安装Anaconda之前，如果已经安装过一个旧的Python版本怎么办

秒速五厘米 2022-05-08 10:28 1470阅读 0赞

转载自[https://blog.csdn.net/accumulate\_zhang/article/details/77371657][https_blog.csdn.net_accumulate_zhang_article_details_77371657]

Anaconda安装等一系列问题

参考文献：

[http://python.jobbole.com/86236/][http_python.jobbole.com_86236]

[https://zhuanlan.zhihu.com/p/25198543][https_zhuanlan.zhihu.com_p_25198543]

现在笔记本电脑上既可以用Python2.7（之前的所有包都保留了），也可以用Python3.6，可以在pycharm中选择不同的解释器。

1.在cmd中测试Python的时候，我的环境变量中最前面是Python2.7，所以在敲入Python命令时，默认的是Python2.7；当你把anaconda3放在环境变量的最前面，那么就会默认是anaconda3中的Python3.5

2.在pycharm中也可以选择不同的版本的Python，只需要在编写代码之前设置 interpreter就行了，不同的Python解释器，对应着不同版本的Python，同时也就对应的各自安装的包，模块。

##  在安装Anaconda之前，有的已经安装过一个Python版本了，但是又不想删除这个Python版本，该怎么办呢？ ##

概括：轻松两步--在系统环境变量中找到对应之前安装Python的路径并删除；直接将你原来安装python的整个文件夹拷贝到envs的目录下，激活该版本python的名称就是文件夹名。

我的电脑里面本来安装了Python2.7的版本，并且配置好了Django，用来做网页设计。后来我又需要一个Python3.5的版本使用tensorflow，Anaconda适用于管理多Python环境，下面来说一说如何在已有Python2,7的条件下安装Anaconda。

其实不管是Python还是Anaconda 都类似于包的管理，可以看到不管是安装Python还是Anaconda，都是在安装目录新建了一个文件下添加了很多文件，然后把安装目录路径添加到环境变量当中（windows下）。

理解这个原理之后，其实要做的就是修改环境变量，和移动Python安装的文件夹而已。具体的操作如下。

1.  下载anaconda的安装包

这里推荐使用清华的镜像，因为速度快而且可以安装你想要的版本，在官网里面往往给出的最新版本，就像我安装的时候官网给的是带Python3.6的版本，但是我想直接安装带python3.5的版本的Anoconda.

可以直接在清华的镜像 [Index of /anaconda/archive/][Index of _anaconda_archive]中，找到对应的版本，下载并安装。带Python3,5的window版本就是下载Anaconda3-4.2.0-Windows-x86\_64。

2  .安装注意事项：安装目录最好不要有空格；是否把Anaconda加入环境变量的选项上打勾，这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令，推荐打勾，如果不打勾可以再安装以后将对应的环境变量添加上去，例如我的就是          D:\\Anaconda3;D:\\Anaconda3\\Scripts;D:\\Anaconda3\\Library\\bin      可参考博客 https://zhuanlan.zhihu.com/p/25198543

3.   安装好了以后，可以在cmd中输入 Python，发现显示的还是你之前安装的版本，像我的就是Python2.7，这是因为你之前安装Python2,7的时候，是将它的安装目录添加到了环境变量中的。在系统环境变量中找到对应之前安装Python的路径并删除，像我的就是D:\\Program Files\\python2.7 和D:\\Program Files\\python2.7\\Scripts。将其删除。

接着重启电脑，再在cmd中输入python 就会显示是Anaconda自带的版本了。

##  Conda的环境管理 ##

**Conda的环境管理功能允许我们同时安装若干不同版本的Python，并能自由切换。**对于上述安装过程，假设我们采用的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是`root`，注意这个root不是超级管理员的意思）。

假设我们需要安装Python 3.4，此时，我们需要做的操作如下：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 </td> 
 <td> # 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本） conda create --name python34 python=3.4 &nbsp; # 安装好后，使用activate激活某个环境 activate python34 # for Windows source activate python34 # for Linux &amp; Mac # 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH &nbsp; # 此时，再次输入 python --version # 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境 &nbsp; # 如果想返回默认的python 2.7环境，运行 deactivate python34 # for Windows source deactivate python34 # for Linux &amp; Mac &nbsp; # 删除一个已有的环境 conda remove --name python34 --all </td> 
 </tr> 
 </tbody> 
</table>

用户安装的不同python环境都会被放在目录`~/anaconda/envs`下，可以在命令中运行`conda info -e`查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。

##  Conda的包管理 ##

Conda的包管理就比较好理解了，这部分功能与`pip`类似。

例如，如果需要安装scipy：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 </td> 
 <td> # 安装scipy conda install scipy # conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库） &nbsp; # 查看已经安装的packages conda list # 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包 </td> 
 </tr> 
 </tbody> 
</table>

conda的一些常用操作如下：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 </td> 
 <td> # 查看当前环境下已安装的包 conda list &nbsp; # 查看某个指定环境的已安装包 conda list -n python34 &nbsp; # 查找package信息 conda search numpy &nbsp; # 安装package conda install -n python34 numpy # 如果不用-n指定环境名称，则被安装在当前活跃环境 # 也可以通过-c指定通过某个channel安装 &nbsp; # 更新package conda update -n python34 numpy &nbsp; # 删除package conda remove -n python34 numpy </td> 
 </tr> 
 </tbody> 
</table>

前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 </td> 
 <td> # 更新conda，保持conda最新 conda update conda &nbsp; # 更新anaconda conda update anaconda &nbsp; # 更新python conda update python # 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本 </td> 
 </tr> 
 </tbody> 
</table>

补充：如果创建新的python环境，比如3.4，运行`conda create -n python34 python=3.4`之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 </td> 
 <td> # 在当前环境下安装anaconda包集合 conda install anaconda &nbsp; # 结合创建环境的命令，以上操作可以合并为 conda create -n python34 python=3.4 anaconda # 也可以不用全部安装，根据需求安装自己需要的package即可 </td> 
 </tr> 
 </tbody> 
</table>

##  设置国内镜像 ##

如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 </td> 
 <td> # 添加Anaconda的TUNA镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # TUNA的help中镜像地址加有引号，需要去掉 &nbsp; # 设置搜索时显示通道地址 conda config --set show_channel_urls yes </td> 
 </tr> 
 </tbody> 
</table>

执行完上述命令后，会生成`~/.condarc`(Linux/Mac)或`C:UsersUSER_NAME.condarc`文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。

[http://blog.csdn.net/u010858605/article/details/64128466][http_blog.csdn.net_u010858605_article_details_64128466]

比如windows中安装TensorFlow的过程

2.安装Tensorflow

TensorFlow目前在Windows下只支持[python][] 3.5版本。

（1）打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

1.  `conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/`
2.  `conda config --set show_channel_urls yes`

*  1
 *  2

![save_snippets_01.png][]

（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：

`conda create -n tensorflow python=3.5`

[https_blog.csdn.net_accumulate_zhang_article_details_77371657]: https://blog.csdn.net/accumulate_zhang/article/details/77371657
[http_python.jobbole.com_86236]: http://python.jobbole.com/86236/
[https_zhuanlan.zhihu.com_p_25198543]: https://zhuanlan.zhihu.com/p/25198543
[Index of _anaconda_archive]: http://link.zhihu.com/?target=https%3A//mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[http_blog.csdn.net_u010858605_article_details_64128466]: http://blog.csdn.net/u010858605/article/details/64128466
[python]: http://lib.csdn.net/base/python
[save_snippets_01.png]: /images/20220508/7cc77804f14f4486a15b808a53093d98.png