1. 先把这套组合的定位说清楚Anaconda 装完、Jupyter 打开、路径配好这三件事单拎出来都不算难但串在一起就是新手最容易翻车的地方。我自己带过不少刚入行的朋友十个里面有七八个卡在明明装好了命令敲下去却说不是内部或外部命令或者Jupyter 打开了但新建的文件全跑到了 C 盘某个莫名其妙的隐藏目录里。所以我这篇不打算写成一份冷冰冰的官方安装说明而是按我实际折腾过的顺序把 anaconda、jupyter、路径配置 这条链路从头到尾捋一遍顺带把那些文档里不会写的坑点全摊开。先说清楚这套东西到底解决什么问题。Anaconda 本质上是一个打包好的 Python 发行版加包管理器它把 Python 解释器、conda 命令、几百个常用的科学计算库一次性塞给你省得你一个个 pip install 到崩溃。Jupyter Notebook 是跑在浏览器里的交互式编程环境你可以把它理解成一个能写代码的笔记本一段一段地执行、随手看结果、还能写 Markdown 笔记做数据分析、跑实验、写学习记录都特别顺手。而路径配置就是让这两个工具知道东西该放哪、我该去哪找是整套流程里最不起眼、却最容易埋雷的一环。这篇文章适合谁看完全没接触过 Python 环境管理的小白能照着一步步做完已经装过但被环境变量、工作目录、内核问题折磨过的半新手也能在里面找到对应的排查思路。我不假设你有什么基础但我会把每一步背后的为什么讲明白而不是让你机械地复制粘贴命令。毕竟装环境这种事理解了原理下次换台机器你自己就能搞定不理解的话换个报错又得重新求助。在正式开始之前先给一个心理预期整个过程大概需要 20 到 40 分钟主要时间花在下载安装包和等 conda 解压上。如果你网络环境一般下载阶段可能会更久这个心里有数就行。2. Anaconda 安装选包、装包、验证一条龙2.1 Windows 安装包怎么选才不踩雷打开安装包下载页面你会看到一堆版本Windows、macOS、Linux每个平台下又分图形化安装包和命令行安装包还有 64 位和 ARM 之分。这里有几个判断标准我按重要性排一下。第一看系统架构。现在绝大多数 Windows 电脑是 64 位 x86 架构选那个标注 64-Bit 的图形化安装包就行。如果你用的是搭载 ARM 芯片的设备那要选对应的 ARM 版本选错了装到一半会直接报架构不匹配。第二看 Python 版本安装包默认绑定的 Python 版本不用太纠结Anaconda 装完之后你随时可以用 conda 创建任意版本的虚拟环境所以选哪个大版本关系不大。我这里强烈建议用图形化安装包而不是命令行版。命令行版虽然装得快、占用小但对新手来说它不会自动帮你配置开始菜单、不会自动创建 Anaconda Prompt 快捷方式后面用到的时候你还得手动去激活反而更麻烦。图形化安装包多占的那点空间换来的是开箱即用的体验这笔账很划算。注意不要图省事去某些第三方软件站下载所谓的精简版破解版安装包这类包经常被删掉了关键的 conda 组件或者塞了乱七八糟的东西装完之后各种诡异报错排查成本远高于重新下一个正版。2.2 安装界面里那几个勾选项决定了你后面顺不顺双击安装包之后会依次出现许可协议、安装类型、安装位置、高级选项这几屏。协议和安装类型没什么好说的一路下一步重点在安装位置和高级选项这两屏。安装位置默认是 C 盘用户目录下路径会很长还带空格。我的习惯是改到一个短路径比如直接装到D:\Anaconda3。为什么强调短路径不带空格因为后面配置环境变量、写脚本、调用 conda 的时候路径里的空格经常会被当成参数分隔符处理引发一些莫名其妙的错误。这是很多人踩过的坑提前避开。高级选项里有两个复选框是重灾区我逐个说。第一个是Add Anaconda3 to my PATH environment variable也就是把 Anaconda 加到系统环境变量。官方默认不勾选并且用红字警告说不推荐。很多新手不理解觉得勾上不是更方便吗直接就能用 conda 命令了。但这里的坑在于如果你电脑上本来就有别的 Python勾选之后环境变量的顺序可能被搞乱导致系统不知道该用哪个 Python出现版本打架。官方的替代方案是让你用开始菜单里的Anaconda Prompt那是一个已经预配置好环境变量的专用终端在里面敲 conda 和 jupyter 命令都能正常识别。第二个是Register Anaconda3 as my default Python这个建议勾上。它的作用是把 Anaconda 注册成系统默认的 Python这样一些需要 Python 支持的第三方软件能自动找到它。后面还有一屏是问要不要装 VS Code这个看个人需求不装也不影响我们后面用 Jupyter。2.3 装完之后怎么验证别急着往下走安装进度条走完点完成可能会弹出一个介绍 Anaconda 生态的小窗口直接关掉。接下来最重要的一步是验证安装很多人跳过这步结果后面出问题了又不知道是哪一环坏的。从开始菜单打开Anaconda Prompt你会看到一个黑框前面带着(base)字样说明 conda 的基础环境已经激活了。在这个窗口里依次敲三条命令conda --version python --version conda list第一条能打印出 conda 的版本号比如conda 24.x.x第二条打印 Python 版本第三条会刷出一大串已安装的包。三条都能正常输出说明 Anaconda 本体没问题。提示如果你在普通的 cmd 或 PowerShell 里敲 conda 提示不是内部或外部命令但在 Anaconda Prompt 里正常那就说明你当初没勾选加入 PATH——这其实是对的用 Anaconda Prompt 就够了不用特意去补环境变量。如果你确实需要在自己的终端里用 conda比如喜欢用 Windows Terminal可以用conda init命令来初始化。它会自动往你的终端配置文件里写入初始化脚本重启终端后就能识别 conda 了。这一步比手动改环境变量安全得多。3. Jupyter 的安装与工作目录改造3.1 装 Jupyter 的三种路子我为什么推荐 condaJupyter 的安装方式大致有三种pip 装、conda 装、还有套在 Anaconda 里直接用。这三种我都试过给你把区别讲清楚。用 pip 装最直接一条pip install jupyter就完事但问题在于它装到哪个 Python 环境里取决于你当前激活的环境如果你环境管理混乱很容易装到不该装的地方。conda 装的话是conda install jupyter好处是 conda 会帮你处理依赖关系尤其是那些带 C 扩展的包conda 的二进制分发比 pip 从源码编译省心太多。而如果你装的是完整版 Anaconda其实 Jupyter 已经预装好了直接敲命令就能用。我的建议是既然你装了 Anaconda就别再单独 pip 装 Jupyter 了直接用 base 环境里的那个。如果担心版本旧用conda update jupyter更新一下即可。对于新手能用 Anaconda 自带的就绝不自己另外装这是减少环境混乱的黄金法则。3.2 改默认工作目录这一步九成的人都做错了现在重点来了也就是标题里的路径配置。你在 Anaconda Prompt 里直接敲jupyter notebook浏览器会弹出一个页面看起来一切正常。但你新建一个笔记本会发现它默认存到了某个莫名其妙的位置——Windows 上通常是C:\Users\你的用户名\或者某个隐藏目录。这就是因为 Jupyter 默认的工作根目录指向了你的用户主目录。想改掉这个行为正规做法是两步先生成配置文件再改配置。第一步生成配置文件。在 Anaconda Prompt 里执行jupyter notebook --generate-config它会告诉你配置文件生成到了哪里通常会打印类似这样的路径Writing default config to: C:\Users\你的用户名\.jupyter\jupyter_notebook_config.py这里有个细节要注意如果你之前生成过配置文件它会问你Overwrite ... [y/N]正常情况下如果没改过就输入 y 覆盖如果已经改过就想清楚别把心血覆盖没了。生成之后这个.jupyter文件夹是个隐藏文件夹在资源管理器的查看里打开隐藏的项目才看得到。第二步改配置。用记事本或者 VS Code 打开那个jupyter_notebook_config.py。这个文件特别长全是注释你要找的是关于notebook_dir的那几行大概长这样# c.NotebookApp.notebook_dir 把它改成你的目标路径并且去掉行首的 # 号让这行生效c.NotebookApp.notebook_dir D:\\jupyter_workspace注意路径里的反斜杠要写成双反斜杠\\或者干脆用正斜杠/因为 Python 字符串里单反斜杠是转义符写单反斜杠会出问题。这是个纯坑很多人改完没反应就是因为这个。3.3 版本更新后的参数名变化别被老教程带偏这里必须提醒一个关键点。Jupyter 从某个版本开始升级到了 Jupyter Server 架构配置项的名字变了。你在网上搜到的大量教程还停留在旧版本教你改c.NotebookApp.notebook_dir但如果你装的是较新的版本这个参数可能已经不生效了得改成c.ServerApp.root_dir。怎么判断该用哪个教你一个稳妥的办法生成配置文件的时候看它生成的到底是jupyter_notebook_config.py还是jupyter_server_config.py。如果是前者用NotebookApp如果是后者用ServerApp。两个文件里对应的注释都是现成的你搜索关键字就能找到。还有个更省事的思路启动的时候直接加参数不依赖配置文件。比如jupyter notebook --notebook-dirD:\jupyter_workspace新版里对应的是--ServerApp.root_dir。这个方式适合临时用不用每次改配置文件但缺点是命令长、每次都得敲。我的习惯是配置文件改一次长期生效偶尔临时用别的目录再靠命令行参数覆盖。3.4 启动后浏览器打不开怎么办配置改好之后再敲jupyter notebook它会在终端里输出一大堆信息包括一个带 token 的访问地址。正常情况下浏览器会自动弹开。如果没弹或者弹出来是空白先别慌按这个顺序排查。看终端最后几行会有一行类似http://localhost:8888/?tokenxxxxxxxx的地址手动复制到浏览器打开。如果端口被占用它会告诉你换了一个端口比如从 8888 变成 8889那你得用新的端口访问。如果你想要一个固定的端口可以用--port 8888指定。注意如果浏览器一直转圈打不开十有八九是端口被别的程序占了或者防火墙拦了本地回环。先试试换端口再检查是不是某些软件占用了这个端口。4. 虚拟环境与 Jupyter 内核打通4.1 为什么建议给每个项目建独立环境Anaconda 最值钱的能力就是虚拟环境。base 环境就像一间公共仓库什么都往里塞时间长了版本冲突会让你痛不欲生——A 项目要 numpy 1.20B 项目要 numpy 1.26装在一起必然有一个跑不起来。正确做法是每个项目建一个独立环境各自管各自的依赖。创建环境的命令很简单conda create -n myproject python3.11这个-n后面跟的是环境名字python3.11指定这个环境用的 Python 版本。回车之后它会列出要安装的东西确认一下输入 y。装完用conda activate myproject激活终端提示符前面会从(base)变成(myproject)说明你切进这个环境了。环境装好之后在这个环境里装 Jupyter 相关的包conda install ipykernel conda install jupyteripykernel是关键它相当于这个 Python 环境和 Jupyter 之间的桥。没有它Jupyter 里就看不到这个环境。4.2 把虚拟环境注册成 Jupyter 内核默认情况下Jupyter 只能看到 base 环境。你想在 Jupyter 里用刚建好的myproject环境得手动把它注册成一个内核。命令是这样的python -m ipykernel install --user --name myproject --display-name Python (myproject)逐段解释一下--user表示装到当前用户的目录下避免权限问题--name是内核的内部标识一般跟环境名一致--display-name是在 Jupyter 界面下拉菜单里显示的名字你可以写得更友好比如带上项目名。注册完之后重启 Jupyter在新建笔记本的时候或者工具栏的 Kernel 菜单里就能看到你注册的那个内核了。选中它你在这个笔记本里跑的所有代码就都在对应环境里执行。这套机制我强烈建议每个项目都做一遍虽然多敲一条命令但后面切换环境、复现实验的时候会感谢自己。如果哪天环境删了记得把对应的内核也清掉命令是jupyter kernelspec list jupyter kernelspec remove myproject第一条列出所有内核第二条删掉指定的那个。内核残留不清理Jupyter 菜单里会出现一堆用不了的空壳选项看着烦人。5. 那些让人抓狂的报错一个一个拆5.1 单元格执行代码没反应转圈圈半天这是新手反馈最多的问题之一。你兴致勃勃打了个print(hello)按下 ShiftEnter结果左边显示[*]一直在转就是不出结果。这种情况八九不离十是内核挂了或者连不上。先看右上角的圆圈颜色如果是实心黑点或者显示 Kernel connecting说明内核没启动成功。最直接的办法是点菜单栏 Kernel → Restart重启内核再试。如果重启也没用关闭这个笔记本回到终端看有没有报错信息。另一个常见原因是环境里缺了ipykernel或者版本不匹配。回到终端激活对应环境执行conda install ipykernel补齐再重启。还有一种情况是防火墙或者安全软件拦了本地通信。Jupyter 的内核和前端是通过本地端口通信的某些安全软件会误拦。可以临时关掉试试如果关掉就正常了把相关进程加进白名单。5.2 启动时蹦出 DLL load failed有个很有代表性的报错是ImportError: DLL load failed while importing rpds这类。它通常出现在你敲jupyter notebook或者jupyter --version的时候。根源一般是环境里的依赖包版本不匹配或者某些二进制组件损坏。解决思路分两层。浅层的办法是直接重装相关包conda install --force-reinstall jupyter conda install --force-reinstall rpds-py--force-reinstall强制重新安装能把损坏的文件覆盖掉。如果重装还不够深层一点的问题是整个环境已经被污染这时候最省事的办法不是跟它死磕而是直接新建一个干净环境把 Jupyter 装进去。我踩过好几次这种坑跟一个坏掉的环境斗争两小时不如花十分钟重建一个新的性价比高得多。心得环境这东西坏了就重建别舍不得。你把时间花在修复上往往不如推倒重来。5.3 命令找不到、conda 和 jupyter 都不认如果你在普通终端里敲jupyter提示找不到命令但在 Anaconda Prompt 里正常那就用 Anaconda Prompt 即可。如果连 Anaconda Prompt 里都不认那说明安装本身可能有问题或者环境变量被别的程序改乱了。排查顺序是这样先确认 Anaconda 的安装目录还在不在D:\Anaconda3下面的Scripts目录里有没有conda.exe。然后在 Anaconda Prompt 里敲where conda它会告诉你 conda 的实际位置。如果显示的位置跟你安装的不一致说明系统里有多个 conda得清理。想要在普通终端也能用 conda最稳的做法不是手动往环境变量里加路径而是用conda init把初始化脚本注入到你的 shell 配置里。这样每次开终端会自动初始化 conda比硬改 PATH 更干净。改完记得把终端关掉重开配置才会生效。5.4 想要的自动补齐和 Markdown 目录Jupyter Notebook 原生的代码自动补齐能力比较弱很多人怀念 IDE 那种智能提示。想要补齐可以装扩展。老一点的做法是装jupyter_contrib_nbextensions里面有个 Hinterland 插件专门做自动补齐conda install -c conda-forge jupyter_contrib_nbextensions jupyter contrib nbextension install --user装完重启 Jupyter首页会出现一个 Nbextensions 标签页进去勾选 Hinterland 即可。同在这个扩展包里还有一个叫Table of Contents (toc2)的插件可以实现 Markdown 目录。Jupyter 本身是不支持[TOC]这种语法的网上说的Markdown 目录语法在原生环境里其实不生效必须靠这个扩展。启用 toc2 之后侧边栏会多出一个目录按钮它会自动抓取你那些#、##标题生成可点击的目录。写长笔记的时候特别好用。如果你更想要开箱即用的智能补全和目录可以考虑用JupyterLab它是 Jupyter 的下一代界面命令是jupyter lab很多能力原生就有。不过对于刚上手的人来说先把 Notebook 用熟再迁移到 Lab 也不迟。5.5 常见问题速查表把上面这些踩坑经验整理成一张表出问题的时候对着查会快很多现象大概率原因处理方式提示不是内部或外部命令没用 Anaconda Prompt或 PATH 未配置改用 Anaconda Prompt或用 conda init 初始化新建笔记本存到奇怪目录默认工作目录没改改配置文件里的 notebook_dir / root_dir改了配置不生效参数名版本不对或路径转义写错确认是 NotebookApp 还是 ServerApp反斜杠写双份单元格执行一直转圈内核挂掉或 ipykernel 缺失重启内核重装 ipykernel启动报 DLL load failed依赖损坏或环境被污染强制重装或新建干净环境浏览器打不开页面端口被占或本地回环被拦换端口检查安全软件下拉菜单看不到虚拟环境没注册内核用 ipykernel install 注册Markdown 目录不生效原生不支持需扩展装 nbextensions 的 toc2代码没有自动补齐原生能力弱装 Hinterland 或用 JupyterLab这张表我建议收藏基本上覆盖了日常八成以上的问题。6. 几个让我少走弯路的操作习惯最后聊几个我长期用下来觉得真的省事的小习惯都是踩坑踩出来的。第一个是给每个项目建独立环境和独立工作目录。别在 base 环境里乱装包base 环境保持干净只放 conda 和 Jupyter 这些基础设施。业务相关的包统统装进项目环境。工作目录也别混一个项目一个文件夹Jupyter 的启动目录要么全局设成一个大目录进去之后再切要么干脆每个项目单独指定。这样你回头看哪个项目环境切过去目录切过去干净利落。第二个是配置文件改一次就备份。jupyter_notebook_config.py改好之后复制一份到别的地方存着。下次重装系统或者换电脑直接把配置文件拷回去省得重新折腾。同理conda env export environment.yml能把当前环境导出成一个清单文件换机器的时候conda env create -f environment.yml一键复现比一个个手装靠谱太多。这个功能我用得很多特别是做实验需要复现的时候。第三个是账号密码和 token 的事别嫌烦。Jupyter 启动时带的 token 是安全机制别为了图方便把 token 关掉或者设成空密码尤其是当你的机器在局域网里的时候。如果你想设置密码可以用jupyter notebook password命令生成一个哈希密码写进配置比明文写密码安全。第四个是关于路径里千万别带中文和空格。这是我吃过最大的亏。有一次我把工作目录设在了带中文的路径下结果某些库读文件死活读不到排查了大半天才发现是编码问题。后来我所有跟开发相关的路径全用英文短路径优先从此再没出过这毛病。你如果现在正在设置目录顺手检查一下路径里有没有中文和空格能省掉未来一个下午的抓头发。这套 Anaconda Jupyter 路径配置的组合说复杂不复杂说简单也不简单关键在于理解每一步在干什么而不是照抄命令。环境管理这件事前期多花二十分钟把它理清楚后面能给你省下无数个小时。我个人最实在的建议就是保持环境干净路径保持简单配置文件留好备份遇到报错先看终端输出——记住这几点你基本就能跟这套工具和平相处了。