Python

❗问题3:多个 Python 冲突
👉 原因:
  • 系统 Python + Anaconda 混用

✔ 建议:统一用 Anaconda
一句话总结
👉 环境配置的核心就是三件事:
1. 用 Anaconda 管理环境
2. 用虚拟环境隔离项目
3. 用 Visual Studio Code 写代码

最新文章

随机文章