从零掌握 Python
玩转 Anaconda
专为零基础学员打造的 Python + Anaconda 数据科学学习方案
配备专业助教支援，从环境管理到数据分析，助你快速成长
为什么选择我们？
专业、系统、实战的 Python + Anaconda 数据科学学习体验
Anaconda 专业指导
从安装配置到环境管理，全面掌握 Anaconda 这款数据科学平台
Python 数据科学
系统学习数据科学工具栈，掌握 NumPy、Pandas、Matplotlib 等核心库
专业助教支援
1v1 答疑解惑，及时解决学习中遇到的各种问题
项目实战驱动
通过真实数据分析案例，将理论知识转化为实际分析能力
就业能力培养
数据分析项目经验，简历优化指导，助力数据科学职场竞争力
完整学习闭环
从基础到实践，从项目到就业，提供全方位的学习支持
Anaconda 完整使用教程
从安装到精通，全面掌握这款专业的 Python 数据科学平台
Anaconda 简介
Anaconda 是一个开源的 Python 和 R 语言发行版本，主要用于数据科学、机器学习和大规模数据处理。 它集成了众多科学计算包，提供了强大的包管理和环境管理功能，让数据科学工作更加高效。
环境管理
轻松创建和管理多个独立的 Python 环境
包管理工具
conda 和 pip 双重包管理，方便安装科学计算库
预装数据科学库
内置 NumPy、Pandas、Matplotlib 等常用库
图形界面
Anaconda Navigator 提供友好的图形化管理界面
一、配置 Anaconda 下载源
配置国内镜像源，提高包的下载速度
1. 配置 conda 下载源
在 CMD 或 Anaconda Prompt 中输入以下命令配置清华镜像源：
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
查看配置结果：conda info 或 conda config --show channels
2. 配置 pip 下载源
Windows 系统：
在 C:\Users\username\pip\pip.ini 中添加：
[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true
timeout = 6000
二、Anaconda 环境管理
使用命令行管理虚拟环境，每个项目独立隔离
虚拟环境管理命令
① 创建虚拟环境
# 创建指定 Python 版本的环境
conda create -n env_name python=3.9
# 创建环境并安装包
conda create -n env_name python=3.9 numpy pandas
② 查看环境列表
conda env list
③ 激活/退出环境
# 激活环境
conda activate env_name
# 退出当前环境
conda deactivate
④ 删除环境
conda remove -n env_name --all
💡 图形界面管理
也可以使用 Anaconda Navigator 进行图形化管理。打开 Navigator 后，在 Environments 标签页可以创建、删除和管理环境。
三、包的管理
使用 conda 或 pip 安装、更新和卸载 Python 包
使用 conda 管理包
# 安装包
conda install numpy
conda install numpy pandas matplotlib
# 查看已安装的包
conda list
# 更新包
conda update numpy
# 卸载包
conda remove numpy
使用 pip 管理包
# 安装包
pip install requests
# 查看已安装的包
pip list
# 更新包
pip install --upgrade requests
# 卸载包
pip uninstall requests
conda vs pip
- • conda：推荐用于科学计算包（NumPy、Pandas 等），处理依赖更好
- • pip：适用于纯 Python 包，PyPI 包更全
- • 优先使用 conda，找不到再用 pip
四、Anaconda 与 PyCharm 集成
在 PyCharm 中使用 Anaconda 虚拟环境
配置步骤
- 打开 PyCharm 设置
File → Settings（Windows/Linux）或 PyCharm → Preferences（Mac）
- 选择 Python 解释器
导航到：Project → Python Interpreter
- 添加 Conda 环境
点击齿轮图标 → Add → Conda Environment
- 选择现有环境或创建新环境
• Existing environment：选择已有的 Conda 环境
• New environment：创建新的 Conda 环境
💡 在 PyCharm 中使用 Conda
配置完成后，在 PyCharm 的 Terminal 中执行的命令会自动使用选定的 Conda 环境。 可以直接使用 conda 命令安装包，PyCharm 会自动识别。
五、常用数据科学库
NumPy
科学计算基础库，提供多维数组和矩阵运算
conda install numpyPandas
数据分析处理，提供 DataFrame 数据结构
conda install pandasMatplotlib
数据可视化库，绘制各种统计图表
conda install matplotlibScikit-learn
机器学习库，包含各种算法
conda install scikit-learnJupyter
交互式笔记本，数据分析必备
conda install jupyterSeaborn
高级可视化库，基于 Matplotlib
conda install seaborn六、学习建议
💡 Anaconda 学习路线
- 掌握基础：先熟悉 conda 命令和环境管理，养成为每个项目创建独立环境的习惯
- 学习数据科学库：按 NumPy → Pandas → Matplotlib 的顺序学习，打好数据分析基础
- 实践项目：通过真实数据集练习，将理论知识应用到实际分析中
- 使用 Jupyter：Jupyter Notebook 是数据分析的利器，适合探索性分析和可视化
- 关注版本管理：使用 environment.yml 导出环境配置，便于项目复现和团队协作
选择适合你的课程套餐
从入门到精通，总有一款适合你
Python+Anaconda 小白启航营
专为完全零基础、想快速掌握 Python 数据科学的学员设计
- 认识 Python 到玩转 Anaconda 全程带练
- 拆解 Python 核心语法（变量、函数、循环等）
- 掌握 Anaconda 环境管理和包管理
- 学习 Jupyter Notebook 交互式编程
- 完成基础数据分析项目（NumPy、Pandas 入门）
- 提供配套课件和 Anaconda 安装/配置指南
Python+Anaconda 数据分析营
针对有 Python 基础、想提升数据分析能力的学员
- 聚焦"数据处理→可视化→分析"全流程
- 强化 Anaconda 虚拟环境管理技巧
- 深入数据科学核心库（NumPy、Pandas、Matplotlib）
- 完成 2 个完整数据分析项目（数据清洗、可视化分析）
- 掌握 Jupyter Notebook 高级用法和技巧
- 附赠项目数据集和导师 1v1 答疑（2 次）
Python+Anaconda 机器学习营
面向数据科学、机器学习方向的学员
- 打造"数据科学 + 机器学习"双技能
- Anaconda 作为核心开发环境贯穿全程
- 覆盖机器学习核心技能（Scikit-learn、TensorFlow、PyTorch）
- 详解 Conda 环境管理和依赖配置最佳实践
- 完成 3 个机器学习项目（预测模型、图像识别、NLP）
- 项目符合数据科学岗位要求，可直接写入简历
- 提供增值服务：简历优化指导、模拟面试（2 次）、行业资源社群
准备好开始你的数据科学之旅了吗？
立即注册，选择适合你的课程套餐，掌握 Anaconda 和数据分析技能