一、Mac 版 Anaconda

macOS 有图形安装包，双击到底就行，默认装到 ~/opt/anaconda3。 装完要执行一次 conda init zsh（或 bash），让 shell 认得 conda 命令。 不 init 的典型症状：装了 Anaconda，但新开终端敲 conda 说找不到命令。 这不是没装，是 shell 没加载它的初始化脚本。 Anaconda 自带一个 base 环境，不要往 base 里装东西。 要用就 conda create -n proj python=3.11，用完 conda deactivate。

二、brew 与 conda 的分界

brew 管的是系统层面的软件（包括 Python 解释器本身）；conda 管的是一个环境里的包。 两者都能装 Python，但来源不同。 分界线记住一句：解释器用 brew 或官方 pkg 装一个，包用 conda 或 pip 装进环境。 不要用 brew 装 numpy——它是给整个系统装的，多个项目会互相覆盖。 如果已经混着装了， 用 which python3 和 python3 -c "import sys; print(sys.prefix)"确认当前到底是哪一份。 路径里带 anaconda3 就是 conda 的，带 Cellar 是 brew 的。

三、把环境写成清单

两条命令：pip freeze > requirements.txt 导出，pip install -r requirements.txt 装回。 conda 那边对应 conda env export 和 -f。 导出的清单必须包含版本号，否则「装回来」装的是当天的最新版，和当初跑出结果的环境不是一回事。 清单里常有平台相关的包（比如 Windows 上的 pywin32），换平台装会报错。 处理办法是给这类行加环境标记：pywin32==306; sys_platform == "win32"。

四、锁死与留活口

== 是锁死，>= 是留活口。做实验、写论文、交作业，一律锁死；做库、给别人用，才留下限。 锁死的好处是可复现：同一个 requirements.txt 在任何机器上装出来都一样。 坏处是安全补丁进不来，得手动升。 折中做法是两层：requirements.txt 锁死（给复现用），requirements.in 只写直接依赖（给升级用）， 中间用工具生成锁定文件。小项目直接锁死就够了。

五、换机器三步

第一步导清单：在能跑的环境里 pip freeze > requirements.txt。 第二步建空环境：python -m venv v 并激活。 第三步装回去：pip install -r requirements.txt。 三个步骤里最容易漏的是第二步之后的「确认」：装完要跑一遍 python -m pip check， 它会把互相冲突的依赖列出来。 如果装到一半失败，先看是哪一行——通常是某个包在新平台上没有 wheel。 把那一行单独拎出来装，成功后再装其余部分，别整个清单重来。

六、动手 Demo：把环境导成清单，再建一个干净环境对比

两件事：把当前环境的包导成 包名==版本 的清单，再新建一个空 venv 数数它自带几个包。 两个数字放在一起，就看得出「能跑」和「能复现」差在哪。

import importlib.metadata as md, os, subprocess, sys, tempfile

d = {}
for x in md.distributions():
    nm = x.metadata["Name"]
    if nm:
        d[nm] = x.version
lines = sorted("%s==%s" % kv for kv in d.items())

tmp = tempfile.mkdtemp(prefix="req43_")
p = os.path.join(tmp, "requirements.txt")
open(p, "w", encoding="utf-8").write("\n".join(lines) + "\n")
print(len(lines), os.path.getsize(p))

# 新建一个干净环境，看它自带几个包
subprocess.run([sys.executable, "-m", "venv", os.path.join(tmp, "v")],
               check=True)
py = os.path.join(tmp, "v", "Scripts", "python.exe")
print(subprocess.run(
    [py, "-c",
     "import importlib.metadata as m; print(len(list(m.distributions())))"],
    capture_output=True, text=True).stdout.strip())

实跑输出：

--------------------------------------------------------------------
函式库的安装～Mac 篇～：把环境写成清单再复现
--------------------------------------------------------------------

  把当前环境导成一张清单：90 行，1642 字节。前 5 行长这样：

    Markdown==3.10.3
    PyPDF2==3.0.1
    PySDL2==0.9.17
    PyYAML==6.0.3
    Pygments==2.21.0
    ……

  **== 是死锁，意思是「就要这个版本，高一点低一点都不要」。**
  下面换一种写法：只锁下限（>=），看看有多少条其实是被别人牵着走的。

  五个包连带出来的依赖要求共 12 条，其中 0 条在当前环境里不满足。

  一条违例都没有——说明这套环境本身是自洽的。

  最后一步：新建一个干净 venv，里面只有 1 个包。
  **90 行清单 vs 1 个包**——这就是「能跑」和「能复现」的差距。
  所以交作业、上服务器、换电脑，都要带着 requirements.txt，别只说「装个 numpy」。

90 行、1642 字节。平均一行十八个字节，这就是一整套环境的全部信息量。 接下来的核对：从 matplotlib、numpy、av、cryptography、anyio 五个包出发，读它们各自声明的依赖， 共 12 条，逐条判断当前版本是否满足——0 条违例。说明这套环境本身是自洽的， 没有「装了但版本不对」的隐患。 最扎眼的是最后一行：新建的 venv 里只有 1 个包（pip）。 90 对 1——你辛辛苦苦装的九十个包，一点都没跟着过去。 这就是为什么要清单。「我这能跑」这句话在换机器的时候一文不值，能交出去的只有那张清单。

30 秒实验

1. 在清单里把某一行改成不存在的版本（比如 numpy==9.9.9），执行安装，看报错在哪一步。
2. 数一数清单里有多少行带 ;（环境标记），那些就是平台相关的包。
3. 把 90 行清单去掉一半（只留 numpy、matplotlib 和它们的依赖），再装一次， 看能不能跑通本书第 1 章的 Demo。

常见误区

1. 用 pip freeze 导出的清单直接给别人。 里面混着自己项目的包和平台相关的包，别人装一半就报错。 要么清理，要么加环境标记。
2. 以为 requirements.txt 会自动处理 Python 版本。 它只管包版本。 Python 版本要另写，一般放在项目 README 或 runtime.txt 里。
3. 装完不验证。 装成功 ≠ 能跑。 装完跑一遍 pip check 和项目自带的测试，才知道这次复现到底成不成。

环境这套到此结束。最后一节回到语言本身——把这本书后面要用到的 Python 语法一次过完，边跑边看结果。

• ☐ （本节完，下一节 2.5 Python 的基本语法）

相关笔记

• 函式库的安装～Windows 篇～
• 41 课 · 图解深度学习 · 索引
• 📕 深度学习入门教室 · 索引