算起来我也算用了 conda 好多年了,但真正把它用明白,还是从跟着尚硅谷的课程重新过了一遍实战项目之后。之前我是那种“装个 Anaconda 就完事”的人,系统 Python 环境被我搞得一团糟,爬虫用 requests、数据分析用 pandas、嵌入式上位机又装了一堆 pyserial 和 opencv,最后连 pip 都开始提示“依赖冲突”。后来才明白,conda 不是装完就结束的东西,它的虚拟环境、镜像源、环境导出打包这套玩法才是核心。这篇内容不打算写官方文档那种面面俱到,就把我在 Windows、macOS、Ubuntu 以及嵌入式项目实战中踩过的 conda 坑、用过的顺手操作、还有解决“切环境失败”“solving environment 卡死”这类问题的方法都整理出来,给同样需要靠 conda 管理多套 Python 环境的朋友做个参考。
1. conda 在尚硅谷课程体系里,到底解决了什么问题
1.1 一个环境装到底,迟早会翻车
很多人学课程的时候会有个习惯:电脑上装一个 Python,然后所有项目都用这一个环境。一开始确实省事,但等到你同时接触爬虫、数据分析、机器学习甚至嵌入式上位机脚本时,问题就开始出现了。
举个真实例子:尚硅谷的爬虫课程里经常要装 scrapy,这个库对 Twisted 等底层依赖有版本要求;而另一个做数据分析的项目需要 pandas 和 numpy 的新版本。两边一冲突,你就能看到 pip 提示“当前的依赖版本不兼容,是否要卸载 xxx”。如果你手一抖同意了,之前写过的项目可能直接跑不起来。这种“装 A 毁 B”的情况,本质就是所有项目共享一套 site-packages,没有隔离。
嵌入式项目更明显。我参与过 STM32 相关的上位机开发,上位机脚本需要 pyserial 控制串口,opencv 处理摄像头画面,numpy 做坐标计算。这些库如果和课程里其他环境的包混在一起,升级任何一个都有风险。最好的方式就是给这个嵌入式项目单独开一个 conda 环境,互不干扰。
1.2 conda 不等于虚拟环境工具,它的能力不止“隔离”
刚开始我有个误解:conda 就是类似 venv 的虚拟环境工具。后来发现它比 venv 强的地方在于,conda 不只是管 Python 包,它连 Python 解释器版本本身都能管。
比如有的课程要求 Python 3.8,有的要求 3.10,有的项目甚至要用到 3.11 的新特性。你用 venv 的话,得先在系统里装好对应版本的 Python 才能创建虚拟环境;但 conda 可以直接在 create 环境的时候指定 python=3.10,它会自动帮你下载对应的 Python 解释器,不需要你提前安装。
更关键的一点:conda 不只管理 Python 包,还管理非 Python 的依赖库。比如 opencv 在 Linux 下依赖一系列底层系统库,用 pip 安装 opencv-python 的时候,某些底层库(libGL、libgtk 等)缺失会导致 import 报错。conda 安装 opencv 时,会把能解决的二进制依赖一起拉下来。
这里可以和 pip 做个对比:
| 对比项 | conda | pip |
|---|---|---|
| 主要安装对象 | Python 包 + 非 Python 依赖 | Python 包 |
| Python 解释器管理 | 支持(可在创建环境时指定版本) | 不支持,需要额外安装 |
| 环境隔离 | 内置 | 配合 venv 使用 |
| 多平台二进制兼容 | 较好 | 部分包需要编译或系统依赖 |
| 默认源 | 国外官方源,慢 | PyPI,国内访问也慢 |
所以我的建议是:学尚硅谷这种涉及多个技术栈、多门课程的场景,直接用 conda 统一管理 Python 解释器和依赖包。
1.3 学习工具链也值得单独建一个环境
除了课程代码,我自己用 Jupyter Notebook 做的笔记、写的数据处理脚本也需要一套环境。以前我图省事直接装在 base 里,后来 base 环境越装越乱,conda 每次 update 都要解析大量包,速度感人。
现在我固定创建了一个独立的 course_notes 环境,专门放 jupyter、pandas、matplotlib 这些用于记笔记和跑 demo 的库。这样即使某天环境坏了,删除重来也不会影响其他项目。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 安装 conda 的实战细节:Windows、macOS、Ubuntu 一个不落
2.1 装 Anaconda 还是 Miniconda
这个问题很多课程学员问过。Anaconda 自带 300 多个常用包,安装包大概几百兆到几个 G,好处是开箱即用,坏处是体积大、启动慢、很多包其实用不上。Miniconda 只带 conda 本身和 Python,核心安装包只有几十到一百多兆,需要什么包再自己装。
我的建议:如果只是跟课程学习,装 Miniconda 更合适。因为你跟着教程走,本来就要用 conda create 创建独立环境,Anaconda 预装的那堆东西基本派不上用场。而且 Miniconda 的环境更干净,后期排查问题也简单。
2.2 Windows 安装流程(含 PowerShell 的坑)
Windows 上安装 Miniconda 有两种方式:一个是直接下载 exe 安装包,一个是去官网下载安装器。安装过程中有两个选项很容易踩坑:
- 第一个是“Add to PATH”,很多人勾选这个是想让 cmd 直接识别 conda 命令,但这样容易和已有 Python 冲突。我更推荐不勾选,安装完后用 Anaconda Prompt 或者初始化 shell 的方式使用。
