【2025年版】データ分析向け Conda ベストプラクティス（Python 3.11）

データ分析を始めるとき、環境構築でつまずく人は多いです。
特に NumPy / Pandas / SciPy / PyTorch など C依存が多いライブラリ を扱う場合、
pip や uv だけではビルドエラーになりがちです。

そのため、データ分析では Conda が最も安定 というのが定番の結論です。
ここでは「最初にこれをやれば OK」という ベストプラクティスを手順でまとめ ました。

🎯 この記事のゴール

• Miniconda を使って最小＆軽量セットアップ
• Python 3.11 の安定環境を作る
• NumPy / Pandas / JupyterLab を無難に入れる
• よくあるトラブルを避けるコツを知る

1. Miniconda をインストール

Anaconda より Miniconda（最低限のみ） を推奨します。

公式ダウンロード：
https://www.anaconda.com/docs/getting-started/miniconda/install

PATH登録(zsh用)

• ~/.zshrc に miniconda3/bin を追記（重複回避）
• 公式の conda init zsh を実行して初期化ブロックを作成
• シェル再読み込みで即時反映

touch "$HOME/.zshrc" \
&& grep -qxF 'export PATH="$HOME/miniconda3/bin:$PATH"' "$HOME/.zshrc" || echo 'export PATH="$HOME/miniconda3/bin:$PATH"' >> "$HOME/.zshrc" \
&& "$HOME/miniconda3/bin/conda" init zsh \
&& exec zsh

2. 基本は conda-forge チャンネルを使う

データ系は conda-forge のほうが新しくて安定。

最初に設定しておくと便利：

conda config --add channels conda-forge
conda config --set channel_priority strict

3. データ分析用の環境を作成

Python 3.11 は 2025年時点で 最も安定しているデータ分析用バージョン。
注：.venvはIDE cursorで自動検出されるので、便利

conda create -y -p ./.venv python=3.11

4. 環境をアクティベート

conda activate ./.venv

5. 基本パッケージ（NumPy/Pandas/Jupyter）を conda-forge から入れる

データ分析系は conda-forge の依存解決が最も安定。

conda install -c conda-forge numpy pandas jupyterlab matplotlib

必要なら SciPy や scikit-learn も：

conda install -c conda-forge scipy scikit-learn

6. pip と混ぜるのは最後の手段

• conda → pip の順で入れるとまだ安全
• pip が多すぎると依存関係が壊れやすい

例（どうしても pip のときは最後）：

pip install package_name

7. 環境を export（共有・再現用）

conda env export > environment.yml

復元は：

conda env create -f environment.yml

8. base 環境には何も入れない

これだけは鉄則。
依存関係が汚れたり、トラブル時に修復しにくいため。
base はただの「管理者」みたいなものにしておく。

不要なパッケージ削除：

conda clean -a

📌 まとめ

データ分析では以下が最も安定：

• Miniconda
• Python 3.11
• conda-forge からインストール
• C系は conda 優先
• pip は足りない分だけ後から追加

この構成にしておけば、
NumPy / Pandas / Jupyter / SciPy / scikit-learn などは
ほぼトラブルなく扱えます。