Conda的基础使用

1、Conda基本介绍

1.1 什么是 Conda、MiniConda、Anaconda

• Conda是一个包和环境管理的工具。支持Windows、macOS和Linux。Conda可以快速的安装、运行和更新包和相关的依赖。Conda也可以轻易地创建、保存、加载和转换环境。
• Anaconda 是一个用于科学计算的Python发行版本，包含了众多科学计算的包、conda、conda-build、python。
• Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 conda，Python 和一些它们所以依赖的包

Conda是一个包和环境管理的工具。支持Windows、macOS和Linux。Conda可以快速的安装、运行和更新包和相关的依赖。Conda也可以轻易地创建、保存、加载和转换环境。

1.2. 为什么要使用conda

一个典型的Python 项目会使用多个包来完成其功能。其中一些包也可能被其他项目所使用（共享）。 项目之间共享的包可能会引起冲突。 比如，我们有两个项目S1和S2，S1使用NumPy 1.2版本，而S2需要NumPy 1.1版本，一个环境中存在两个版本就可能导致冲突。 解决这个问题的办法就是使用虚拟环境。通过虚拟环境，我们可以为每个项目分别创建一个独立的虚拟环境，来隔离环境冲突。

• 简单脚本或快速测试：venv
• 多 Python 版本兼容：virtualenv
• 数据科学 / 机器学习：conda
  现代项目管理：poetry或pipenv

2.安装Conda

2.1 安装Conda

官网安装参考链接：miniConda下载地址

完下载后，安装web界面引导安装即可。

2.2 使用 Anaconda Powershell Prompt 终端

安装完成后，打开终端 Anaconda Powershell Prompt ，如果有看到命令列提示中的（base），那表示安装成功。

Conda 常用命令

3.1 常用命令

conda –help # 查看帮助
conda info # 查看 conda 信息
conda --version # 查看 conda 版本
conda update conda # 更新Conda（慎用）
conda clean –all # 清理不再需要的包
conda <指令> --help # 查看某一个指令的详细帮助
conda config --show #查看 conda 的环境配置
conda clean -p # 清理没有用，没有安装的包
conda clean -t # 清理 tarball
conda clean --all # 清理所有包和 conda 的缓存文件

3.2 Conda环境基本管理

3.2.1 创建conda环境

使用一下命令创建相互的隔离的python隔离环境

# 语法
conda create --name <env_name> python=<version> [package_name1]
[package_name2] [...]
# 样例 创建一个名为 test 的环境，python 版本为3.10
conda create --name test python=3.10 # --name 可以简写为 -n

如果要指定conda环境的路径，需要设置 envs_dirs，该命令只需要执行一次！【可选】

conda config --add envs_dirs C:/env/

3.2.2 conda环境基本操作

切换conda环境

# 语法
conda activate env_name
# 样例 切换到 test 环境
conda activate test
# 退出当前环境
conda deactivate

**查看conda环境 **

# 查看当前所有的conda虚拟环境
conda env list

删除/克隆Conda环境

------------------删除环境-------------------------------------
# 语法
conda remove --name <env_name> --all
# 样例
conda remove --name learn --all
------------------可隆环境-------------------------------------
# 语法
conda create --name <new_evn_name> --clone <old_env_name>
# 样例
conda create --name myclone --clone myenv

3.3 包管理

安装包

pip install numpy

# 从requirement.text文件安装包
pip install -r requirements.txt

更新包

pip install --upgrade numpy

# 升级所有包
# 将当前环境中的所有包信息保存到 requirements.txt 文件中
pip freeze > requirements.txt
# 卸载所有包
pip uninstall -r requirements.txt
# 重新安装所有包
pip install -r requirements.txt

卸载包

pip uninstall numpy

搜索包

conda search numpy

3.4 环境导入和到导出

# 将当前环境导出为一个YAML文件
conda env export > environment.yml

# 使用YAML文件创建一个新环境
conda env create -f environment.yml