很多刚开始学 Python 的读者都会在“环境搭建”这一步卡住先装 Python 还是先装 Anaconda装完 Anaconda 还要不要装 PyCharm为什么照着教程敲了半天的conda命令终端却提示“不是内部或外部命令”为什么项目里明明写了import numpyPyCharm 却一直报ModuleNotFoundError这些问题单独看都不大但串在一起确实会劝退一批零基础的朋友。本文就以 Windows 系统为例从 Anaconda 的下载、安装、环境变量配置到 PyCharm 的下载、安装、中文插件配置再到“让 PyCharm 使用 Anaconda 解释器”这一关键步骤完整走一遍流程。全文面向完全零基础的读者每一步都会说明“为什么这么做”并附带验证方法和常见报错排查思路。学完后你就能拥有一个可以随时创建项目、安装第三方库、切换 Python 版本的完整 Python 开发环境。1. 为什么入门 Python 推荐 Anaconda PyCharm1.1 从“装 Python 环境”讲起很多新手以为“装 Python”就是去官网下载一个安装包双击安装完就能写代码了。这个理解不算错但不完整。一个真正可用的 Python 开发环境至少由四部分组成Python 解释器负责把.py文件里的代码翻译成计算机能执行的指令。包管理工具负责安装、卸载、升级第三方库最常用的是pip。第三方库NumPy、Pandas、Requests、Matplotlib 等它们不是一个一个手动下载的而是通过包管理工具安装的。编辑器或 IDE用来写代码、运行代码、调试代码的工具。如果只装一个“裸 Python”你很快就会遇到两个头疼的问题第一第三方库的依赖关系经常冲突比如项目 A 需要requests 2.20项目 B 需要requests 3.0装来装去很容易把环境搞乱第二Python 2 和 Python 3 之间、不同 Python 小版本之间的差异会让人分不清自己到底在哪个环境里写代码。所以真正适合新手的方案不是“只装 Python”而是用一个更完整的工具来管理 Python 环境。1.2 Anaconda 是什么解决了什么问题Anaconda 可以理解成一个“全家桶”式的 Python 发行版。它包含以下内容一个可用的 Python 解释器conda包管理器和环境管理工具数百个常用的科学计算和数据分析库如 NumPy、Pandas、Matplotlib、SciPy 等一些常用工具比如 Jupyter Notebook。换句话说安装完 Anaconda你等于一次性拥有了“Python 解释器 常用第三方库 包管理工具”不需要再手动去装 Pandas、NumPy 这些基础库省去了很多零基础阶段最容易踩的坑。Anaconda 最核心的功能是conda的环境管理能力。什么叫“环境”你可以把环境理解成一个独立的“软件包厢”每个包厢里有自己的 Python 版本和第三方库。项目 A 用的包厢不会影响项目 B 的包厢。这样再也不用担心“我改了某个库的版本结果另一个项目跑不起来了”。1.3 PyCharm 在开发中扮演什么角色Anaconda 解决的是“环境”问题PyCharm 解决的是“写代码体验”问题。PyCharm 是 JetBrains 公司出品的 Python IDE它提供代码补全、语法高亮、断点调试、终端集成、Git 版本控制等功能。可以这样理解两者的关系Anaconda 是发动机PyCharm 是驾驶舱。你可以在 Anaconda 里创建虚拟环境、安装依赖然后在 PyCharm 里选择这个环境作为“项目解释器”接下来所有代码的编写、运行和调试都在 PyCharm 中完成。两个工具搭配使用是现阶段 Python 初学者最稳妥、资料最丰富的一套组合。2. 安装 Anaconda 前的准备工作2.1 检查操作系统版本本文以 Windows 10 / Windows 11 64 位系统为例。安装前先确认自己的系统是 64 位还是 32 位右键“此电脑”选择“属性”在“系统类型”一栏可以看到。目前 Anaconda 官方安装包主要提供 64 位版本如果你的电脑还是老旧的 32 位系统建议先升级系统或另选学习路线。另外如果你的电脑上已经安装了官方 Python先不要急着卸载。Anaconda 和系统 Python 可以共存关键是在环境变量配置时注意先后顺序避免命令指向混乱。这一点会在第 4 节详细说明。2.2 从官网下载 AnacondaAnaconda 官网地址是https://www.anaconda.com/download。打开页面后选择 Windows 对应的安装包。页面一般会提供 Python 当前主流版本的安装包选择“Windows 64-Bit Graphical Installer”即可。这里有一个很重要的安全提示一定要从官网或可信的镜像站点下载安装包不要从网盘、第三方下载站或不明渠道获取“破解版”“绿色版”Anaconda。这类渠道很容易捆绑恶意软件而且安装后可能无法正常使用conda功能排查起来非常麻烦。2.3 使用国内镜像加速下载Anaconda 官方安装包体积比较大通常在几百 MB如果直接从官网下载速度不理想可以使用国内高校镜像站。清华大学的 TUNA 镜像站是比较常用的选择Anaconda 安装包镜像地址是https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/打开后可以看到按日期命名的安装包文件选择最新版且以Windows-x86_64.exe结尾的文件下载即可。这里提醒一句镜像站的版本列表可能比官网更新稍慢选一个日期较新的安装包就够用了不必追求绝对最新的小版本。3. Windows 下安装 Anaconda 详细步骤3.1 启动安装程序下载完成后双击安装包会看到 Anaconda 的安装向导界面。一般来说一路点击Next在License Agreement界面选择I Agree接下来会进入安装模式选择页面。安装模式有两个选项Just Me (recommended)只给当前 Windows 用户安装不需要管理员权限推荐大多数新手选择。All Users给电脑上所有用户安装需要管理员权限。如果你的电脑经常有多人使用可以考虑这个选项。然后进入安装路径选择页面。这里有两个建议第一安装路径不要包含中文和空格第二如果 C 盘空间比较紧张可以安装到 D 盘比如D:\ProgramData\Anaconda3。路径中的反斜杠和下划线都是安全的但像D:\软件\Anaconda这样的路径后期可能出现第三方库编译时找不到路径的问题尽量避开。3.2 两个关键勾选项怎么选安装路径确定后安装向导会显示两个高级选项Add Anaconda to my PATH environment variable是否把 Anaconda 加入系统 PATH 环境变量。Register Anaconda as my default Python是否把 Anaconda 注册为系统默认 Python。第二个选项建议勾选尤其在你没有安装其他 Python 的情况下它能让很多需要调用 Python 的程序自动找到 Anaconda 环境。第一个选项需要重点说明。过去很多教程会建议勾选“Add to PATH”但 Anaconda 官方其实并不推荐这样做因为把 Anaconda 加入系统 PATH 后python和conda命令会被全局调用如果系统里还有其他 Python或者后续安装了其他开发工具容易出现命令冲突。更规范的做法是不勾选安装完成后使用开始菜单里的Anaconda Prompt来执行conda命令。不过考虑到本文的读者是完全零基础的用户很多人希望在 Windows 自带的命令提示符cmd或 PowerShell 中也能直接敲conda。针对这个需求本文会在第 4 节单独演示“手动配置环境变量”的方法。也就是说安装时是否勾选都可以继续往下学习。3.3 安装完成的验证方法安装过程可能需要几分钟到十几分钟进度条走完后点击Finish。接下来验证安装是否成功。打开开始菜单找到Anaconda Prompt并打开。这个终端会自动加载 Anaconda 的环境配置是执行conda命令最可靠的入口。输入以下命令并回车conda --version如果输出类似conda 23.x.x的信息说明 conda 本体安装成功。继续输入python --version这个命令会显示当前 Anaconda 自带的 Python 版本。注意这里显示的 Python 版本取决于你安装的 Anaconda 安装包不同安装包的 Python 版本可能不同这是正常的。再输入conda env list这个命令会列出当前所有 conda 环境默认会有一个名为base的环境base就是 Anaconda 安装时自带的“基础环境”。到这里Anaconda 的安装和基础验证就完成了。4. Anaconda 环境配置与 conda 基础操作4.1 配置国内镜像源安装完 Anaconda 后第一件值得做的事是配置 conda 的国内镜像源。conda 默认从官方源下载包在国内网络环境下经常非常慢甚至超时失败。配置清华镜像源可以明显改善这个问题。在Anaconda Prompt中依次执行以下命令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/free/ conda config --set show_channel_urls yes执行完后conda 会把下载通道切换到清华镜像。第一行命令把main通道放在优先级列表的前面第二行把free通道加入列表第三行设置“显示通道地址”便于后续排查问题。这里要特别提醒一点网上有不少旧教程会让你同时添加pkgs/free、pkgs/msys、pkgs/r等通道但在较新的 conda 版本中部分旧通道已经从官方源下线或迁移如果配置里保留了不再存在的通道执行conda install时就会出现类似下面的报错unavailableinvalidchannel: http 404 not found for channel anaconda/pkgs/free这个报错的意思是conda 尝试访问anaconda/pkgs/free这个通道但服务器返回 404说明这个通道已经不可用。解决办法是编辑 conda 的配置文件.condarc删除无效的通道地址。.condarc文件位于用户目录下Windows 上通常是C:\Users\你的用户名\.condarc用记事本打开后把无效的free、msys、r等通道行删除只保留main和defaults即可。4.2 把 conda 配置到系统环境变量如果你安装时没有勾选Add Anaconda to my PATH在cmd或 PowerShell 中直接输入conda会提示“不是内部或外部命令”。此时有两个选择一是老老实实使用Anaconda Prompt二是在 Windows 环境变量中手动添加 Anaconda 的路径。手动配置方法如下右键“此电脑”选择“属性”点击左侧“高级系统设置”点击“环境变量”。在下方的“系统变量”列表中找到变量Path双击它点击“新建”把以下三个路径依次添加进去你的Anaconda安装目录 你的Anaconda安装目录\Scripts 你的Anaconda安装目录\Library\bin例如如果 Anaconda 安装在D:\ProgramData\Anaconda3就添加D:\ProgramData\Anaconda3 D:\ProgramData\Anaconda3\Scripts D:\ProgramData\Anaconda3\Library\bin添加完成后关闭并重新打开一个cmd窗口输入conda --version如果显示了版本号说明环境变量配置成功。需要再三提醒的是如果系统里已经安装了其他 Python或者你曾经手动配置过其他 Python 的环境变量一定要检查Path中各项的先后顺序。哪个路径排在前面输入python时就会优先使用哪个路径下的 Python。最稳妥的做法是确认 Anaconda 的路径排在系统其他 Python 路径之前或者干脆卸载多余的系统 Python避免命令指向混乱。4.3 创建和管理虚拟环境掌握了conda命令后第一个要学会的操作就是创建虚拟环境。新建一个项目的虚拟环境命令格式如下conda create -n myenv python3.9这条命令会创建一个名为myenv的新环境并在其中安装 Python 3.9。-n后面的名字可以自由取建议使用能表达项目含义的英文名比如webapp、analysis、crawler不要使用中文和空格。创建过程中 conda 会询问是否确认安装依赖输入y回车即可。创建完成后用下面的命令激活环境conda activate myenv激活后终端提示符前面会显示当前环境名变成(myenv)开头。此后安装的第三方库都只会进入这个环境而不会影响base环境。退出环境使用conda deactivate其他常用的环境管理命令如下# 查看所有环境 conda env list # 删除某个环境 conda remove -n myenv --all虚拟环境是 conda 最值得掌握的功能。刚入门时可能体会不到它的价值但当你同时做数据分析项目、Web 项目和爬虫项目时每个项目依赖不同的库版本良好的环境隔离能省下大量排查依赖冲突的时间。4.4 使用 conda 安装第三方库安装第三方库有两种主要方式conda install和pip install。# 使用 conda 安装 conda install numpy pandas matplotlib # 使用 pip 安装 pip install requests beautifulsoup4什么时候用conda什么时候用pip简单来说conda是 Anaconda 自带的包管理器对于 NumPy、Pandas、SciPy 这类需要编译的库conda能自动处理底层依赖安装成功率更高。pip是 Python 生态通用的包管理器库的数量更多、更新更快很多新发布的库会第一时间上 PyPI而 conda 渠道可能还没同步。实操经验优先用conda install如果找不到某个包再用pip install。混用时不要“跨环境”先确认自己当前激活的是哪个环境。5. PyCharm 的下载、安装与中文配置5.1 选择 Community 还是 ProfessionalPyCharm 官网提供两个版本Community社区版免费开源支持 Python 开发的核心功能对学习和大多数个人项目完全够用。Professional专业版付费额外支持 Web 框架、数据库工具、远程开发等高级功能。零基础学习阶段直接下载 Community 版即可。不要为了使用专业版去找各种“破解激活工具”这些工具来源不明存在很大的安全风险。如果你是高校学生或教师可以通过 JetBrains 官方学生授权计划申请免费使用专业版这也是官方认可的合法渠道。5.2 下载并安装 PyCharmPyCharm 官网下载地址是https://www.jetbrains.com/pycharm/download/。页面会自动识别你的操作系统点击 Community 下的Download按钮即可。下载完成后双击安装包安装向导会依次询问是否创建桌面快捷方式是否将Open Folder as Project添加到右键菜单是否关联.py文件是否把启动器目录加入 PATH。这些选项按需勾选即可。对于零基础用户建议勾选“创建桌面快捷方式”和“关联 .py 文件”使用体验会更顺手。安装完成后启动 PyCharm第一次打开会进入欢迎界面通常可以直接使用免费版无需登录也可以正常编码。5.3 安装中文语言包PyCharm 从 2020.1 版本开始支持官方中文语言包插件安装方式很简单打开 PyCharm进入File SettingsWindows 系统。在左侧菜单选择Plugins在Marketplace搜索框中输入Chinese。找到Chinese Language Pack / 中文语言包点击Install安装。安装完成后重启 PyCharm界面就会变成中文。这里说明一下中文语言包只是把菜单和提示翻译成中文不影响 Python 代码本身。新手期借助中文界面可以降低学习成本等慢慢熟悉了也可以随时在插件设置中禁用语言包回归英文界面两种方式都不影响开发功能。6. 让 PyCharm 使用 Anaconda 解释器6.1 新建项目并选择解释器PyCharm 安装完成后最关键的一步是把 Anaconda 的 Python 解释器配置给 PyCharm。这一步如果不做PyCharm 默认会使用自己的虚拟环境很可能导致你在 conda 里安装的 NumPy、Pandas 在 PyCharm 中导入失败。操作步骤如下打开 PyCharm点击New Project。在Location中选择项目保存路径项目名建议使用英文。在Interpreter或Python Interpreter区域选择Add Interpreter Add Local Interpreter。在弹出的窗口左侧选择Conda Environment在右侧选择Existing environment。在Interpreter下拉框或路径选择框中找到 Anaconda 安装目录下的python.exe。例如D:\ProgramData\Anaconda3\python.exe。点击OK确认等待 PyCharm 完成环境加载。完成之后打开 PyCharm 右下角状态栏一般会显示当前使用的解释器路径确认其中包含anaconda3说明配置成功。6.2 使用 conda 虚拟环境作为项目解释器如果你想为某一个项目单独使用一个 conda 虚拟环境而不是base环境可以先在Anaconda Prompt中创建环境conda create -n py39demo python3.9 conda activate py39demo然后在 PyCharm 的Add Local Interpreter Conda Environment Existing environment中点击解释器路径右边的浏览按钮进入 Anaconda 安装目录下的envs\py39demo\python.exe。选择这个解释器后PyCharm 中安装的所有包都会被隔离到py39demo环境里。如何验证当前项目到底用的是哪个环境在 PyCharm 的终端中输入python --version再输入下面这段代码查看具体路径python -c import sys; print(sys.executable)输出的路径里如果包含envs\py39demo说明虚拟环境生效了。6.3 编写第一个验证程序配置完成后在项目目录下新建一个 Python 文件比如main.py输入以下代码# 文件路径你的项目目录/main.py import numpy as np import pandas as pd data { 姓名: [张三, 李四, 王五], 成绩: [88, 92, 75] } df pd.DataFrame(data) print(df) print(平均分:, np.mean(df[成绩]))右键选择Run main如果控制台输出了包含三行数据的表格和平均分85.0说明三件事都成功了Anaconda 环境正常、PyCharm 解释器配置正确、NumPy 和 Pandas 可以正常导入。如果这里报ModuleNotFoundError: No module named numpy不要急着去网上搜安装命令先回到File Settings Project Python Interpreter检查当前项目使用的解释器路径是不是 Anaconda 或对应虚拟环境下的python.exe。这个报错 90% 的情况都是解释器选错了。7. 常见问题与排查思路7.1 conda 命令提示“不是内部或外部命令”这是新手最容易遇到的问题。原因是 conda 的可执行文件路径没有加到系统环境变量中或者终端是旧的窗口没有重新加载新的环境变量。排查步骤先打开开始菜单中的Anaconda Prompt在里面输入conda --version。如果正常说明安装本身没有问题只是当前终端环境没有加载 conda 路径。此时要么以后都使用Anaconda Prompt要么按 4.2 节的方法手动配置环境变量。7.2 conda 报 unavailableinvalidchannel 404报错信息形如unavailableinvalidchannel: http 404 not found for channel anaconda/pkgs/free这个错误的直接原因是 conda 配置的 channel 里面出现了不存在的通道。旧教程中的anaconda/pkgs/free、anaconda/pkgs/msys等通道在较新的官方源中已经不再提供服务。解决办法用文本编辑器打开用户目录下的.condarc文件。删除其中所有不存在的通道地址只保留defaults或可用的镜像通道。保存后在终端执行conda clean -i清除缓存索引。重新执行conda install验证。7.3 PyCharm 中无法选择 conda 环境新版 PyCharm 在创建项目时如果找不到 conda可以在Add Local Interpreter窗口中手动把Conda executable指向 Anaconda 安装目录下的conda.exe例如D:\ProgramData\Anaconda3\Scripts\conda.exePyCharm 会自动扫描该 conda 下的所有环境。如果 PyCharm 仍然没有任何 conda 环境可选可以试试直接选择现有环境的python.exe也就是使用Existing environment的方式不依赖 PyCharm 自动检测。7.4 安装包下载慢或进度条卡住Anaconda 安装包比较大如果官网下载长时间没有反应改用清华镜像下载安装包。安装过程中如果进度条卡住先关闭安全软件和杀毒软件再重新安装某些安全软件会拦截 Anaconda 在安装过程中写入系统路径的操作。conda install下载慢的问题通常通过配置国内镜像源解决。配置完成后如果仍然很慢可以尝试把defaults通道也替换为镜像地址并执行conda clean -i清理缓存。7.5 常见问题速查表问题现象常见原因解决思路conda不是内部或外部命令Anaconda 不在系统 PATH 中使用 Anaconda Prompt或手动配置环境变量安装或下载速度极慢访问官方源网络不佳安装包走清华镜像conda 源也改为国内镜像unavailableinvalidchannel: 404配置了已废弃的旧通道编辑.condarc删除无效通道执行conda clean -iPyCharm 中import numpy报错项目解释器不是 conda 环境在 Settings 中把解释器切换到 Anaconda 的python.exe系统存在多个 Python命令混乱环境变量中多个 Python 路径冲突检查Path顺序优先保留 Anaconda 路径虚拟环境创建失败镜像通道不可用或磁盘空间不足核对.condarc配置清理磁盘后重试8. 最佳实践与工程建议8.1 环境隔离从第一天开始很多初学者图省事所有项目都直接在base环境里写。前期项目少的时候确实没感觉等做第二个、第三个项目时就会因为库版本冲突而被迫推倒重来。建议养成一个习惯每个 Python 项目创建时都新建一个 conda 虚拟环境并在 PyCharm 中把项目解释器指向这个环境。这个习惯会在后续学习中帮你省下大量时间。8.2 用文件锁定项目依赖当你的项目逐渐变得复杂依赖的第三方库越来越多时手动记忆每个库的版本显然不现实。conda 提供了导出环境配置的功能# 导出当前环境的依赖清单 conda env export environment.yml在新电脑或其他小伙伴的电脑上可以用这个文件快速复刻完全一致的环境conda env create -f environment.yml使用 pip 的项目也可以导出requirements.txtpip freeze requirements.txt这类文件建议提交到 Git 仓库中作为项目的配置资产管理这样整个项目的依赖版本就是可追溯的。8.3 安全与维护建议始终从 Anaconda 官网或清华镜像等可信来源下载安装包不要使用来路不明的“绿色版”“破解版”。系统里只保留一个 Python 环境管理体系。如果你不需要系统级 Python建议把它卸载或至少不要把它放在环境变量靠前的位置。不要执行网上的conda命令时盲目复制先理解命令的作用尤其是涉及删除环境conda remove -n ... --all和conda clean --all这类操作执行前确认环境名称避免误删。定期执行conda update conda更新 conda 本身但不要在生产项目中频繁更新所有依赖库版本。8.4 入门学习路线建议环境配置好之后接下来可以按这个顺序继续学习Python 基础语法变量、数据类型、条件语句、循环、函数。常用数据结构列表、元组、字典、集合。文件操作与异常处理。NumPy 与 Pandas 数据分析。Matplotlib 数据可视化。选择一个感兴趣的小项目实战例如爬虫、自动化办公脚本或数据分析案例。遇到报错时先读报错信息再看最后一行提示最后根据关键词去搜索。解决报错是编程学习的一部分不要因此焦虑。环境搭建是 Python 学习中最枯燥、回报却最高的一步。跟着本文把 Anaconda 下载、安装、环境配置以及 PyCharm 解释器关联全部走通之后后面的 Python 语法学习和项目练习就会顺畅很多。建议你立刻动手操作一遍装好环境新建一个项目运行 6.3 节那个验证程序亲眼看到控制台输出结果这套开发环境才算真正属于你了。