本文介绍了在 Windows 环境下使用 Conda 管理多个 Python 版本的方法。针对 Windows 缺乏内置包管理器及权限受限的问题，文章讲解了 Conda 的版本管理和环境隔离原理。通过 Miniconda 安装、创建独立环境、激活切换及 IDE 配置等步骤，实现了不同项目 Python 版本的互不干扰。此外，还涵盖了常见问题排查（如环境变量、镜像源设置）以及 Conda 与 pyenv-win 的对比，特别强调了其在科学计算和 AI 开发中的优势，帮助开发者高效管理开发环境。
很多人以为'装个 Python 官网安装包就够了'，但在 Windows 上，这个问题其实更棘手：
不像 macOS 有 Homebrew、Linux 有 apt，Windows 对开发工具的支持相对'原始'。直接从 python.org 下载安装，容易造成：
很多公司或学校的电脑不允许随意安装软件，但 Conda 可以完全用户级安装（无需管理员权限），这对很多开发者是刚需。
像 TensorFlow、PyTorch、Jupyter、pandas 这些库，在 Windows 上通过 pip 安装常因缺少编译工具链（如 Visual Studio Build Tools）而失败。而 Conda 提供的是预编译好的二进制包，开箱即用。
所以，Conda 不只是版本管理工具，更是 Windows 上 Python 开发的'生存利器'。
在动手操作前，先简单理解下 conda 的工作原理，这样后续使用时遇到问题也能快速定位。其实 conda 的核心逻辑很简单，就两件事：版本管理和环境隔离。
conda 本身是一个包管理器 + 环境管理器，它自带了 Python 解释器的'仓库'。当你需要某个 Python 版本时，不用自己去 Python 官网下载安装，直接通过 conda 命令就能一键安装，而且这些版本会被 conda 统一'收纳'在自己的安装目录下，不会和系统自带的 Python 或者其他手动安装的版本冲突。比如你可以在 conda 里同时装 Python 3.8、3.9、3.10 三个版本，它们各自独立，互不影响。
这是 conda 最核心的功能——创建'虚拟环境'。你可以把每个虚拟环境理解为一个'独立小房间'，每个房间里都有自己专属的 Python 解释器（可以是任意已安装的版本）和第三方库。比如你给项目 A 创建一个环境，指定用 Python 3.8，装 pandas 1.2；给项目 B 创建另一个环境，指定用 Python 3.10，装 pandas 2.0。两个环境的依赖完全隔离，切换项目时只要切换对应的环境就行，再也不会出现'一个项目跑通，另一个项目崩了'的情况。
别被'环境管理'这种词吓到，它的核心思想特别简单： 每个项目 = 一个独立的'小房间'，里面有自己的 Python + 自己的包，互不干扰。
关键概念拆解：
举个生活化的例子： 你家有三个孩子，一个爱吃辣（Python 3.12 + FastAPI），一个只能吃清淡（Python 3.8 + Django），一个还在喝奶（Python 3.6 遗留系统）。 Conda 的作用就是给每人配了一个专属厨房——每个厨房的调料、锅具、食材全部分开，谁也不会吃错。
下面我以 Miniconda（轻量版 Conda）为例，一步步带你配置。全程只需 10 分钟，且不需要管理员权限。
为什么不装 Anaconda？因为它太大（500MB+），包含大量你可能用不到的库。Miniconda 只有 ~50MB，干净清爽。
安装位置建议选默认（如 C:\Users<你的用户名>\miniconda3），避免中文或空格路径。
安装完成后，打开 Anaconda Prompt（conda 专属命令行）,如果安装时配置了环境变量，也可通过 PowerShell 或 CMD，输入：
conda --version
如果看到版本号（如 conda 24.5.0），说明安装成功！
补充：Anaconda 和 Miniconda 的区别（新手必看）
很多小伙伴会混淆 Anaconda 和 Miniconda，这里简单说下：两者都是 conda 的发行版，核心功能完全一样，区别只在'附带工具'：
新手建议先从 Anaconda 入手，减少初期配置成本；如果你的电脑存储空间比较紧张，选 Miniconda 也没问题。下面的实操步骤，两者通用。
假设你现在要同时维护两个项目： 项目 A：需要 Python 3.9 项目 B：需要 Python 3.11
创建环境：
# 创建名为 py39 的环境，使用 Python 3.9
conda create -n py39 python=3.9
# 创建名为 py311 的环境，使用 Python 3.11
conda create -n py311 python=3.11
解释：'conda create'是创建环境的命令，'-n py39'表示环境名为 py39（可以自定义，比如'python39_project'），'python=3.9'指定该环境的 Python 版本为 3.9。执行后，conda 会提示要安装的包（包括 Python 3.9 解释器和相关依赖），输入'y'并回车，等待安装完成（大概 1-2 分钟）。
激活 py39 环境：
conda activate py39
# 查看当前 Python 版本
python --version
输出：Python 3.9.x
安装项目依赖：（只影响当前环境）
pip install django==4.2
退出当前环境：
conda deactivate
# 切换到另一个环境
conda activate py311
小贴士：把 environment.yml 提交到 Git，团队成员就能一键复现你的开发环境！
VS Code： 按 Ctrl+Shift+P → 输入 'Python: Select Interpreter' → 选择对应环境下的 python.exe（通常在 miniconda3\envs\py39\python.exe）
PyCharm： File → Settings → Project → Python Interpreter → Add → Conda Environment → Existing environment → 选择路径
这样，你在 IDE 里写代码、调试、运行，都会自动使用正确的 Python 版本和依赖。
很多小伙伴在操作过程中会遇到一些小问题，这里整理了几个高频问题和解决方案，帮大家避坑：
原因：安装时没勾选'Add Anaconda3 to my PATH environment variable'，conda 没被加入系统环境变量。
解决方案：
原因：conda 的默认镜像源在国外，下载速度慢，导致依赖解析失败。
解决方案：添加国内镜像源（清华镜像），步骤如下：
在 Anaconda Prompt 里输入以下命令，依次回车：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
添加完成后，重新执行创建环境的命令即可。
切换环境后，Python 版本还是默认的
在 Windows 上，也有 pyenv-win 这样的工具，但它存在一些痛点：
而 Conda 一体化解决了'Python 版本 + 包管理 + 跨平台兼容'三大问题，尤其适合数据科学、AI、Web 开发等多场景。 当然，如果你只做纯 Web 开发（如 Flask/Django），且不用 NumPy/TensorFlow，也可以考虑 pyenv-win + venv。但对大多数 Windows 用户，Conda 是更省心的选择。
结语：让环境管理不再成为负担
技术不该是障碍，而应是助力。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online