下载与安装
使用国内镜像下载速度比较快，但是从官网下载就很慢。
下载msi镜像文件并打开安装：
安装完成后，得到4个文件
Reset Spyder...和Anaconda Powershell....都是相应的配置，其中后者是Jupyter和anaconda的dos命令窗口（相当于git的gitbash）。
默认启动文件
启动Jupyter可以通过桌面快捷方式也可以通过anconda powershell输入jupyter notebook，配置了全局环境变量的直接cmd启动。
启动后，您将看到C盘上的默认目录，其中包含原始系统和用户文件。如果要新建一个目录作为启动目录，需要更改配置：
- 配置环境变量
配置环境变量的通过jupyter notebook - [路径]直接启动到该路径文件下
- 没有通过cnaconda powershell配置和启动环境变量
查看配置文件目录：
jupyter notebook --generate-config
找到路径下的py文件：
修改c.NotebookApp.notebook_dir目录，修改为自己设置的路径
将前面的
#注释删掉，添加设置路径如：‘D:\Python\Jupyter’。
然后将’‘修改为’D:\目标目录\Notebook’或者是’/home/work/yynbook’。
这里解释一下，因为在不同的系统里面，文件路径的符号是不一样的，windows是双斜杠(\)，linux是反斜杠(/)。
如果你的这一行的前面有#，记得把它去掉，#是注释的意思，需要去掉配置才会生效。
到这里还没完，启动还是之前的默认目录，右键属性，删除后面的%USERPROFILE%的后缀：
保存并重新启动：
路径设置已生效
Anaconda
Anaconda 是一个包管理器和环境管理器，而 Jupyter Notebook 可以将数据分析代码、图像和文档组合成一个 Web 文档。前者默认包含后者。
Anaconda安装包大约600M左右，因为它包含了conda、Python以及python中最常用的数据科学包，数据分析三剑客如numpy、pandas、scipy等数据分析、数据可视化等常用模块matplotlib 和机器学习，例如 sklearn 模块。通过这些模块，jupyter就可以完成相应的数据分析。
配置好环境变量后，除了链接中查看管理包外，也可以在命令端输入 conda list，查看已经安装的包。
配置了环境变量的可以直接使用，未配置需要借助下载的anaconda poweshell
在使用时若缺少那些模块可以使用conda pip install 包名，来安装包。
由于Anaconda是包管理器和环境管理器，它的环境是独立的，这意味着计算机上有两个python SDK，例如本地python版本3.10.9：
anconda的python版本：3.9.13
两个环境是独立的，互不影响。
包括ancaonda的所有应用都是i使用自己独立的环境。
总结：
1）Anaconda自带大量常用的数据科学包。它附带 conda、Python 和 150 多个科学包及其依赖项。这样您就可以立即开始处理数据。
2）管理包Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3）管理环境为什么需要管理环境呢？比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。
需要注意的是，anaconda需要连接互联网，jupyter可以在本地运行。