写在前面：
很多新手在使用Jupyter Notebook时，都会遇到"环境混乱"的问题------所有包都装在base环境，导致版本冲突、运行报错。本文手把手教你用Anaconda命令行，创建全新的Python虚拟环境并部署到Jupyter Notebook中。
适用场景：Python项目开发、数据分析、机器学习（避免不同项目包版本冲突）
环境前提：已安装Anaconda（Windows/macOS/Linux通用，无版本限制）
一、准备工作
1、打开Anaconda终端
-
Windows系统：开始菜单搜索「Anaconda Prompt (Anaconda3)」，双击打开**（注意：不是CMD命令提示符，也不是PowerShell）**
-
macOS/Linux系统：打开系统自带终端，输入**
conda --version**，能显示conda版本（如conda 23.10.0），说明conda可用
2、重要提醒
全程不要关闭终端，一步一步执行，避免中途中断导致配置失败。
二、完整实操步骤
1、创建Python虚拟环境
首先创建一个专属虚拟环境，环境名可自定义（本文用 jupyter_env为例）。
复制以下命令，粘贴到Anaconda终端，回车执行：
conda create -n jupyter_env python=3.10 -y-
conda create：Anaconda创建虚拟环境的核心命令 -
-n jupyter_env：-n是「name」的缩写，后面跟虚拟环境的名字（可自定义） -
python=3.10：指定虚拟环境的Python版本（可替换为3.8、3.9、3.11等） -
-y：自动同意所有安装提示（不用手动输入y确认，省事高效）
执行成功后，终端会显示「done」，说明虚拟环境创建完成。
2、激活创建的虚拟环境
虚拟环境创建后，需要激活才能使用，复制以下命令，粘贴执行：
conda activate jupyter_env验证激活成功：终端提示符前面会出现「(jupyter_env)」，比如：
(jupyter_env) C:\Users\XXX> （Windows）
(jupyter_env) XXX@XXX ~ % （macOS/Linux）
如果没出现，重新执行激活命令，确保环境名和创建时一致。
3、安装Jupyter内核依赖
激活虚拟环境后，需要安装「ipykernel」包------这是连接虚拟环境和Jupyter Notebook的核心依赖，复制命令执行：
conda install ipykernel -y备选方案（如果conda安装失败）：用pip安装，复制以下命令：
pip install ipykernel安装成功后，终端会显示「done」，无需额外操作。
4、将虚拟环境注册到Jupyter Notebook
这一步是让Jupyter Notebook"识别"到我们创建的虚拟环境，复制以下命令：
python -m ipykernel install --user --name jupyter_env --display-name "Python (jupyter_env)"-
python -m ipykernel install：注册Jupyter内核的核心命令 -
--user：仅当前用户可用，无需管理员权限（避免权限报错） -
--name jupyter_env：必须和步骤1创建的虚拟环境名一致（否则注册失败） -
--display-name "Python (jupyter_env)"：Jupyter界面中显示的环境名称（可自定义，比如改为"Python 3.10-项目1"）
执行成功后，终端会显示「Installed kernelspec jupyter_env in ...」，说明注册成功。
5、启动Jupyter Notebook，使用虚拟环境
注册完成后，启动Jupyter Notebook，复制命令执行：
jupyter notebook
执行后，会自动打开浏览器，进入Jupyter Notebook界面（默认地址：http://localhost:8888/），使用虚拟环境的步骤：
-
点击右上角「New」按钮，下拉菜单中选择「Python (jupyter_env)」（就是我们注册时的display-name）
-
新建的Notebook，右上角会显示「Python (jupyter_env)」，说明当前使用的是我们创建的虚拟环境
-
测试：在Notebook中输入
import sys; print(sys.version)，运行后会显示Python 3.10.x（和我们创建环境时指定的版本一致），说明配置成功！
三、核心优势对比：注册内核 vs 每个conda环境安装Jupyter
💡很多人会有疑问：为什么不直接在每个conda虚拟环境中，都安装Jupyter（命令：conda install jupyter -y），反而要多一步"注册内核"的操作？其实两种方法都能实现虚拟环境与Jupyter的关联，但本文推荐的「注册内核」方法，在实用性、效率和资源占用上有明显优势，下面详细对比两者差异，并拆解「注册内核」的核心好处。
1、核心区别
| 对比维度 | 本文推荐：注册内核（安装ipykernel+注册） | 替代方法：每个环境安装Jupyter |
|---|---|---|
| 核心操作 | 仅在base环境装Jupyter，其他环境装ipykernel并注册 | 每个虚拟环境都单独安装完整Jupyter（含notebook、lab等组件） |
| 资源占用 | 极低，仅占用ipykernel（几十MB） | 极高，每个环境重复安装Jupyter全套组件（几百MB/环境） |
| 启动方式 | 任意环境（或base环境）启动Jupyter，统一管理所有内核 | 必须激活对应环境，才能启动该环境的Jupyter，切换繁琐 |
| 版本一致性 | Jupyter版本统一（base环境控制），无兼容性问题 | 每个环境Jupyter版本可能不同，易出现版本冲突、功能不一致 |
| 管理难度 | 统一管理所有内核，新增/删除环境仅需注册/删除内核 | 每个环境单独管理Jupyter，升级、卸载需逐个操作 |
2、注册内核方法的详细好处
好处1：大幅节省磁盘空间，避免资源浪费
这是最直观的优势。完整的Jupyter套件（含notebook、jupyter-core、nbconvert等组件）安装后，占用磁盘空间约300-500MB。如果我们创建5个虚拟环境，若每个环境都安装Jupyter，仅Jupyter组件就会占用1.5-2.5GB空间；而本文的方法，仅需在base环境安装1次Jupyter，其他环境仅安装ipykernel（约50MB），5个环境仅多占用250MB左右，相当于节省了90%以上的空间。
对于磁盘空间紧张的电脑（如笔记本），这种方法能有效减少冗余文件，避免因环境过多导致磁盘满溢。
好处2：启动便捷，无需反复切换环境
如果采用"每个环境装Jupyter"的方法，想要使用某个环境的Jupyter，必须先激活该环境（如conda activate env1），再执行jupyter notebook；切换到另一个环境（如env2），需要先退出当前环境（conda deactivate），再激活env2，重新启动Jupyter，操作繁琐且耗时。
而注册内核的方法，只需在任意环境（甚至base环境）执行jupyter notebook，启动后在界面中直接切换内核（虚拟环境）即可，无需反复启动/关闭Jupyter，大幅提升实操效率，尤其适合同时开发多个项目、频繁切换环境的场景。
好处3：避免版本冲突，提升稳定性
Jupyter本身会依赖特定版本的Python和相关组件，若每个虚拟环境都单独安装Jupyter，可能出现"环境A的Jupyter是6.5版本，环境B的Jupyter是7.0版本"的情况。不同版本的Jupyter在功能、界面、兼容性上可能存在差异，容易出现"在环境A能正常运行的Notebook，在环境B打开报错""内核连接失败"等问题。
注册内核的方法，仅在base环境安装1次Jupyter，所有虚拟环境共享同一个Jupyter界面和核心组件，仅通过ipykernel调用不同环境的Python解释器，从根源上避免了Jupyter版本冲突，确保Notebook在不同环境间的兼容性和运行稳定性。
好处4：统一管理，降低维护成本
当需要升级Jupyter版本时，"每个环境装Jupyter"的方法需要逐个激活环境，执行conda update jupyter，若环境较多，操作非常繁琐；而注册内核的方法，只需在base环境执行1次升级命令，所有虚拟环境就能共享升级后的Jupyter功能，无需逐个操作。
此外，删除虚拟环境时，只需先删除对应的Jupyter内核（jupyter kernelspec remove 环境名），再删除conda环境即可，不会留下冗余的Jupyter组件；而"每个环境装Jupyter"的方法，删除环境后，可能残留Jupyter相关的配置文件，长期积累会导致系统混乱。
四、常用管理命令
后续需要管理虚拟环境或Jupyter内核，直接复制以下命令即可：
# 1. 查看所有Anaconda虚拟环境（确认环境是否存在）
conda env list
# 2. 查看Jupyter已注册的所有内核（确认环境是否注册成功）
jupyter kernelspec list
# 3. 删除不需要的Jupyter内核（比如删除jupyter_env内核）
jupyter kernelspec remove jupyter_env
# 4. 删除整个Anaconda虚拟环境（彻底删除，谨慎使用）
conda remove -n jupyter_env --all -y
# 5. 退出当前虚拟环境（回到base环境）
conda deactivate五、常见问题解决
💡问题1：启动Jupyter后，找不到注册的虚拟环境？
解决方案：关闭Jupyter（终端按Ctrl+C，输入y确认关闭），重新执行 jupyter notebook 即可，大概率是Jupyter未刷新内核列表。
💡问题2：注册内核时提示"Permission denied"（权限不足）？
解决方案：命令中一定要加 --user 参数（本文命令已包含），无需以管理员身份打开终端，加了该参数后，仅当前用户可用，避免权限报错。
💡问题3：内核注册成功，但Jupyter中运行代码报错？
解决方案：重新激活虚拟环境，重装ipykernel后重新注册，命令如下（复制执行）：
conda activate jupyter_env
conda install ipykernel -y
python -m ipykernel install --user --name jupyter_env --display-name "Python (jupyter_env)" --force注意：最后加了 --force 参数，强制覆盖原有内核，解决注册不完整的问题。
欢迎交流！🌹🌹