Conda docs笔记

前言

之前对conda,pip等包管理工具一直是胡乱的使用,没有详细的了解过其使用方法和技巧,导致常见的问题经常反复查询解决方法浪费时间。今天从头到尾看了一下conda的docs,再次大致记录一下,方便以后查询。
PS:其实经常遇到的问题,以及解决方法docs上面都有较详细的记录。系统性比博客要好很多。

conda docs:https://conda.io/docs/user-guide/index.html

什么是conda

  • Query and search the Anaconda package index and current Anaconda installation.
  • Create new conda environments.
  • Install and update packages into existing conda environments.
    以上是docs中给出的,大致归纳为2点,一个是管理环境env,另一个是管理python包package。
    管理环境和virtualenv也差不了太多,因为本人基本都在本地玩耍,所以这里体会并不是很深。另外conda还是一个跨平台的管理工具,其出身于python社区所以和python经常同台出现。

install conda

安装minconda或anaconda进行安装,前者是简化版本,只包含conda和其依赖。如果安装环境有python相关包也没有关系,不需要进行卸载。

anaconda支持windows、mac和linux系统,且有两个类型的版本,分别是GUI和command line版本,前者是图形界面,后者是命令行界面,占用资源较少。

conda有python3.x和python2.x系列两个版本,其实都没有关系,因为你在使用conda进行创建环境时,可以指定python的版本。

安装教程:
https://conda.io/docs/user-guide/install/index.html#installing-conda-on-a-system-that-has-other-python-installations-or-packages

常用命令

查看版本
conda --version 
conda -V

查看帮助
conda --help

创建环境(~/anaconda2/envs/xxx 路径)
conda create --name [envname] [dependent package list]
eg:
conda create --name env_test numpy 

拷贝环境
conda create --name xxxx --clone yyy

激活环境
linux macOS:source activate [envname]
windows:activate [envname]
失效 deactivate 激活 activate

查看当前环境
conda info --envs 

删除环境
conda remove --name xxx 

安装包
conda install [package]

conda list 查看当前环境安装的package

pip 与 conda

链接:https://conda.io/docs/user-guide/tutorials/index.html
上述链接里面介绍了conda包的结构以及打包方法,pypi上的包可以通过conda build打成conda包。conda和pypi一样有自己的资源库,可以在config里面进程配置,不过这里一般默认,不做过多介绍。

同:
+ 都是包管理工具
+ 对于默认环境安装方法类似,且都有效
+ 都有依赖管理

不同:
+ 资源位置不同,conda有自己的仓库。
+ conda把python也当做包处理
+ conda可以指定隔离环境安装指定包

常见问题

这里做一下搬运工好勒,常见的问题下面链接都讲得很详细。
+ Permission denied errors during installation
+ Permission denied errors after using sudo conda command
+ Already installed error message
+ Conda reports that a package is installed, but it appears not to be
+ pkg_resources.DistributionNotFound: conda==3.6.1-6-gb31b0d4-dirty
+ macOS error “ValueError unknown locale: UTF-8”
+ AttributeError or missing getproxies
+ Shell commands open from the wrong location
+ Programs fail due to invoking conda Python instead of system Python
+ UnsatisfiableSpecifications error
+ Package installation fails from a specific channel
+ Conda automatically upgrades to unwanted version
+ ValidationError: Invalid value for timestamp
+ Unicode error after installing Python 2
+ https://conda.io/docs/user-guide/troubleshooting.html

<think>首先,用户的问题是:“我想了解Miniconda和Anaconda的相关信息 请问Miniconda和Anaconda的介绍、区别、使用方法等相关信息”。系统指令要求我基于提供的站内引用内容来回答,这些引用提供了相关信息。 回顾系统级指令: - 所有行内数学表达式必须使用$...$格式。 - 独立公式必须使用$$...$$格式并单独成段。 - LaTeX语法正确。 - 使用中文回答。 - 生成相关问题。 - 在回答中引用的段落末尾自然地添加引用标识,例如[^1]。 用户提供的引用: - [1]: 讨论了conda、miniconda、anaconda、virtualenv的区别;miniconda的安装配置;conda基本使用;推荐专栏文章。 - [2]: 链接到一篇博客文章,讨论miniconda安装、源配置、常用命令;区别conda、pip、Anaconda、Miniconda。 - [3]: 解释conda、miniconda和anaconda的区别;conda是包管理器;Anaconda是大工具包;Miniconda紧凑。 - [4]: 梳理conda/anaconda/miniforge/虚拟环境的关系;Anaconda是大型发行版;预装许多包。 - [5]: miniconda安装和配置;包括CMD指令如conda -V, python -V。 用户的上一次问题和我的回答:从上下文看,用户之前的问题是我的系统提示中的示例(关于快速排序),但用户的新问题是关于Miniconda和Anaconda的。所以,我需要基于引用内容回答当前问题。 结构化回答: - 回答结构清晰,逐步解决问题(介绍、区别、使用方法等)。 - 使用中文。 - 在引用内容后添加引用标识,如[^1]。 - 最后添加相关问题。 关键内容提取: 1. **介绍**: - Miniconda:是一个最小的Conda发行版,只包含Conda包管理器、Python和相关依赖项[^3]。适合空间有限的用户。 - Anaconda:是一个大型发行版,包含Conda包管理器、Python、大量预装科学计算包(如numpy、pandas、scipy)和工具(如Jupyter Notebook)[^3][^4]。设计用于数据科学、机器学习。 2. **区别**: - Miniconda vs Anaconda: - Miniconda更轻量,只包含基本组件,用户可以自己安装所需包[^1][^3]。 - Anaconda预装了大量包,安装包较大,适合快速开始数据科学项目[^3][^4]。 - 两者都包含Conda核心功能:包管理和环境管理。 - Conda是一个独立的包管理器,可以用于安装不同版本的Python和管理包[^3]。 3. **使用方法**: - 安装: - Miniconda:下载安装包,运行安装程序;安装后,检查conda -V(版本)和python -V(Python版本)[^5]。 - Anaconda:类似安装过程,但安装包更大。 - 基本命令: - 更新Condaconda update conda - 创建和管理环境:conda create --name myenv python=3.9 - 安装包:conda install numpy - 激活环境:conda activate myenv - 更多命令参考专栏文章[^1]或相关博客[^2]。 - 配置源:如配置镜像源以加速下载[^2]。 4. **其他区别**: - 与virtualenv比较:Conda可以管理包和Python版本,而virtualenv只管理Python环境[^1][^3]。 - 为何选择Miniconda:节省空间,用户自己控制安装的包[^1]。 回答结构: 1. **介绍Miniconda**:解释是什么,优点。 2. **介绍Anaconda**:解释是什么,优点。 3. **区别对比**:列表或段落对比。 4. **使用方法**:安装步骤,常用命令。 5. **总结和建议**:推荐选择策略。 添加引用:在相关段落后添加引用序号。 生成相关问题: - 基于主题,生成2-3个相关问题,如“如何安装Miniconda?”、“Conda与pip的区别?”、“Anaconda的应用场景?”。 最后,确保语言自然流畅,使用中文。 </think>### Miniconda和Anaconda的介绍、区别与使用方法 基于提供的引用内容,我将逐步介绍Miniconda和Anaconda的核心信息,包括两者的定义、主要区别、使用方法及实用建议。回答中会自然地引用相关段落,确保信息可靠[^1][^3][^4]。 #### 1. **Miniconda和Anaconda的介绍** - **Miniconda**: 这是一个最小化的Conda发行版,只包含Conda包管理器、Python核心库和必要依赖项。其设计目标是轻量级,适合存储空间有限的用户(如开发者或研究人员),用户可以自行安装所需包,避免不必要的预装组件[^3]。例如,安装Miniconda后,用户可通过Conda命令定制Python环境和包管理。 - **Anaconda**: Anaconda是一个大型发行版,专为数据科学、机器学习和科学计算设计。它预装了Conda包管理器、Python基础环境以及大量科学计算包(如numpy、pandas、scipy、jupyter等),并附带工具如Jupyter Notebook和RStudio。安装包较大(约500MB-3GB),但能快速启动数据分析项目[^3][^4]。Anaconda的核心优势是“开箱即用”,减少用户手动安装包的麻烦。 #### 2. **二者的主要区别** 下面是Miniconda与Anaconda的关键差异总结: - **安装包大小和组件**: - Miniconda:体积小(约50MB-100MB),仅包含CondaPython和基础依赖,用户需手动安装额外包[^1][^3]。 - Anaconda:体积大(数百MB至数GB),预装数百个数据科学包和工具,适合初学者或快速开发[^4]。 - **适用场景**: - Miniconda:适合开发者、需自定义环境的用户,或空间受限的设备(如服务器或轻量级笔记本)[^1]。 - Anaconda:适合数据科学家、学生或需要一站式解决方案的用户,因为它减少了包安装的时间成本[^4]。 - **功能对比**: - 两者都基于**Conda核心**:Conda是一个包和环境管理器,支持安装Python包、切换不同Python版本,并管理虚拟环境(类似virtualenv但更强大)[^3]。区别在于Anaconda额外提供预装生态。 - 与virtualenv的比较:Conda不仅能管理Python环境(如virtualenv),还能处理复杂的包依赖(如C/C++库),而virtualenv仅聚焦Python隔离[^1][^3]。 总结:Miniconda是“轻量基础版”,Anaconda是“全功能套装”。用户可根据需求选择:追求灵活性选Miniconda,追求便捷性选Anaconda[^3][^4]。 #### 3. **安装与使用方法** 基于引用内容,以下是核心使用方法(以Miniconda为例,Anaconda步骤类似): **步骤1:下载与安装** - **下载Miniconda**:访问官方站点(如[Miniconda下载页](https://docs.conda.io/en/latest/miniconda.html)),选择对应操作系统(Windows/Mac/Linux)的安装包[^1][^5]。 - **安装过程**: - Windows:运行.exe文件,按提示操作;建议勾选“Add to PATH”以便在命令行使用。 - Linux/Mac:使用命令行安装,如`bash Miniconda3-latest-Linux-x86_64.sh`。 - 验证安装:安装后,在终端运行`conda -V`检查Conda版本(如`conda 24.1.2`),运行`python -V`检查Python版本[^5]。 **步骤2:基本命令与配置** - **环境管理**: - 创建环境:`conda create --name myenv python=3.9`(创建名为`myenv`的环境,指定Python 3.9)[^3]。 - 激活环境:`conda activate myenv`(Windows/Mac/Linux通用)。 - 退出环境:`conda deactivate`。 - **包管理**: - 安装包:`conda install numpy pandas`(批量安装包)。 - 更新Conda:`conda update conda`[^1]。 - 搜索包:`conda search scipy`。 - **配置镜像源加速下载**(推荐): 为避免下载慢,可配置国内镜像源。例如,运行以下命令设置清华源[^2]: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` **步骤3:进阶使用** - **环境导出与共享**:使用`conda env export > environment.yml`导出环境配置,便于团队协作[^1]。 - **切换到Anaconda包**:Miniconda用户可安装Anaconda的包集:`conda install anaconda`(但会占用更多空间)[^3]。 - **日常维护**:定期运行`conda clean --all`清理缓存[^2]。 > 小贴士:更多详细命令可参考专栏文章《conda的基本使用》[^1]或相关博客[^2]。 #### 4. **选择建议与注意事项** - **为何选择Miniconda**:节省磁盘空间,避免预装包“膨胀”;适合高级用户定制环境[^1][^3]。例如,在云服务器上优先选Miniconda。 - **为何选择Anaconda**:快速启动项目,避免手动安装大量包;适合教育或企业数据分析场景[^4]。但注意其体积可能影响系统性能。 - **通用提示**:两者都支持虚拟环境管理,可同时安装多个Python版本(如Python 3.8和3.11并存)。若需pip结合使用,可用`pip install package`在Conda环境中操作[^2][^3]。 总之,Miniconda和Anaconda的核心区别在于**预装内容和体积**,但底层技术(Conda)相同。用户应根据项目需求选择:轻量控制选Miniconda,省时省力选Anaconda[^3][^4]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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