Python3.9+Miniconda环境搭建：从零开始快速部署教程

1. 为什么你需要这个环境？

如果你刚开始学习Python，或者正在为一个新项目准备开发环境，可能会遇到一个头疼的问题：版本冲突。比如，项目A需要Python 3.7和TensorFlow 1.x，而项目B需要Python 3.9和PyTorch 2.0。在同一个系统里安装和切换这些不同版本的库，就像在同一个房间里同时进行装修和开派对，混乱是不可避免的。

这就是Miniconda的价值所在。它不是一个普通的Python安装包，而是一个轻量级的虚拟环境管理器。你可以把它想象成一个“魔法工具箱”，能在你的电脑里创建多个完全独立的“小房间”（虚拟环境）。每个房间都可以安装特定版本的Python和软件包，互不干扰。今天我们要搭建的，就是基于Python 3.9和Miniconda的这样一个“标准间”，它足够轻量、纯净，又自带包管理工具，是开始数据科学、机器学习或Web开发的理想起点。

通过本教程，你将学会如何快速部署这个环境，并掌握用Jupyter Notebook和SSH两种方式使用它，真正做到开箱即用。

2. 环境部署：三步搞定Miniconda

部署过程非常简单，我们通过CSDN星图平台的镜像功能，可以跳过复杂的安装和配置步骤。

2.1 获取镜像并启动

首先，你需要在CSDN星图镜像广场找到“Miniconda-Python3.9”这个镜像。找到后，点击“部署”按钮。平台会引导你进行一些基础配置，比如给这个环境起个名字（例如my_py39_env），选择你需要的计算资源（CPU和内存大小）。对于学习和大多数开发场景，选择默认的配置就足够了。

配置完成后，点击启动。平台会自动为你创建一个包含Miniconda和Python 3.9的云服务器实例。这个过程通常只需要一两分钟。当实例状态变为“运行中”时，你的环境就准备好了。

2.2 理解你的新环境

这个镜像已经为你预装好了最核心的组件：

• Miniconda：环境管理的核心工具。相比完整的Anaconda，它只包含了conda、Python和几个必要的包，非常轻量。
• Python 3.9：一个功能成熟且性能不错的Python版本。它包含了一些好用的新特性，我们稍后会简单体验。
• pip：Python的包安装工具。虽然conda也能安装包，但pip的生态更庞大，两者可以配合使用。

环境启动后，你会获得一个访问地址。接下来，我们看看如何进入并使用这个环境。

2.3 两种访问方式：Jupyter与SSH

镜像提供了两种主流的访问方式，适合不同的使用场景。

对于大多数初学者和数据分析者，Jupyter Notebook是首选。它提供了一个网页式的交互编程环境，你可以在浏览器里直接写代码、运行代码、并即时看到结果和图表，非常适合学习和探索。

对于更偏向开发的用户，或者需要进行文件操作、后台任务等，SSH（安全外壳协议） 则是更强大的工具。它让你能像操作自己电脑的终端一样，通过命令行来远程控制这个云环境。

3. 通过Jupyter Notebook轻松上手

Jupyter Notebook的界面直观友好，是我们快速验证想法和运行代码的利器。

3.1 登录与界面初识

在实例的管理页面，找到并点击“Jupyter”服务的访问链接。这会直接在浏览器中打开一个新的标签页，进入Jupyter的登录界面。输入平台提供的账号密码即可进入。

登录后，你会看到类似文件管理器的界面。左侧是当前环境下的目录结构，右侧可以上传文件、新建文件夹，或者做最重要的事——新建一个Notebook。

点击“New”按钮，选择“Python 3”（这里指的就是我们镜像里的Python 3.9内核），一个崭新的Notebook就创建好了。

3.2 你的第一行代码

新建的Notebook由一个个“单元格”组成。你可以把每个单元格想象成一页草稿纸。在第一个单元格里，输入经典的问候语：

print("Hello, Miniconda with Python 3.9!")

然后，按住 Shift + Enter 键，这个单元格的代码就会被执行，结果会直接显示在单元格下方。你会立刻看到输出的字符串。恭喜，你的环境运行正常！

3.3 体验Python 3.9的一个小特性

Python 3.9引入了一些让代码更简洁的特性。比如，以前从URL字符串中去除“https://”前缀，可能需要用字符串切片或者.replace()方法，现在有了更直观的方法。

在下一个单元格中，尝试以下代码：

# Python 3.9 新增的字符串方法
url = "https://www.csdn.net"
clean_url = url.removeprefix("https://")
print(f"原始URL: {url}")
print(f"处理后: {clean_url}")

运行后，你会发现 removeprefix 方法像它的名字一样直白，去除了指定的前缀。同样，还有一个 removesuffix() 方法用于去除后缀。这让代码的可读性大大提高了。

3.4 用conda安装你的第一个包

Notebook环境已经预装了conda。虽然我们可以在Notebook的单元格里使用!前缀来运行系统命令，但更常见的做法是使用终端。你可以点击Jupyter界面顶部的“New” -> “Terminal”，打开一个网页内的终端。

在终端里，你可以运行所有conda命令。例如，我们安装一个用于数据处理的流行库 pandas：

conda install pandas -y

-y 参数表示对所有的安装确认提示都回答“yes”。稍等片刻，pandas及其依赖项就会安装到当前这个基础环境（通常名为base）中。

安装完成后，回到刚才的Notebook，新建一个单元格，导入pandas并验证：

import pandas as pd
print(f"Pandas 版本: {pd.__version__}")

如果成功输出版本号，说明包安装成功，并且可以在Notebook中直接调用了。

4. 通过SSH进行深度管理

对于文件管理、环境配置或者运行后台脚本，SSH命令行提供了最大的灵活性。

4.1 连接你的环境

在实例管理页面找到SSH连接信息，通常会提供IP地址、端口号、用户名和密码（或私钥）。使用你电脑上的SSH客户端进行连接。

• 在Windows上，可以使用PuTTY、Windows Terminal（新版Win10/11自带）或Git Bash。
• 在macOS或Linux上，直接打开终端（Terminal）应用即可。

连接命令格式如下：

ssh username@your_instance_ip -p port_number

输入密码后，你就进入了远程环境的命令行，光标前的提示符可能会变成 (base)，这表示你正处在Miniconda的base基础环境中。

4.2 核心conda命令实战

命令行是发挥conda威力的地方。我们来学习几个最常用的命令。

1. 创建独立的虚拟环境 base环境建议保持干净，用于安装通用工具。为每个项目创建独立环境是最佳实践。

# 创建一个名为 my_project 的新环境，并指定安装python 3.9
conda create -n my_project python=3.9 -y

# 创建完成后，激活这个环境
conda activate my_project

# 激活后，提示符会从 (base) 变为 (my_project)

2. 在新环境中安装包 激活my_project环境后，所有conda install操作都只影响当前环境。

# 安装 numpy 和 matplotlib
conda install numpy matplotlib -y

# 也可以使用pip安装conda仓库里没有的包
pip install requests

3. 管理环境

# 列出所有已创建的环境，当前激活的环境会用一个星号(*)标出
conda env list

# 退出当前环境，回到base环境
conda deactivate

# 删除一个不再需要的环境（谨慎操作）
conda env remove -n my_project

4.3 文件操作与程序运行

在SSH中，你可以像在本地一样使用Linux命令。

# 查看当前目录文件
ls -la

# 创建一个项目目录并进入
mkdir my_awesome_project && cd my_awesome_project

# 创建一个Python脚本
echo 'print("Hello from SSH!")' > hello.py

# 运行这个脚本
python hello.py

你还可以使用scp命令在本地电脑和远程环境之间传输文件，这对于上传数据集或下载结果非常方便。

5. 总结：你的高效开发起点

至此，你已经成功搭建并学会了使用一个基于Python 3.9和Miniconda的现代化开发环境。我们来回顾一下关键收获：

1. 环境隔离：通过Miniconda，你掌握了创建独立虚拟环境的能力，从根本上解决了项目间的依赖冲突问题。记住“一个项目，一个环境”的原则。
2. 双模式访问：
   • Jupyter Notebook：适合交互式编程、数据分析、可视化和教学。它的即时反馈特性非常适合探索和调试。
   • SSH终端：适合进行环境管理、文件操作、运行后台任务和自动化脚本。它提供了对系统最深层的控制力。
3. Python 3.9优势：你体验了像str.removeprefix()这样更优雅的新语法。Python 3.9在字典合并操作符（| 和 |=）等方面也有改进，让你的代码更简洁、更现代。
4. 可复现性：你可以使用 conda env export > environment.yml 命令将当前环境的精确配置导出到一个文件。其他人拿到这个文件后，只需运行 conda env create -f environment.yml 就能重建一模一样的环境，这对于团队协作和项目部署至关重要。

这个“Python3.9+Miniconda”环境就像一个为你量身定制的、整洁有序的工作台。现在，工具已经就位，是时候开始构建你的下一个伟大项目了。无论是探索机器学习模型，分析数据，还是开发一个Web应用，你都有了一个强大而可靠的起点。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。