Что такое Anaconda Python, как с ней работать и кому она пригодится

Если вы планируете изучать Python, заниматься машинным обучением или анализом данных, возможно, вам уже кто-то порекомендовал такой инструмент, как Anaconda. В этой статье мы разберёмся, что это такое, зачем и кому он подходит. Также мы установим Anaconda на устройства с разными операционными системами и посмотрим, как начать с ней работать.

Содержание

• Что такое Anaconda и для чего она нужна
• Как установить Anaconda Python на macOS, Windows и Linux
• Как начать работу с Anaconda: знакомимся с Conda, окружениями и Jupyter Notebook
• Что дальше

Что такое Anaconda и для чего она нужна

Anaconda — это мощный и популярный Python-дистрибутив, который помогает работать с большими объёмами данных, проводить научные вычисления и создавать продвинутые модели машинного обучения.

Проект Anaconda появился в 2012 году, чтобы решить проблему «ада зависимостей» в Python — ситуации, когда установка одной библиотеки часто конфликтовала с другими из-за несовместимости версий пакетов.

Представьте, что вы создаёте систему компьютерного зрения. Для обработки изображений вам нужна библиотека OpenCV, которая совместима только с NumPy версии 1.18. Однако для распознавания объектов на этих изображениях вам необходимо подключить нейросеть на TensorFlow 2.15, и она требует NumPy 1.20 или более новую версию.

Если вы попробуете использовать обычное Python-окружение, то это приведёт к ошибкам. А вот с помощью Anaconda вы можете легко создать два независимых окружения: одно с OpenCV и NumPy 1.18, а другое с TensorFlow и NumPy 1.20, и оба будут работать без сбоев.

Есть несколько версий того, почему у проекта появилось такое название:

• «Anaconda» — это игра слов: Python ассоциируется со змеёй, а зелёная анаконда — крупнейшая змея на планете. Идея в том, что этот дистрибутив объединяет громадное число инструментов и библиотек, которые могут помочь при работе с данными.
• «Anaconda» — это отсылка к одноимённому фильму, где гигантская змея охотится за людьми. Возможно, создателям понравилась идея некоего огромного существа, которое перемещается по джунглям и поедает всё на своём пути. В таком контексте «джунгли» — это сложный ландшафт зависимостей в Python, а Anaconda — это инструмент, который будто «проглатывает» все эти проблемы.

Сегодня дата-сайентисты и аналитики данных используют Anaconda для обработки и визуализации информации, научные исследователи — для проведения вычислений и моделирования процессов, инженеры машинного обучения — для разработки, тестирования и оптимизации алгоритмов; также ей пользуются преподаватели и студенты. Но больше всех этот инструмент помогает новичкам, которые могут сразу начать писать код, не сталкиваясь с проблемами установки и совместимости библиотек.

Однако Anaconda может не подойти, если вы пишете веб-приложения на фреймворках Django или Flask, создаёте системные утилиты или работаете в условиях ограниченного дискового пространства. В таком случае обычно лучше ограничиться возможностями самого Python или попробовать Miniconda — облегчённую версию дистрибутива, которая включает только самые нужные компоненты и занимает меньше места.

Как установить Anaconda Python

Для начала перейдите на сайт anaconda.org и выберите дистрибутив для вашей операционной системы. За базовые функции платить не нужно, а вот Anaconda с улучшенным рабочим пространством стоит от 15 долларов в месяц. За доплату вы получаете больше инструментов, дополнительное место в облаке, доступ к курсам и многое другое.

Для выбора дистрибутива вам нужно нажать на кнопку Free Download. Однако, если вы кликнете, страница может просто обновиться, и ничего не изменится — так разработчики намекают, что нужно выбрать кнопку Get Started и зарегистрироваться. В 2025 году это делать не обязательно, поэтому вы можете кликнуть на Skip registration и перейти к загрузкам.

Установка в macOS

Для macOS есть несколько версий Anaconda для Intel и чипов M-серии. После скачивания вам нужно запустить скачанный дистрибутив, и программа-установщик всё сделает сама — просто дождитесь завершения процесса и на одном из этапов примите лицензионное соглашение.

Установка в Windows

Установка для Windows почти не отличается от macOS: вы скачиваете подходящий дистрибутив, запускаете установщик и нажимаете на кнопку Next, пока не дойдёте до этапа выбора дополнительных параметров:

• Create shortcuts (supported packages only) — создать ярлыки компонентов в меню «Пуск», по умолчанию включено.
• Add Anaconda to my PATH environment variable — если включить эту опцию, то система будет использовать Python из Anaconda в командной строке. Мы не советуем включать, если у вас уже установлен другой Python, поскольку это может привести к конфликтам между версиями и нарушить текущие скрипты.
• Register Anaconda as my default Python — устанавливает Anaconda как основную версию Python в системе. Это означает, что все файлы с расширением .py будут открываться через интерпретатор Python из Anaconda, а не через IDLE или другие редакторы кода.
• Clear the package cache upon completion — очистить временные файлы после установки. Включите, если на диске мало места.

Если вы не уверены, какие опции выбрать, оставьте настройки по умолчанию — это оптимальный вариант для большинства новичков.

После завершения установки перейдите в меню «Пуск» и среди списка доступных программ откройте Anaconda Navigator:

Установка в Linux

Установка Anaconda в Linux несложная, однако может немного различаться в зависимости от версии вашего дистрибутива. Ниже мы рассмотрим порядок установки на примере Linux Mint 22 Cinnamon.

Скачиваем дистрибутив Anaconda и открываем терминал. Если мы просто щёлкнем по скачанному файлу, то он откроется как обычный текстовый документ, — это нормально, но установка так не запустится:

Возвращаемся в терминал. Обычно все скачанные файлы попадают в папку «Загрузки», поэтому нам нужно перейти в неё командой cd ~/Загрузки. Далее нам нужно выполнить скрипт .sh. Для этого мы можем сначала дать ему права на запуск, а потом запустить:

chmod +x <имя_файла>.sh && ./<имя_файла>.sh

Также вы можете запустить скрипт напрямую через bash без предварительного изменения прав доступа к файлу:

bash <имя_файла>.sh

После этого начинается процесс установки. Вам нужно принять лицензионное соглашение и ответить на несколько вопросов системы — например, подтвердить путь установки и разрешить автоматическую настройку conda. После завершения установки перезапустите терминал или попробуйте вручную обновить настройки следующей командой:

source ~/.bashrc

Для проверки вы можете ввести ещё одну команду и убедиться, что всё установилось. В нашем случае система показала версию 25.5.1:

После установки вы можете работать с Anaconda напрямую через терминал или загрузить графический интерфейс как в Windows и macOS. Для добавления визуальной оболочки выполните команду:

conda install anaconda-navigator -y

Теперь вам остаётся только запустить Anaconda Navigator:

anaconda-navigator

Если в процессе установки Anaconda Python на ваш Linux-дистрибутив будут возникать ошибки, рекомендуем призвать на помощь нейросилу. Для этого выберите ChatGPT или любую другую нейросеть, которая умеет анализировать скриншоты, и следуйте подсказкам. Например, у нас в Linux Mint внезапно не сработала команда chmod, которая входит в стандартный пакет coreutils. ChatGPT помог быстро подобрать команду для установки недостающего пакета. У вас может быть иная ситуация.

Читайте также:

Промпты для нейросетей: как правильно писать запросы к ChatGPT и другим нейронным сетям

Как начать работу с Anaconda: знакомимся с Conda, окружениями и Jupyter Notebook

Экосистема Anaconda состоит из нескольких ключевых компонентов:

• Conda — это менеджер пакетов и окружений, который устанавливает библиотеки и отслеживает их совместимость.
• Виртуальные окружения — изолированные «песочницы», в которых можно хранить разные версии Python и библиотек.
• Jupyter Notebook — интерактивная среда для работы с кодом, текстом и визуализацией данных прямо в браузере.
• Anaconda Navigator — графический интерфейс, который позволяет запускать Jupyter и управлять окружениями без командной строки. Этот компонент вы видели при установке.

Давайте создадим виртуальное окружение, установим несколько библиотек и запустим Jupyter Notebook, чтобы протестировать возможности экосистемы. Будем тренироваться в Anaconda на Windows.

Читайте также:

Jupyter Notebook: что это за программа и для чего она нужна

Управляем пакетами через Conda

После установки Anaconda в меню «Пуск» появляется ярлык Anaconda Prompt — это командная строка, где менеджер Conda уже активирован. Вы можете ввести уже знакомую команду conda --version для проверки версии или посмотреть список доступных окружений conda env list.

На скриншоте ниже вы видите только одно окружение — base, которое автоматически создаётся при установке Anaconda и используется по умолчанию. Звёздочка (*) указывает, что это окружение сейчас активно.

Когда вы создадите несколько окружений, то звёздочка будет отмечать текущее: в него будут добавляться все новые пакеты. Например, если у вас в списке base, data_science и web_dev и звёздочка стоит напротив data_science, то команда conda install pandas установит библиотеку pandas именно в это окружение. В остальных ничего не изменится.

Создаём виртуальные окружения

Давайте добавим новое виртуальное окружение с версией Python 3.11. Для этого нам нужно ввести conda create с указанием имени окружения и нужной версии Python. Вот полная команда для Anaconda Prompt:

conda create --name myproject python=3.11

Система покажет список пакетов, запросит подтверждение и запустит установку. После завершения вам нужно активировать новое окружение:

conda activate myproject

В начале строки должно появиться название (myproject) вместо (base) — это означает, что новое окружение активно и вы сейчас работаете именно в нём. Давайте установим несколько популярных библиотек:

conda install numpy pandas matplotlib jupyter

Чтобы посмотреть таблицу с установленными библиотеками и их версиями, введите проверочную команду:

conda list

Наше окружение готово, поэтому можно запустить Jupyter:

jupyter notebook

После ввода команды в браузере откроется интерфейс Jupyter Notebook. В этой среде вы можете писать код, создавать визуализации и добавлять текстовые пояснения. Например, ниже мы добавим код, который построит простой линейный график на основе случайных чисел:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = np.random.randint(0, 100, size=20)

plt.plot(data)
plt.show()

Переходим в Anaconda Navigator

До этого мы всё делали через терминал, но, как вы помните, у Anaconda есть и удобный графический интерфейс — Navigator. Запустить его можно из меню «Пуск», так же как и Anaconda Prompt. Здесь вы можете легко переключаться между окружениями, устанавливать пакеты и запускать приложения вроде Jupyter Notebook — и всё без ввода команд.

Для практики перейдите на вкладку Environments, нажмите кнопку Create, затем укажите название нового окружения и выберите нужную версию Python. После нажатия кнопки Create окружение появится в общем списке и будет готово для установки необходимых библиотек. А на вкладке Home вы сможете в один клик запустить Jupyter Notebook.

Что дальше

Anaconda — это огромная экосистема для работы с данными, и в этой статье мы кратко познакомились с её основными компонентами. Для углублённого изучения рекомендуем начать со следующих материалов:

• Официальная документация Anaconda — подробные руководства по установке, настройке Conda и работе с пакетами. Это главный ресурс, к которому вы будете обращаться чаще всего.
• Conda Cheat Sheet — PDF-шпаргалка с основными командами Conda для создания окружений, установки пакетов и прочего.
• JupyterLab — расширенная версия Jupyter, которая позволяет работать с несколькими блокнотами, файлами и терминалами в одном окне. Попробуйте, если с одним блокнотом неудобно.
• Getting started Pandas — официальный гайд по самой популярной библиотеке для анализа данных. Пригодится всем, кто много работает с таблицами и файлами в форматах CSV или Excel. Также рекомендуем нашу статью про Pandas: с её помощью вы познакомитесь с основными понятиями и сможете немного попрактиковаться.
• NumPy quickstart — руководство по библиотеке NumPy для работы с числовыми данными. Она ускоряет обработку массивов и упрощает математические операции, поэтому используется в проектах по анализу данных, исследованиях и ещё много где.