anaconda提供五种虚拟环境创建方式：命令行指定python版本、navigator图形界面、创建时同步安装包、克隆现有环境、指定非默认路径。每种方式均确保项目环境隔离，避免依赖冲突。
你需要为不同项目隔离Python解释器版本和第三方包，避免全局环境被反复修改导致A项目跑不起来、B项目报错找不到模块——Anaconda提供五种创建虚拟环境的方式，覆盖命令行到图形界面的全部操作场景。
用conda命令创建指定Python版本的环境
这是最常用也最可控的方式，适合明确知道项目所需Python版本（如3.8、3.10）的开发者。
打开Anaconda Prompt（Windows）或终端（macOS/Linux）。
输入命令：conda create -n myenv python=3.9，其中myenv可替换为你自定义的环境名，3.9必须是conda官方支持的版本号，【输入错误版本如python=3.12.5可能触发下载失败或回退到最近可用版本】。
按提示输入y确认安装基础包，等待几秒至一分钟，取决于网络与本地缓存状态。
执行conda env list，检查列表末尾是否出现myenv及其对应路径，有则说明创建成功。
通过Anaconda Navigator图形界面创建
适合刚接触命令行、需要可视化反馈的新手，或临时快速建一个测试环境。
启动Anaconda Navigator应用程序。
点击左侧菜单栏的Environments选项卡。
点击右下角Create按钮 → 在弹窗中填写环境名称（如test_env）→ 从Python版本下拉菜单选择3.10 → 点击Create。
界面顶部会出现进度条，完成后该环境会直接显示在环境列表中，无需额外验证。
创建时同步安装常用包
如果你清楚项目起步就要用numpy、pandas、requests这些库，可以一步到位，省去后续逐个install的麻烦。
方法一：在终端中运行
conda create -n webdev python=3.8 numpy pandas requests
方法二：若已激活某环境想扩展安装
conda activate base → conda install -n webdev flask sqlalchemy
注意：第二步中-n参数必须显式指定目标环境名，否则默认安装到当前激活环境，【漏写-n webdev会导致包装进base环境，破坏隔离性】。
克隆现有环境生成新环境
当你已有配置完善的环境（比如data_env里装好了jupyter、scikit-learn、xgboost且版本都调好了），又想基于它快速起一个带PyTorch的新分支，克隆是最稳妥的选择。
第一步：运行conda env list，记下源环境名（如data_env）
第二步：执行conda create -n pytorch_data --clone data_env
第三步：等待本地文件拷贝完成（无网络请求，速度快）
第四步：conda activate pytorch_data → conda install pytorch torchvision cpuonly -c pytorch
指定非默认路径创建环境
默认conda把所有环境存在Anaconda安装目录下的envs文件夹，C盘空间吃紧时容易爆满。你可以把它挪到D盘或外接硬盘。
先用文本编辑器新建一个.condarc文件，放在用户主目录下（Windows是C:\Users\你的用户名，macOS是/Users/你的用户名）。
写入以下内容：
envs_dirs:
- D:\anaconda_envs
保存后关闭编辑器，再运行conda create -n moved_env python=3.11，新环境就会自动建在D:\anaconda_envs\moved_env目录里。
