MacOs安装Jupyter环境

JupyterLab与Miniconda科学计算环境搭建指南摘要： JupyterLab作为新一代交互式计算环境，相比经典Jupyter Notebook提供IDE式多窗口布局、文件管理和插件扩展功能。对于AI/数据科学用户，推荐使用Miniconda创建虚拟环境，其优势包括：1)解决Python库依赖冲突；2)支持多环境隔离；3)预编译科学计算库。安装流程为：下载对应架构的Miniconda安

Katherine1229

382人浏览 · 2026-05-11 18:08:04

Katherine1229 · 2026-05-11 18:08:04 发布

1、Jupyter notebook和Jupyter Lab选择

JupyterLab 是全新升级版、IDE 级工作台；Jupyter Notebook 是经典老旧单页版，现在官方主推 JupyterLab，文件格式完全互通 .ipynb 两边都能打开。

维度	Jupyter Notebook（经典版）	JupyterLab（新版推荐）
界面布局	简陋单页面，只能看一个笔记，无侧边栏	VS Code 式布局，左侧文件管理器、内核、插件栏，可自由分屏
多任务	一次只能打开一个文件，不能分屏对比	多标签页、左右 / 上下拆分窗口，同时开代码、文档、终端、图片
文件管理	基础简陋，只能新建 / 删除，无文件夹精细管理	完整文件树，支持拖拽、重命名、批量管理、直接打开 py/txt/csv/pdf
插件扩展	插件少、安装麻烦、生态老旧	官方原生支持插件，代码补全、主题、格式化、Git、表格增强全都有
内置工具	只有代码 + Markdown 单元格，无额外工具	自带终端、文本编辑器、变量浏览器、CSV 可视化预览
操作体验	老式网页风格，功能固定	IDE 交互，拖拽单元格、自定义布局、快捷键丰富
官方状态	仅修复 Bug，不再迭代新功能	持续更新、官方主力开发、未来标准
资源占用	轻量极简	稍占内存，但多任务更流畅

2、选择安装方式

方式	优点	适合人群
虚拟环境	最干净，不污染系统 Python	所有用户，尤其新手
系统 Python+pip	无需创建环境，最快	临时使用，极简需求
Miniconda（数据分析）	包管理强大，适合复杂环境	数据科学 / 机器学习用户

学 AI、做数据科学，闭眼选 Miniconda，这是行业标准方案

方式	适合人群	你的场景适配度	核心价值
Python 原生虚拟环境（venv+pip）	纯 Python 开发、轻量脚本、简单学习	⭐⭐（不推荐主力）	干净、轻量，但AI 库兼容性极差
Miniconda（Conda）	AI / 机器学习 / 数据科学、科研、工程	⭐⭐⭐⭐⭐（首选）	解决 AI 库依赖地狱、M芯片完美适配、行业标准

对比维度	原生虚拟环境（venv + pip）	Miniconda（Conda）
核心定位	仅隔离 Python 包	隔离整个运行环境 + 系统依赖 + 二进制库
包管理能力	只管理 Python 库	管理 Python + C/C++ 底层依赖 + CUDA / 编译器
AI 库兼容性	经常安装失败（PyTorch/TensorFlow 依赖报错）	100% 适配 ARM 架构，一键安装无报错
环境管理	仅基础隔离	可克隆、导出、共享环境，团队 / 科研必备
科学计算库	需要手动编译，容易缺依赖	预编译二进制库，安装极快、零报错
学习门槛	极低	稍高，但学 AI 必须掌握，性价比极高
性能（M4）	原生运行，但库优化差	针对 ARM 优化，AI 计算速度更快
磁盘占用	极小	轻量（Miniconda 仅 300M，远小于 Anaconda）
行业主流	后端开发用	AI / 数据科学全球首选

Anaconda和MiniConda之间的区别：

https://www.anaconda.com/docs/getting-started/concepts/anaconda-or-miniconda

3、Miniconda安装指南

https://www.anaconda.com/docs/getting-started/miniconda/install/overview

macOS安装指南

首先查看自己电脑的系统架构，命令为“uname -m" , 如果是arm64，就是苹果M系列芯片，下载苹果安装包，如果是intel x86系列，则选择对应的下载地址。

终端命令安装指南，详见：https://www.anaconda.com/docs/getting-started/miniconda/install/mac-cli-install

在终端命令行输入：curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh

输入安装命令：bash ~/Miniconda3-latest-MacOSX-arm64.sh

然后根据指引一步步安装，是否同意协议，设定安装位置等。

验证conda安装成功

1、要么重启终端，要么执行命令：source ~/.zshrc

2、执行命令：conda list 列出conda预安装的包

3、查看canda的版本：conda --version

4、查看python预制版本: python --version

创建环境

1、执行创建环境命令：

conda create --name hello-env python=3.14

2、激活新环境：

conda activate hello-env

3、进入环境前后显示状态：

常见命令

命令	解释
conda create --name <env> python=3.14	创建环境
conda activate <env>	激活环境
conda deactivate	退出环境
conda env list	列出环境
conda env remove -n <env>	删除环境
conda install <pkg>	安装包
conda uninstall <pkg>	卸载包
conda update <pkg>	更新包
conda list	列出所有包

4、miniconda和Jupyter lab之间的关系

Miniconda 是「环境管家 + 容器」。相当于公寓楼 + 房间管理员，帮你隔出多个独立房间（虚拟环境），每个房间可以装不同版本 Python、不同 AI 库，房间之间互不干扰、不会冲突。

JupyterLab 是「写代码的工作台」。JupyterLab 必须装在 Miniconda 创建的虚拟环境里，才能正常跑 AI、数据分析代码。相当于放在某个房间里的智能办公桌。只是一个代码编辑器 / 运行工具，它自己没有 Python、没有任何算法库，必须依赖房间里的 Python 环境才能工作。

（1）Miniconda：是 命令行工具（Miniconda 的核心）。做三件事：

① 管理多套 Python 版本

② 管理 AI / 科学库的底层依赖

③ 隔离多个项目环境，互不污染

核心功能：创建虚拟环境、安装 / 卸载库、管理 Python 版本、解决依赖冲突

Miniconda 不自带 JupyterLab；需要进到 Conda 虚拟环境里，手动安装 JupyterLab，它就属于这个环境了

（2）JupyterLab：是 网页版编程工具（可视化界面）。只做一件事：

交互式写代码、跑代码、做笔记、数据分析可视化，是前端操作界面。

核心功能：写代码、运行代码、做笔记、数据可视化

JupyterLab 不能独立运行，它必须绑定一个 Python 环境：

可以绑定系统自带 Python
可以绑定 Python 原生 venv 虚拟环境
对学AI最优：绑定 Miniconda 虚拟环境

5、在conda环境中安装Jupyter lab

进入到创建的环境中，执行安装命令：

conda install -c conda-forge jupyterlab -y

命令行的意思是：“从 conda-forge 社区仓库下载并安装 JupyterLab（-c 代表channel），安装过程中自动确认所有提示（-y的意思），无需手动交互”。

输入命令：jupyter lab 自动弹出jupyter 页面

关闭jupyter lab界面的命令：

终端按 Ctrl+C → 输入 y → 回车

安装必备库

1、一次性安装数据科学全套基础工具：

conda install -c conda-forge numpy pandas matplotlib scikit-learn -y

库名	核心作用	理解	能做什么？
NumPy 全称：Numerical Python	做高速数值计算、矩阵运算、数组处理	「数学计算器」（所有库的地基）	处理大量数字、矩阵、向量运算（AI 的基础数学操作）速度极快，比原生 Python 快几十倍所有 AI / 数据科学库都依赖它
Pandas	表格数据处理、数据清洗、数据统计	「超级 Excel」（数据处理神器）	读取 / 保存 CSV、Excel、数据库数据筛选、排序、删除、合并、统计数据处理百万行数据毫无压力数据科学第一步：用 Pandas 整理脏数据
Matplotlib	把数据变成图表	「数据画师」（画图可视化）	画折线图、柱状图、散点图、饼图、热力图数据结果可视化，直观展示规律 AI / 数据分析必须画图看结果
Scikit-learn	实现经典机器学习算法	「AI 工具箱」（机器学习入门神器）	分类、预测、聚类、回归入门 AI 必用（线性回归、决策树、随机森林、SVM 等）数据预处理、模型训练、模型评估一条龙

pytorch深度学习框架的常用包

命令：conda install pytorch torchvision torchaudio -c pytorch -y

库名	定位	能做什么
Torch	深度学习框架（地基）	写神经网络模型（AI 的大脑）训练模型、优化参数 GPU 加速（速度比 CPU 快 10 倍以上）机器学习、深度学习、大模型底层都用它
TorchVision	PyTorch 官方图像工具库	图像识别（猫狗分类、人脸识别）目标检测（圈出图片里的人 / 车 / 物体）图像生成、美颜、OCR 文字识别自带大量训练好的经典 AI 模型
TorchAudio	PyTorch 官方音频工具库	语音识别（微信转文字、Siri）语音合成（AI 配音）音频分类、降噪、声纹识别