Conda(从理论到实践一步到位)

Conda是一个多语言的包、依赖和环境管理工具,用于轻松管理Python、R等语言的环境。它包括默认和conda-forge两个channels,后者提供免费包。conda环境独立,便于切换和迁移。常用命令如`conda create --name xxx python=3.9`创建环境,`conda remove --name xxx --all`删除环境,`conda activate xxx`切换环境。`conda install`和`conda update`分别用于安装和升级包。conda环境在Visual Studio Code中可方便管理,推荐在环境中安装解释器。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Conda(从理论到实践一步到位)

Package, dependency and environment management for any language—Python, R, Ruby, Lua, Scala, Java, JavaScript, C/ C++, Fortran, and more.

conda channel

conda channel是远程存放包的地方.

default: https://repo.anaconda.com/pkgs/ 这个可能需要付费许可证.conda-forge channel对我们免费使用的.

conda environment: 是本地存放一系列已经安装的conda包的文件夹.conda environment之间是安装或者卸载包是互不影响的.可以快速地启动或者停用环境,并且能够快速地切换.你可以通过给environment.yaml文件实现不同主机之间地conda environment地迁移.

conda 文件夹结构:

  1. ROOT_DIR:Anaconda or Miniconda安装地文件夹

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iXKUln8x-1666364257446)(Conda.assets/image-20221021221817700-16663618987971.png)]

  2. /pkgs:(base环境)文件夹存放着压缩包,链接到各个conda 环境中,每个包都驻留在与其规范名称相对应的子目录中

  3. /envs: 额外conda 环境(虚拟环境)被创建的系统位置.

    每一个conda环境文件夹下面会有/bin,/include,/lib,/share四个子目录

    虚拟环境 一般每个项目都创建一个虚拟环境,防止项目之间的依赖包冲突.

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KcAnzHKd-1666364257448)(Conda.assets/image-20221021222650963-16663624121315-16663624132597.png)]

命令

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cdY6cBtz-1666364257448)(C:\Users\panhengyu\AppData\Roaming\Typora\typora-user-images\image-20221021215925753.png)]

conda list: A list of installed packages appears 
Managing Conda Command
conda --version:查看conda的版本号
    
conda update conda:升级conda至可以兼容的最高版本.    
Managing Environments Command
conda create --name xxx python=3.9:创建新的conda环境,且该环境中保存有3.9python

conda remove -name xxx --all:删除xxx的conda环境.

conda activate xxx:切换至xxx虚拟环境中.

conda info --envs:查看一系列虚拟环境列表

Package command
搜索某个包:
conda search xxx

安装某个包:
conda install xxx

查看该环境下安装的包:
conda list 
Install Command
conda install [packagename]
安装某个包(installs the highest version.)
pkg_name=version=build_string 这样的格式可以下载到特定版本的包

conda update [packname]
会更新至可以兼容的版本.( installs the highest version with the same major version number)
因此更新某个包的时候尽量采用conda update

安装的过程:

由该图可知,如果该channel没有要下载的包的依赖就不会下载该包即具有原子性.

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yVd0oaoN-1666364257450)(Conda.assets/image-20221021223811824-166636309268713.png)]

参考:https://docs.conda.io/en/latest/

Conda在Visual Studio Code中如何使用
  1. 在Visual Studio Code中会自动检测到现存的conda环境.所以我们建议安装在conda虚拟环境中安装一个interpreter,otherwise one will be installed for you after you select the environment

在这里插入图片描述

参考:https://code.visualstudio.com/docs/python/environments#_create-a-conda-environment

<think>我们正在回答用户关于conda常用命令从入门到精通的问题。根据引用内容,我们可以整理出以下知识点: 1. 环境管理(创建、激活、列出、删除环境) 2. 包管理(安装、卸载、更新、列出包) 3. 配置管理(通道管理、设置优先级) 4. 实用技巧(通道管理、环境重建、问题排查) 5. 清理与维护(清理缓存、删除未使用的包) 我们将按照这些模块组织回答,并确保使用正确的LaTeX格式。 注意:用户要求生成相关问题,我们将在最后添加相关问题部分。</think>### Conda 常用命令教程:从入门到精通 #### 一、环境管理(核心功能) 1. **创建环境** ```bash conda create --name myenv python=3.9 # 创建指定Python版本的环境 conda create --clone base --name myclone # 克隆基础环境 ``` 2. **环境操作** ```bash conda activate myenv # 激活环境 conda deactivate # 退出环境 conda env list # 查看所有环境 conda remove --name myenv --all # 删除环境 ``` 3. **环境重建** ```bash conda env export > environment.yml # 导出环境配置 conda env create -f environment.yml # 通过yml文件重建环境 ``` --- #### 二、包管理 1. **基础操作** ```bash conda install numpy=1.21 # 安装指定版本包 conda list # 查看当前环境所有包 conda remove numpy # 卸载包 conda update --all # 更新所有包 ``` 2. **包查询** ```bash conda search tensorflow # 搜索可用版本 conda list --revisions # 查看安装历史 conda list --export # 生成可重现的包列表 ``` --- #### 三、配置优化 1. **通道管理** ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ # 添加清华源 conda config --set show_channel_urls yes # 显示包来源 conda config --show channels # 查看通道优先级 ``` 2. **性能优化** ```bash conda clean --all # 清理缓存和未使用包 conda config --set channel_priority strict # 设置严格通道优先级[^2] ``` --- #### 四、高级技巧 1. **环境诊断** ```bash conda info # 查看conda系统信息 conda doctor # 检查环境一致性(需安装conda-doctor) conda tree numpy # 查看包依赖树[^2] ``` 2. **空间管理** ```bash conda clean --packages # 删除未使用的包缓存 conda clean --tarballs # 删除下载的安装包[^3] ``` 3. **快速重建** ```bash conda env export --from-history > env-simple.yml # 仅导出显式安装的包[^2] ``` --- #### 五、最佳实践 1. **项目工作流** ```bash # 新建项目环境 conda create --name project-env python=3.10 conda activate project-env conda install pandas matplotlib # 保存环境配置 conda env export --from-history > environment.yml ``` 2. **疑难解决** - 包冲突时:`conda install --no-deps package_name` - 重置配置:删除 `~/.condarc` 文件 > **重要提示**:使用国内镜像可加速下载(如清华源)[^2],定期执行 `conda clean --all` 可节省磁盘空间[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Blockchain410

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值