# python床头书

**Repository Path**: jesslee/python-bedside-book

## Basic Information

- **Project Name**: python床头书
- **Description**: Python床头书系列、工具系列、图计算系列、正则表达式系列、ML系列
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-09-15
- **Last Updated**: 2025-01-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# python床头书

## [Python床头书系列、工具系列、图计算系列、正则表达式系列、ML系列](https://zhuanlan.zhihu.com/p/680999372)

## 工具系列

1. [python pip用户权威使用指南](https://zhuanlan.zhihu.com/p/700823703)
2. [pip install download wheel config show freeze cache inspect debug list hash示例用法详解](https://zhuanlan.zhihu.com/p/701004111)
3. [python：whl格式文件命名规范说明](https://zhuanlan.zhihu.com/p/709965801)
4. [使用Miniforge替代anaconda](https://zhuanlan.zhihu.com/p/704157473)
5. [docker常用命令系列&&k8s系列目录导航](https://zhuanlan.zhihu.com/p/680652806)
6. [Spark ML、原理、床头书、调优、Graphx、pyspark、sparkSQL、yarn集群、源码解析等系列专栏目录](https://zhuanlan.zhihu.com/p/679523201)
7. [Gremlin AQL ArangoDB Neo4j Graphx 图算法 图数据库中文教程导航目录](https://zhuanlan.zhihu.com/p/681198663)

## Python床头书系列

1. -------------------------------------------------------------------------------基础专栏
2. [【python床头书系列】基本数据类型原理使用场景示例详解](https://zhuanlan.zhihu.com/p/702842369)
3. [【python床头书系列】专用数据类型由来用法示例权威详解](https://zhuanlan.zhihu.com/p/702856318)
4. [【python床头书系列】list列表全面用法示例详解收藏版](https://zhuanlan.zhihu.com/p/704808723)
5. [【python床头书系列】set集合全面用法示例详解收藏版](https://zhuanlan.zhihu.com/p/704829452)
6. [【python床头书系列】dict字典全面用法示例详解收藏版](https://zhuanlan.zhihu.com/p/704833849)
7. [【python床头书系列】 heapq 堆队列算法函数方法示例详解](https://zhuanlan.zhihu.com/p/686206523)
8. [【python床头书系列】 collections 模块分类由来原理示例场景](https://zhuanlan.zhihu.com/p/702797560)
9. [【python床头书系列】内置函数由来示例原理详解](https://zhuanlan.zhihu.com/p/702822792)
10. [【python床头书系列】window窗口操作用法权威详解](https://zhuanlan.zhihu.com/p/702586732)
11. [【python床头书系列】Python 原始字符串表示法由来原理场景示例详解r"C:\file.txt" "C:\\file.txt"](https://zhuanlan.zhihu.com/p/716197378)
12.    -----------------------------------------------------------------------------NumPy专栏
13. [【python床头书系列】 NumPy用法示例权威详解-快速入门](https://zhuanlan.zhihu.com/p/680651062)
14. [【python床头书系列】NumPy 常用数组创建函数的原理场景用法示例详解](https://zhuanlan.zhihu.com/p/703673412)
15. [【python床头书系列】 NumPy 数学函数原理场景用法示例详解](https://zhuanlan.zhihu.com/p/703652400)
16. [【python床头书系列】 NumPy 常用逻辑函数原理场景示例用法详解](https://zhuanlan.zhihu.com/p/703606879)
17. [【python床头书系列】 NumPy 常用常数和特殊值原理场景用法示例](https://zhuanlan.zhihu.com/p/703639911)
18. [【python床头书系列】NumPy 统计函数原理场景用法示例详解](https://zhuanlan.zhihu.com/p/703654928)
19. [【python床头书系列】NumPy 常用的线性代数函数的原理场景用法示例详解](https://zhuanlan.zhihu.com/p/703681531)
20. [【python床头书系列】NumPy 数组操作函数的原理场景用法示例详解](https://zhuanlan.zhihu.com/p/703703439)
21.  ----------------------------------------------------------------------------Pandas专栏
22. [【python床头书系列】Pandas用法示例权威详解](https://zhuanlan.zhihu.com/p/702584476)
23. [【python床头书系列】Pandas Series、DataFrame两种数据结构详解](https://zhuanlan.zhihu.com/p/703729620)
24. [【python床头书系列】 Series api用法方法全解](https://zhuanlan.zhihu.com/p/680652357)
25. [【python床头书系列】 pandas.cut参数属性方法用法权威详解](https://zhuanlan.zhihu.com/p/701330112)
26. [【python床头书系列】 pandas.qcut参数属性方法用法权威详解](https://zhuanlan.zhihu.com/p/701329706)
27. [【python床头书系列】Pandas.concat函数详解](https://zhuanlan.zhihu.com/p/680652133)
28. [【python床头书系列】 Pandas.DataFrame中join方法示例详解](https://zhuanlan.zhihu.com/p/680651937)
29. [【python床头书系列】 Pandas.DataFrame中append方法详解](https://zhuanlan.zhihu.com/p/680651657)
30. [【python床头书系列】 pandas.Series定义参数属性示例方法用法详解](https://zhuanlan.zhihu.com/p/680651390)
31. [【python床头书系列】 pandas.DataFrame参数属性方法用法权威详解](https://zhuanlan.zhihu.com/p/680651249)
32. [【python床头书系列】pandas.DataFrame.apply pandas.DataFrame.map用法示例权威详解区别](https://zhuanlan.zhihu.com/p/702611809)
33.  ---------------------------------------------------------------------------其他专栏
34. [【python床头书系列】python scipy.sparse.linalg.gmres参数用法示例详解](https://zhuanlan.zhihu.com/p/680650415)
35. [【python床头书系列】Python web Requests快速入门](https://zhuanlan.zhihu.com/p/689830330)
36. [【python床头书系列】Python web中的Flask由来原理用法示例](https://zhuanlan.zhihu.com/p/702893105)
37. [【python床头书】Python Sympy Term Rewriting（术语重写）](https://zhuanlan.zhihu.com/p/669578211)
38. [【python床头书】可视化matplotlib.pyplot 教程](https://zhuanlan.zhihu.com/p/720671739)

## 机器学习系列

1. [【机器学习系列】python knn KNeighborsClassifier 最近邻算法选项用法示例详解](https://zhuanlan.zhihu.com/p/673736762)
2. [【机器学习系列】knn原理参数选择优缺点场景优化-脑图总结](https://zhuanlan.zhihu.com/p/721680150)
3. [【机器学习系列】决策树的生成算法优缺点场景原理--脑图总结](https://zhuanlan.zhihu.com/p/721726158)
4. [【机器学习系列】朴素贝叶斯原理参数选择优缺点场景优化](https://zhuanlan.zhihu.com/p/721729958)
5. [【机器学习系列】逻辑回归原理参数选择优缺点场景--脑图总结](https://zhuanlan.zhihu.com/p/702551429)
6. [【ML系列】python KMeans用法选项示例详解](https://zhuanlan.zhihu.com/p/673736491)
7. [【ML评估系列】混淆矩阵通透解释 ROC绘制示例详解](https://zhuanlan.zhihu.com/p/679447861)
8. [【ML平台系列】国内机器学习平台比较](https://zhuanlan.zhihu.com/p/696868777)
9. [【评分卡系列】阿里云评分卡工作流示例详解](https://zhuanlan.zhihu.com/p/700405292)
10. [【评分卡系列】评分卡分箱Binning由来场景代码示例详解](https://zhuanlan.zhihu.com/p/701499101)
11. [【评分卡系列】多重线性回归和逻辑回归---评分卡理解必备基础](https://zhuanlan.zhihu.com/p/702551429)
12. [【评分卡系列】评分卡模型ＰＭＭＬ文件由来原理场景示例详解](https://zhuanlan.zhihu.com/p/709194087)

## 深度学习DeepLearning

*数学相关问题总结到《[人工智能数学基础目录专栏](https://zhuanlan.zhihu.com/p/692873436)》深度学习部分*

1. [【PyTorch系列】如何在 Anaconda 中安装 PyTorch：使用 Conda 或 Pip](https://zhuanlan.zhihu.com/p/782453119)
2. [【深度学习基础】多层感知机 (Multilayer Perceptron, MLP)](https://zhuanlan.zhihu.com/p/789486358)
3. [【深度学习基础】输入层 (Input Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/788525907)
4. [【深度学习基础】隐藏层 (Hidden Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/788620304)
5. [【深度学习基础】卷积层 (Convolutional Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/788824365)
6. [【深度学习基础】卷积层卷积核 (Convolution Kernel)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/788926260)
7. [【深度学习基础】卷积层通道 (Convolution Layer Channel)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/789084644)
8. [【深度学习基础】池化层 (Pooling Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/788705830)
9. [【深度学习基础】全连接层 (Fully Connected Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/789336180)
10. [【深度学习基础】输出层 (Output Layer)由来原理场景示例详解](https://zhuanlan.zhihu.com/p/789167598)

## 正则系列

1. [【python床头书系列】Python 原始字符串表示法由来原理场景示例详解r"C:\file.txt" "C:\\file.txt"](https://zhuanlan.zhihu.com/p/716197378)
2. [【正则表达式系列】python re 正则表达式快速入门](https://zhuanlan.zhihu.com/p/716217952)
3. [【正则表达式系列】python re 正则用法常用词典示例全面详解](https://zhuanlan.zhihu.com/p/716218315) 
4. [【正则表达式系列】正则表达式Group分组的本质原理用法示例(python java)详解](https://zhuanlan.zhihu.com/p/680999964)
5. [【正则表达式系列】“捕获组”(pattern)由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716574787)
6. [【正则表达式系列】“非捕获组”(?:pattern)由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716583346)
7. [【正则表达式系列】“命名组”(?Ppattern)由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716587626)
8. [【正则表达式系列】“正向前瞻断言”X(?=Y)由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716590960)
9. [【正则表达式系列】“负向前瞻断言”X(?!Y)由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716595056)
10. [【正则表达式系列】“正向后瞻断言”(?<=Y)X由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716597184)
11. [【正则表达式系列】“负向后瞻断言”(?<!Y)X由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716602663)
12. [【正则表达式系列】“锚点” ^ $   '\B'  '\b' \A \Z由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/716727618)

## 爬虫系列

1. [【爬虫系列】robots.txt由来原理场景用法示例详解](https://zhuanlan.zhihu.com/p/715895424)

## 图计算系列

1. [【图计算系列】Java GraphStream 使用指南](https://zhuanlan.zhihu.com/p/679450639)
2. [【图计算】python社区检测python-louvain用法示例详解](https://zhuanlan.zhihu.com/p/679236918)
3. [【图计算】python Erdos-Renyi图的由来用法场景用途示例](https://zhuanlan.zhihu.com/p/679226005)
4. [【图计算】python NetworkX使用指南](https://zhuanlan.zhihu.com/p/679225019)
5. [【图计算】Bellman–Ford算法原理适用场景原则python java示例详解](https://zhuanlan.zhihu.com/p/679211338)
6. [【图计算】scipy.sparse.csgraph.dijkstra 功能示例详解](https://zhuanlan.zhihu.com/p/680873198)

## Gremlin系列

1. [【Gremlin系列】 Graph方法用法总结源码详解](https://zhuanlan.zhihu.com/p/681087684)



## 【[Miniforge系列1】使用Miniforge替代anaconda](https://zhuanlan.zhihu.com/p/704157473/)

*源自专栏《*[Python床头书、图计算、ML目录（持续更新）](https://zhuanlan.zhihu.com/p/680999372)*》*

## Miniforge

Miniforge是一个值得推荐的Python环境和包管理工具，它提供了一个轻量级、高效的Conda发行版，适合那些希望避免Anaconda大型包集合或者对系统资源有限制的用户。通过使用Miniforge，用户可以享受到Conda的便利，同时不必担心额外的负担。

Miniforge 是一个带有以下预配置功能的 conda 包管理器:

1. conda-forge set as the default (and only) channel.
2. Packages in the base environment are obtained from the conda-forge channel.
3. Optional support for PyPy in place of standard Python interpreter (aka "CPython").
4. Optional support for Mamba in place of Conda.
5. An emphasis on supporting various CPU architectures (x86_64, ppc64le, and aarch64 including Apple M1).

如果需要使用 [Mamba](https://link.zhihu.com/?target=https%3A//github.com/mamba-org/mamba) 代替 conda ，那么可以选择安装 `Mambaforge-*` 系列的包

## Miniforge与Conda的关系

Miniforge是一个由社区主导的Python环境和包管理工具，它集成了Anaconda的核心工具Conda。Miniforge使用Conda-Forge作为默认的下载渠道，这是一个社区驱动的包仓库，拥有大量的开源软件包可供选择。Miniforge的设计目标是提供一个快速、独立的途径来安装和管理Python的[科学计算](https://zhida.zhihu.com/search?q=科学计算&zhida_source=entity&is_preview=1)环境，特别适合那些希望避免Anaconda大型包集合或者对系统资源有限制的用户。

## Miniforge的安装和使用

Miniforge的安装过程相对简单，用户可以从其官方网站或GitHub页面下载适合自己操作系统的安装包。在安装过程中，用户可以选择安装路径，并决定是否将Miniforge的bin目录添加到系统的PATH[环境变量](https://zhida.zhihu.com/search?q=环境变量&zhida_source=entity&is_preview=1)中，以便在终端中直接运行conda和python命令。

**官方下载网址**：（不推荐下载速度慢）

[https://conda-forge.org/miniforge/](https://link.zhihu.com/?target=https%3A//conda-forge.org/miniforge/)

- Miniforge3 是一个轻量级的 Conda 包管理器，适用于需要精简安装的用户。
- Miniforge-pypy3 是基于 PyPy 的 Miniforge 版本，提供了更快速的 Python 执行环境。
- Mambaforge-pypy3 是基于 PyPy 的 Mambaforge 版本，结合了 Mamba 这一更快速的软件包管理器，提供了更高效的包管理体验。
- Mambaforge 是基于 Conda 的一个高性能软件包管理器，专注于提供更快速的包管理操作。

**国内镜像下载地址：**（推荐秒下）

[https://mirror.nju.edu.cn/github-release/conda-forge/miniforge/LatestRelease/](https://link.zhihu.com/?target=https%3A//mirror.nju.edu.cn/github-release/conda-forge/miniforge/LatestRelease/)

## 国内镜像配置

NJU Mirror 还提供了 Anaconda 仓库与第三方源（conda-forge、msys2、[pytorch](https://zhida.zhihu.com/search?q=pytorch&zhida_source=entity&is_preview=1)等，[查看完整列表](https://link.zhihu.com/?target=https%3A//mirror.nju.edu.cn/anaconda/cloud/)）的镜像，各系统都可以通过修改用户目录下的 `.condarc`文件。 Windows 用户无法直接创建名为 `.condarc` 的文件，可先执行 `conda config --set show_channel_urls yes` 生成该文件之后再修改。

注：由于更新过快难以同步，我们不同步`pytorch-nightly`, `pytorch-nightly-cpu`, `ignite-nightly`这三个包。

Miniforge 建议使用的 `.condarc` 配置文件:

```text
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirror.nju.edu.cn/anaconda/cloud/conda-forge/
```

运行 `conda clean -i` 清除索引缓存，保证用的是[镜像站](https://zhida.zhihu.com/search?q=镜像站&zhida_source=entity&is_preview=1)提供的索引。

运行 `conda create -n myenv numpy` 测试一下吧。

## **Miniforge与Anaconda区别？**

Miniforge和Anaconda都是Python环境和包管理工具，但它们在功能和用途上有所不同。

1. **来源和管理**：

Anaconda是由一家公司提供的商业产品，个人用户可以免费使用，但商业用户需要购买许可证。

Miniforge是由社区主导的开源项目，[完全免费](https://zhida.zhihu.com/search?q=完全免费&zhida_source=entity&is_preview=1)，并且使用GitHub托管。

1. **功能和组件**：

Anaconda提供了一个完整的Python发行版，包括了大量的科学计算和数据分析库，以及一些附加的工具，如Jupyter Notebook和Anaconda Navigator。

Miniforge则更加轻量化，它只包含了Python解释器、conda包管理器以及一些基本的Python库和工具。用户可以根据自己的需求安装所需的库和工具。

1. **安装包大小**：

Anaconda的安装包通常较大，因为它预装了许多库。

Miniforge的安装包较小，因为它只包含了必要的组件。

1. **更新频率**：

Anaconda的版本更新相对较慢，每年只有一到两个版本更新。

Miniforge则会更频繁地发布版本更新，以便快速更新Python版本和其他软件包。

1. **支持的硬件**：

Miniforge比Anaconda更早支持了Apple M1芯片，这使得它在某些情况下成为更好的选择。

综上所述，如果你需要一个轻量级的Python环境管理工具，或者需要一个支持Apple M1芯片的环境，Miniforge可能是更好的选择。如果你需要一个包含大量科学计算和数据分析软件包的Python环境，并且不介意较大的安装包大小，那么可以选择Anaconda。

## 在Linux系统上安装Miniforge的步骤

1. **下载Miniforge安装脚本**：

```
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
```

请根据您的Linux架构选择相应的安装脚本版本，例如`x86_64`、`aarch64`等。

1. **赋予安装脚本执行权限**：

```
chmod +x Miniforge3-Linux-x86_64.sh
```

1. **运行安装脚本**：

```
./Miniforge3-Linux-x86_64.sh
```

在安装过程中，您可以选择是否初始化Miniforge，以及是否接受许可证条款。

1. **配置环境变量**： 安装完成后，您需要将Miniforge的`bin`目录添加到您的`PATH`环境变量中，以便能够在终端中直接调用Miniforge命令。这通常可以通过编辑`~/.bashrc`或`~/.zshrc`文件来实现，并运行`source ~/.bashrc`或`source ~/.zshrc`来使更改生效。
2. **验证安装**： 最后，您可以通过运行`conda list`命令来检查Miniforge是否已成功安装，并查看已安装的软件包列表。

以上步骤基于最新的搜索结果，确保您按照最新的指南进行操作。如果您遇到任何问题，可以参考Miniforge的官方GitHub页面或相关社区论坛寻求帮助。

## 安装jupyter notebook

```text
pip install jupyter
```

![img](https://picx.zhimg.com/80/v2-392db1f9dd6861a1d621777f53bc7565_720w.webp)

下载了大概一小时

![img](https://pic2.zhimg.com/80/v2-8c86ebefe3a60fed579ce9244e86eebd_720w.webp)

进到bin目录下，执行[jupyter notebook](https://zhida.zhihu.com/search?q=jupyter+notebook&zhida_source=entity&is_preview=1)

![img](https://pic4.zhimg.com/80/v2-2d36c83a5a9e1c63d43b07fa0b06e03d_720w.webp)

## **安装spyder**

```text
pip install spyder
```

## Mamba 安装

### **全新安装（推荐）**

我们建议您从 Miniforge 分发版本 >= Miniforge3-22.3.1-0 开始。如果您需要旧版本的 Mamba，请使用 Mambaforge 分发版本。Miniforge 预先配置了流行的 conda-forge 频道，但您可以修改配置以使用任何您喜欢的频道。

安装成功后，您可以按照 mamba 用户指南中描述的方式使用 mamba 命令。

**注意**

安装后，请确保您没有配置 Anaconda 默认频道。

不要将任何内容安装到基础环境中，因为这可能会破坏您的安装。详情请参阅这里。

### **现有的 conda 安装（不推荐）**

**警告**

不推荐使用此安装 Mamba 的方法。我们强烈建议使用 Miniforge 方法（见上文）。

要获得 mamba，只需从 conda-forge 频道将其安装到基础环境中：

```bash
# NOT RECOMMENDED: This method of installation is not recommended, prefer Miniforge instead (see above)
# conda install -n base --override-channels -c conda-forge mamba 'python_abi=*=*cp*'
```

**警告**

不支持将 mamba 安装到除基础环境之外的任何其他环境。

### **Docker 镜像**

除了 Miniforge 独立分发版本（请参见上文），还有 condaforge/miniforge3 Docker 镜像：

```bash
docker run -it --rm condaforge/miniforge3:latest mamba info
```

### **Conda libmamba 求解器**

对于与快速 Mamba 求解器完全兼容的 conda 体验，现在 Conda 默认随附 conda-libmamba-solver。只需使用最新版本的 Conda 即可享受速度提升。



## Miniconda拓展知识

**Miniconda** 是一个免费的简化版conda安装器。它是Anaconda的小型引导版本，只包含conda、Python、它们的依赖包以及少量其他实用软件包（例如pip、zlib等）。

如果你需要更多的软件包，可以使用 `conda install` 命令，从Anaconda的公共仓库中安装数千个可用的软件包，或从其他渠道（如conda-forge或bioconda）进行安装。

## Miniconda对我免费吗？

- Miniconda对任何人都是免费的！
- 但是，访问Anaconda公共软件包仓库的权限仅对个人和小型组织（<200名员工）免费。
- 对于**较大的组织以及嵌入或镜像Anaconda仓库**的用户，**需付费许可证**。详情请参考[TOS](https://link.zhihu.com/?target=https%3A//www.anaconda.com/terms-of-service)。

## **如何选择Miniconda还是Anaconda？**

在选择 **Anaconda Distribution** 还是 **Miniconda** 时，取决于你的经验水平和具体需求。以下是详细的对比：

### **Anaconda Distribution**

- **适合初学者**：预装了 300 多个常用的数据科学、机器学习和科学计算包，因此你无需手动安装这些包。

- **图形界面**：包含 **Anaconda Navigator**，一个图形用户界面（GUI），可以帮助你管理包、创建环境并启动应用程序（如 Jupyter 和 Spyder），无需使用命令行。

- **较大的安装空间**：大约需要 **4.4 GB** 空间，体积较大，但对于喜欢“一站式”解决方案的人来说非常方便。

- **推荐给**：

- - 刚开始入门，尤其是不确定自己需要哪些包的用户。
  - 不熟悉或不习惯使用命令行的用户。

### **Miniconda**

- **精简版**：仅包含 **conda**、Python 和少量基础包，安装速度快且轻量化（约 **480 MB**）。

- **适合进阶用户**：最适合知道自己具体需要哪些包的用户，不需要完整的发行版。

- **仅限命令行**：不包含像 Navigator 这样的图形界面，你需要通过命令行来管理包和环境。

- **推荐给**：

- - 想要更多控制权和灵活性，并且不介意自己安装单个包的用户。
  - 熟悉命令行操作，且倾向于精简安装的用户。



### Miniconda vs Anaconda

| 特性                   | Anaconda Distribution | Miniconda |
| ---------------------- | --------------------- | --------- |
| 由 Anaconda 创建和发布 | 是                    | 是        |
| 包含 conda             | 是                    | 是        |
| 包含 Navigator（GUI）  | 是                    | 否        |
| 预装包数量             | 250+                  | < 70      |
| 安装所需空间           | ~4.4 GB               | ~480 MB   |

### **该选择哪个？**

- **刚开始入门？** 选择 **Anaconda Distribution**，你将获得开始数据科学或机器学习所需的所有工具，省去不少麻烦。
- **习惯使用命令行？** 如果你知道需要哪些包，并且希望轻量化安装，选择 **Miniconda**。



## 最新的Miniconda安装器链接

以下是适用于Python最新版本（3.12.4）的安装器列表。如需旧版Python的安装器，请查看[其他安装器链接](https://link.zhihu.com/?target=https%3A//repo.anaconda.com/miniconda/)，或访问[Miniconda版本存档](https://link.zhihu.com/?target=https%3A//repo.anaconda.com/miniconda/)。

**最新版本 - Conda 24.7.1，Python 3.12.4，发布于2024年8月22日**

### **平台及安装包信息**

| 平台    | 名称                                   | SHA256 [哈希值](https://zhida.zhihu.com/search?q=哈希值&zhida_source=entity&is_preview=1) |
| ------- | -------------------------------------- | ------------------------------------------------------------ |
| Windows | Miniconda3 Windows 64-bit              | ff8ab50f0303c7b9097387967ac2a721016d020069187eff4e172fc14930ebb7 |
| macOS   | Miniconda3 macOS Intel x86 64-bit bash | 5cfb85d81d94dfe3ef3265f2247aef32a35aeb450ea71c3a204cefed384fb87d |
| macOS   | Miniconda3 macOS Intel x86 64-bit pkg  | e31844adec03a69e274538a796c3b4183cd2cbc7b90fd8ea98b591a6313a330b |
| macOS   | Miniconda3 macOS Apple M1 64-bit bash  | e7ef5a899f9383d14d5b15aef61d54a8cd9bf3c4de18a372af0455d8f5f78cd2 |
| macOS   | Miniconda3 macOS Apple M1 64-bit pkg   | 910596ab1b5c47e2e6bbdd2f5d3828c906af83d0c997db815b82cd69577c2237 |
| Linux   | Miniconda3 Linux 64-bit                | 33442cd3813df33dcbb4a932b938ee95398be98344dff4c30f7e757cd2110e4f |
| Linux   | Miniconda3 Linux-aarch64 64-bit        | bdace1e233cda30ce37105de627e646ae8e04b036373eacfcd7fa8e35949f1b7 |
| Linux   | Miniconda3 Linux-s390x 64-bit          | 5a454c59314f63a0b860e2ed27d68f4a2516c77a7beda919fc11d3cd03c6b2d2 |

## 快速命令行安装

以下命令可快速安装最新的Miniconda安装器。如需图形安装器（.exe和.pkg格式）及哈希检查说明，请参考[Miniconda安装指南](https://link.zhihu.com/?target=https%3A//docs.conda.io/en/latest/miniconda.html)。

> **注意:**为了获得最佳效果，复制每个代码块中的所有命令，并一次性运行。

### **Windows命令提示符**

以下三条命令将快速静默地下载最新的64位Windows安装器，将其重命名为一个简短的文件名，[静默安装](https://zhida.zhihu.com/search?q=静默安装&zhida_source=entity&is_preview=1)，然后删除安装器：

```bash
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe -o miniconda.exe
start /wait "" .\miniconda.exe /S
del miniconda.exe
```

安装后，打开名为“Anaconda Prompt (miniconda3)”的程序，即可使用Miniconda3。

### **Windows [powershell](https://zhida.zhihu.com/search?q=powershell&zhida_source=entity&is_preview=1)**

以下三条命令将快速静默地下载最新的64位Windows安装器，将其重命名为一个简短的文件名，静默安装，然后删除安装器：

```bash
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe -o miniconda.exe
Start-Process -FilePath ".\miniconda.exe" -ArgumentList "/S" -Wait
del miniconda.exe
```

安装后，打开名为“Anaconda Powershell Prompt (miniconda3)”的程序，即可使用Miniconda3。

### **MacOS M1 版本**

以下四个命令将下载最新的 M1 版本的 MacOS 安装程序，将其重命名为较短的文件名，静默安装，并删除安装程序：

```bash
mkdir -p ~/miniconda3
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh -o ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh
```

安装完成后，使用以下命令为 `bash` 和 `zsh` Shell 初始化新安装的 Miniconda：

```bash
~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh
```

### **linux 版本**

以下四个命令将下载最新的 64 位 Linux 安装程序，将其重命名为较短的文件名，静默安装，并删除安装程序：

```bash
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh
```

安装完成后，使用以下命令为 `bash` 和 `zsh` Shell 初始化新安装的 Miniconda：

```bash
~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh
```

## 参考链接

[https://docs.anaconda.com/miniconda/](https://link.zhihu.com/?target=https%3A//docs.anaconda.com/miniconda/)

[https://github.com/conda-forge/miniforge](https://link.zhihu.com/?target=https%3A//github.com/conda-forge/miniforge)

[https://blog.csdn.net/YiRan_Zhao/article/details/139124165](https://link.zhihu.com/?target=https%3A//blog.csdn.net/YiRan_Zhao/article/details/139124165)

[https://mirrors.nju.edu.cn/help/miniforge](https://link.zhihu.com/?target=https%3A//mirrors.nju.edu.cn/help/miniforge)

[https://mamba.readthedocs.io/en/latest/installation/micromamba-installation.html](https://link.zhihu.com/?target=https%3A//mamba.readthedocs.io/en/latest/installation/micromamba-installation.html)

[Miniconda3使用说明（安装spyder+jupyter+eric）_miniconda中如何使用spyder-CSDN博客](https://link.zhihu.com/?target=https%3A//blog.csdn.net/zouzhenhong98/article/details/82561244)