Ubuntu 24.04 系统下Anaconda安装、配置及使用的完整指南

搭建稳定的开发环境是Python学习和实践的基础，Anaconda作为数据科学领域常用的开发工具集，集成了Python例程、包管理工具和多种数据剖析库，能急剧简化环境配置流程。本文将详尽介绍在Ubuntu24.04系统上安装、配置Anaconda的完整步骤，兼具实用性和可操作性，适宜各种用户参考。

一、学习目标完成Ubuntu24.04系统下最新版Anaconda的安装与验证配置国外镜像源linux开发培训，提高包下载效率把握conda虚拟环境的创建、激活、管理等核心操作学会JupyterNotebook/Lab的基础配置与使用了解Anaconda与VSCode的集成方式解决安装和使用过程中的常见问题二、准备工作

我们使用Ubuntu24.04系统，所以在开始操作前，确保以下条件：

三、系统打算与环境检测3.1基础环境验证

打开终端，执行以下命令检测系统是否符合安装要求：

# 检查Ubuntu系统版本（需显示24.04 LTS）
lsb_release -a
# 检查系统架构（需为64位，显示x86_64）
uname -m
# 检查主目录可用磁盘空间（需≥10GB）
df -h ~
# 检查系统内存（建议≥4GB，运行更流畅）
free -h

3.2安装依赖工具

执行以下命令更新系统包并安装必要依赖，防止后续安装出错：

# 更新系统包索引并升级现有包
sudo apt update && sudo apt upgrade -y
# 安装编译工具、依赖库及基础工具
sudo apt install -y wget curl git build-essential libssl-dev zlib1g-dev 
libbz2-dev libreadline-dev libsqlite3-dev libffi-dev liblzma-dev 
python3-openssl libncurses5-dev libncursesw5-dev xz-utils tk-dev
# 安装图形界面支持（用于Anaconda Navigator等GUI工具）
sudo apt install -y libgl1-mesa-dev libegl-dev libxrandr2 
libxss1 libxcursor1 libxcomposite1 libasound2t64 libasound2-data libxi6 libxtst6

注：须要一点时间，可以喝哈喇子歇一歇，等待更新完成。

四、Anaconda安装与验证4.1获取Anaconda安装包方式一：命令行手动下载最新版（推荐）

通过命令行直接获取官网最新版安装包，无需自动查找链接：

# 查看Anaconda官网最新Linux-x86_64版本文件名
curl -s https://repo.anaconda.com/archive/ | grep -o 'Anaconda3-[0-9.-]*-Linux-x86_64.sh' | sort -V | tail -1
# 将上述命令输出的文件名替换到此处（示例为2025.12版）
LATEST_VERSION="Anaconda3-2025.12-1-Linux-x86_64.sh"
# 下载安装包到主目录
wget "https://repo.anaconda.com/archive/$LATEST_VERSION" -O ~/anaconda_installer.sh
# 验证安装包大小（正常约1GB左右）
du -h ~/anaconda_installer.sh

方式二：自动下载访问Anaconda官方下载页面（）选择Linux系统对应的安装包（x86_64构架）复制下载链接，在终端中用wget下载链接命令下载，或直接通过浏览器下载后联通到主目录4.2执行安装流程

# 给安装包添加执行权限
chmod +x ~/anaconda_installer.sh
# 启动安装（-u参数启用详细输出，便于排查问题）
bash ~/anaconda_installer.sh -u
# 安装完成后激活conda环境
source ~/.bashrc
# 验证安装是否成功
conda --version
python --version
which python  # 输出应指向~/anaconda3/bin/python

4.3安装过程关键选择

步骤

终端提示

操作方法

说明

显示许可合同

按回车键逐页阅读，或Ctrl+C跳过

需完整查看或跳过合同后才会继续

Doyouacceptthelicenseterms?

输入yes并回车

必须同意合同能够安装

提示选择安装位置

直接按回车键

推荐使用默认路径~/anaconda3，防止自动更改引起路径问题

寻问是否初始化Anaconda3

输入yes并回车

初始化后会手动将conda添加到系统PATH，无需自动配置

4.4安装验证

执行以下命令测试Anaconda是否正常工作：

# 运行Python测试脚本，验证核心库可用性
python -c "
import sys
print('Python版本:', sys.version)
print('Python路径:', sys.executable)
try:
    import numpy as np
    print('numpy版本:', np.__version__)
    print('Anaconda安装成功！')
except ImportError:
    print('numpy导入失败，请检查安装是否完整')
"
# 查看conda系统信息
conda info
# 查看预装包列表（前20个）
conda list | head -20

五、环境配置与优化5.1国外镜像源配置（解决下载慢问题）

国外用户直接联接Anaconda官方源下载包速率较慢linux ncurses-5.7安装，配置复旦学院镜像源可急剧提高效率：

# 备份原始配置文件（防止配置出错后无法恢复）
cp ~/.condarc ~/.condarc.backup 2>/dev/null || true
# 写入清华镜像源配置
cat > ~/.condarc << EOF
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
EOF
# 测试镜像源速度（观察搜索耗时）
time conda search numpy

5.2环境变量优化配置

将以下配置添加到~/.bashrc或~/.zshrc（按照使用的shell选择）ubuntu linux，提高使用体验：

# 追加配置到.bashrc
echo '
# Anaconda环境变量配置
export CONDA_DIR="$HOME/anaconda3"
export PATH="$CONDA_DIR/bin:$PATH"
# 禁用base环境自动激活（避免影响系统默认Python）
conda config --set auto_activate_base false
# Python性能优化配置
export PYTHONDONTWRITEBYTECODE=1
export PYTHONUNBUFFERED=1
export MKL_NUM_THREADS=4
export OMP_NUM_THREADS=4
# 加载conda自动补全和环境脚本
if [ -f "$CONDA_DIR/etc/profile.d/conda.sh" ]; then
    . "$CONDA_DIR/etc/profile.d/conda.sh"
fi
if [ -f "$CONDA_DIR/etc/profile.d/mamba.sh" ]; then
    . "$CONDA_DIR/etc/profile.d/mamba.sh"
fi
' >> ~/.bashrc
# 使配置生效
source ~/.bashrc

5.3个性化设置

# 更新conda到最新版本
conda update conda -y
# 验证镜像源配置
conda config --show channels

六、conda虚拟环境管理

虚拟环境可隔离不同项目的依赖包，防止版本冲突，是Python开发的核心方法之一。

6.1核心操作命令

# 查看所有已创建的虚拟环境
conda env list
# 或
conda info --envs
# 创建虚拟环境（多种方式）
# 方式1：基础Python环境（指定Python版本）
conda create --name learn_python python=3.13.0 -y
# 方式2：带常用数据科学包的环境
conda create --name data_science python=3.13.0 
numpy pandas matplotlib seaborn jupyter scikit-learn -y
# 方式3：从配置文件创建（适合项目协作）
conda env create -f environment.yml
# 方式4：克隆现有环境
conda create --name new_env --clone old_env -y
# 激活虚拟环境（激活后终端提示符会显示环境名）
conda activate learn_python
# 退出当前虚拟环境（返回base环境或系统环境）
conda deactivate
# 安装包到当前激活的环境
conda install 包名  # 示例：conda install requests
# 或指定版本安装
conda install numpy=1.24.3 -y
# 查看当前环境已安装的包
conda list
# 更新当前环境所有包
conda update --all -y
# 删除虚拟环境（谨慎操作，删除后不可恢复）
conda remove --name 环境名 --all -y

6.2环境配置文件（environment.yml）

通过配置文件可快速复现一致的开发环境，便捷团队协作和项目迁移。创建environment.yml文件，内容如下：

name: data_science
channels:
  - conda-forge
  - defaults
dependencies:
  # 核心Python版本
  - python=3.13
  # 数据科学基础库
  - numpy>=1.24
  - pandas>=2.0
  - scipy>=1.10
  - matplotlib>=3.7
  - seaborn>=0.12
  # 机器学习与深度学习库
  - scikit-learn>=1.3
  - xgboost>=1.7
  - pytorch>=2.0
  - torchvision>=0.15
  # 开发工具
  - jupyterlab>=4.0
  - notebook>=7.0
  - ipython>=8.14
  - black>=23.0
  - flake8>=6.0
  - pytest>=7.0
  # 数据库与Web相关
  - sqlalchemy>=2.0
  - requests>=2.31
  - beautifulsoup4>=4.12
  # 通过pip安装的包（conda无对应版本时使用）
  - pip
  - pip:
    - openai>=0.27
    - streamlit>=1.24
    - fastapi>=0.100

使用配置文件的相关命令：

# 从配置文件创建环境
conda env create -f environment.yml
# 导出当前环境配置（含版本信息）
conda env export > environment_current.yml
# 导出跨平台配置（不含系统特定构建号）
conda env export --no-builds > environment_nobuilds.yml
# 根据配置文件更新环境（新增包/删除无用包）
conda env update -f environment.yml --prune

6.3环境维护与清除

# 查看各环境占用磁盘空间
du -sh ~/anaconda3/envs/* | sort -h
# 清理conda缓存（未使用的包和索引）
conda clean --all -y
# 检查环境健康状态
conda doctor
# 修复损坏的环境（克隆到新环境）
conda env create -name fresh_env --clone broken_env --offline
conda remove --name broken_env --all -y

七、JupyterNotebook/Lab配置与使用

Jupyter是数据科学领域常用的交互式开发工具linux ncurses-5.7安装，支持代码分段执行、实时可视化等功能。

7.1基础安装与启动

# 激活目标虚拟环境
conda activate learn_python
# 安装Jupyter Notebook和Jupyter Lab
conda install jupyter notebook jupyterlab -y
# 启动Jupyter Notebook（默认端口8888）
jupyter notebook
# 或启动Jupyter Lab（功能更强大）
jupyter lab

启动后，浏览器会手动打开界面（若未手动打开，复制终端输出的链接在浏览器中访问）。

7.2中级配置

# 生成Jupyter配置文件
jupyter lab --generate-config
jupyter server --generate-config
# 设置访问密码（提升安全性）
jupyter server password
# 配置工作目录和访问权限（编辑配置文件）
cat >> ~/.jupyter/jupyter_lab_config.py << 'EOF'
# 允许局域网内其他设备访问
c.ServerApp.ip = '0.0.0.0'
# 自定义端口（避免冲突）
c.ServerApp.port = 8888
# 禁用自动打开浏览器
c.ServerApp.open_browser = False
# 设置默认工作目录（需提前创建）
c.ServerApp.notebook_dir = '/home/$USER/projects'
# 禁用XSFR检查（部分场景需关闭）
c.ServerApp.disable_check_xsrf = False
# 上传文件大小限制（1GB）
c.ServerApp.max_body_size = 1073741824
# 内存限制（512MB）
c.ServerApp.max_buffer_size = 536870912
EOF
# 创建工作目录
mkdir -p ~/projects

7.3常用扩充与方法

# 安装常用Jupyter Lab扩展
conda install -c conda-forge 
jupyterlab-drawio 
jupyterlab-spellchecker 
jupyterlab-code-formatter 
jupyterlab-toc -y
# 配置conda环境内核（使Jupyter识别所有虚拟环境）
conda install -c conda-forge nb_conda_kernels -y
# 为指定环境注册内核
conda activate py313
python -m ipykernel install --user --name py313 --display-name "Python 3.13.0"

Jupyter常用魔术命令（在Notebook单元格中使用）：

# 自动重载修改的模块
%load_ext autoreload
%autoreload 2
# 内嵌显示matplotlib图表
%matplotlib inline
# 高清显示图表
%config InlineBackend.figure_format = 'retina'
# 单行代码计时
%timeit sum(range(1000000))
# 单元格代码计时
%%timeit
total = 0
for i in range(1000000):
    total += i
# 执行shell命令
!ls -la
!pip install package_name
# 查看文件内容（语法高亮）
%pycat filename.py

八、VSCode与Anaconda集成

VSCode是轻量且功能强悍的代码编辑器，与Anaconda结合可提高开发效率。

8.1VSCode安装与扩充配置

# 安装VS Code
sudo apt update
sudo apt install -y software-properties-common apt-transport-https wget
wget -q https://packages.microsoft.com/keys/microsoft.asc -O- | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://packages.microsoft.com/repos/vscode stable main"
sudo apt install -y code
# 安装Python和Jupyter相关扩展
code --install-extension ms-python.python
code --install-extension ms-toolsai.jupyter
code --install-extension ms-toolsai.vscode-jupyter-cell-tags
code --install-extension ms-python.black-formatter
code --install-extension ms-python.flake8

8.2项目配置

在项目目录下创建.vscode/settings.json文件，配置Python类库和开发环境：

{
    "python.defaultInterpreterPath": "${workspaceFolder}/.conda/envs/${workspaceFolderBasename}/bin/python",
    "python.terminal.activateEnvironment": true,
    "python.condaPath": "~/anaconda3/bin/conda",
    "python.linting.enabled": true,
    "python.linting.pylintEnabled": true,
    "python.linting.flake8Enabled": true,
    "python.formatting.provider": "black",
    "python.formatting.blackArgs": ["--line-length", "88"],
    "editor.formatOnSave": true,
    "editor.codeActionsOnSave": {
        "source.organizeImports": true,
        "source.fixAll": true
    },
    "jupyter.alwaysTrustNotebooks": true,
    "[python]": {
        "editor.defaultFormatter": "ms-python.black-formatter",
        "editor.formatOnSave": true
    },
    "files.exclude": {
        "**/__pycache__": true,
        "**/.pytest_cache": true,
        "**/.mypy_cache": true,
        "**/*.pyc": true
    },
    "terminal.integrated.env.linux": {
        "PYTHONPATH": "${workspaceFolder}/src"
    }
}

8.3快速创建项目模板

创建项目初始化脚本，快速生成规范的项目结构：

# 定义项目创建函数
create_python_project() {
    local project_name=$1
    local python_version=${2:-3.13}
    
    # 创建项目目录结构
    mkdir -p ~/projects/$project_name/{src,tests,data,notebooks,docs,config}
    cd ~/projects/$project_name
    
    # 创建conda环境（环境目录放在项目内）
    conda create --prefix ./.conda/envs/$project_name python=$python_version -y
    conda activate ./.conda/envs/$project_name
    
    # 创建依赖文件
    cat > requirements.txt <=版本号
EOF
    
    # 创建setup.py
    cat > setup.py <=$python_version",
    install_requires=[],
)
EOF
    
    # 下载Python.gitignore文件
    curl -s https://raw.githubusercontent.com/github/gitignore/main/Python.gitignore > .gitignore
    echo -e "n# Anaconda环境n.conda/nanaconda3/n" >> .gitignore
    
    echo "项目 $project_name 创建完成！"
    echo "激活环境命令：conda activate ./.conda/envs/$project_name"
}
# 使用方法：create_python_project 项目名 Python版本（可选）
# 示例：create_python_project my_first_project 3.13

九、常见问题与故障排除9.1conda命令未找到

缘由：Anaconda初始化失败，未将conda添加到系统PATH。解决方案：

# 手动添加环境变量
export PATH="$HOME/anaconda3/bin:$PATH"
# 永久生效（添加到.bashrc）
echo 'export PATH="$HOME/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

9.2虚拟环境激活失败

解决方案：

# 重新初始化conda
conda init --reverse
conda init
# 重启终端
exec $SHELL
# 或手动加载conda脚本
source ~/anaconda3/etc/profile.d/conda.sh
conda activate 环境名

9.3包安装冲突或下载失败

解决方案：

# 1. 使用conda-forge频道安装
conda install -c conda-forge 包名 -y
# 2. 创建干净环境，逐个安装包排查冲突
conda create --name clean_env python=3.13 -y
conda activate clean_env
conda install 包名1 -y
conda install 包名2 -y
# 3. 使用mamba（conda的高效替代，需先安装）
conda install -c conda-forge mamba -y
mamba install 包名1 包名2 -y

9.4c盘空间不足

解决方案：

# 清理conda缓存
conda clean --all -y
# 查看环境大小，删除无用环境
du -sh ~/anaconda3/envs/* | sort -h
conda remove --name 无用环境名 --all -y
# 清理pip缓存
pip cache purge
# 清理系统包缓存
sudo apt clean

9.5安装过程卡住

解决方案：

检测网路联接，确保网路稳定确认已配置国外镜像源中断安装（Ctrl+C），清除缓存后重新安装：

rm -rf ~/anaconda_installer.sh
rm -rf ~/anaconda3
# 重新执行下载和安装步骤

9.6卸载Anaconda

若需卸载Anaconda，执行以下命令：

# 1. 删除Anaconda安装目录
rm -rf ~/anaconda3
# 2. 删除配置文件和缓存
rm -rf ~/.conda ~/.condarc ~/.jupyter
# 3. 编辑~/.bashrc，删除与conda相关的配置行
# 4. 重启终端

十、快速参考表conda核心命令

操作类型

命令

说明

环境管理

condacreate-n环境名python=版本

创建虚拟环境

condaactivate环境名

激活虚拟环境

condaenvlist

查看所有环境

condaremove-n环境名--all

删掉虚拟环境

condaenvexport--no-builds>文件名.yml

导入环境配置

包管理

condainstall包名

安装包

condaupdate包名

更新指定包

condaupdate--all

更新所有包

condalist

查看已安装包

condasearch包名

搜索可用包

配置

condaconfig--addchannels镜像源地址

添加镜像源

condaconfig--show

查看所有配置

condaconfig--setauto_activate_basefalse

禁用base手动激活

维护

condaclean--all

清除缓存

condaupdateconda

更新conda本身

国外常用镜像源十一、总结

本文详尽介绍了Ubuntu24.04系统下Anaconda的安装、配置、优化及使用方式，囊括了虚拟环境管理、Jupyter配置、VSCode集成等核心内容，同时提供了常见问题的解决方案。