Anaconda创建、删除虚拟环境以及一些conda常用指令

一、Anaconda创建、删除和复制环境

1. 创建虚拟环境

conda create -n your_env_name python=x.x
# 在创建环境的同时安装必要的包
conda create -n your_env_name numpy matplotlib python=x.x
# 在指定的虚拟环境中安装额外的包
conda install -n your_env_name package_name

一般在创建环境的时候用第一条指令即可,有需要的包等后面再安装。注意,在安装环境时要指定Python的版本,否则会自动安装Python的最新版本

2. 激活虚拟环境

activate your_env_name
# 退出当前环境
deactivate your_env_name

3. 删除虚拟环境

conda remove -n your_env_name --all
# 删除虚拟环境中的某个包:
conda remove --name your_env_name package_name

4. 复制虚拟环境

(1).在本机上面进行环境复制

conda create -n new_env_name --clone old_env #[方案一]根据已有环境名复制生成新的环境

conda create -n new_env_name --clone old_env_path #[方案二]根据已有环境路径复制生成新的环境,其中old_env_path为旧环境的路径

(2).复制到其他的机器上面

方案一:
1)导出环境
conda env export > ~/env.yaml 或者 conda env export > environment.yaml
利用conda env export导出的是个yaml格式的文件,该文件记录了环境名,软件源地址以及安装包列表

2)使用yaml配置文件创建新环境
conda env create -f ~/env.yaml 或者 conda env create -f environment.yaml
在新的机器中可直接执行上述命令,生成的环境与复制源完全一样(包括环境名)。
方案二:
1)将原来电脑上的环境所在文件夹复制到当前机器的任意路径下
2)在当前机器中进行如下操作:
conda create -n new_env_name --clone ~/path
这样就完成了环境的移植

方案二的这种方法移植过来的环境只是安装了原来环境中用conda install等命令直接安装的包,用pip之类装的东西并没有移植过来,需要重新安装

二、conda常用指令

1. 查看conda版本

conda -V

2. 查看安装了哪些包

conda list

3. 查看当前存在哪些虚拟环境

conda env list
conda info -e

这两条指令的功能是一样的

4. 检查更新当前conda

conda update conda

5. 设置国内镜像

conda下载东西时,默认的镜像源下载的速率很慢,修改conda的镜像源能够加快下载速度。一些设置镜像的操作如下:
(1).查看已添加的镜像

conda config --get channels

(2).换回默认镜像

conda config --remove-key channels

(3).添加清华镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

在添加镜像时选择其中任意一个即可
(4).设置搜索时显示频道地址

conda config --set show_channel_urls yes 

(5).删除指定镜像

conda config --remove channels 地址

(6).确认镜像添加成功

conda config --get channels

参考博文:
anaconda 如何创建虚拟环境
Anaconda创建、激活、退出、删除虚拟环境的方法
conda修改镜像(简约清晰版)
Conda环境移植(克隆)的远程方案

### Anaconda 创建虚拟环境Conda 解析器的关系 Anaconda 是一个用于科学计算的 Python 和 R 编程语言发行版,它集成了大量的数据科学库以及管理工具。其中,`conda` 是 Anaconda 提供的一个包管理和环境管理系统,负责处理软件依赖关系并隔离不同项目所需的运行环境。 #### 1. **Conda 的核心功能** Conda 不仅是一个包管理器,也是一个环境管理器。它的主要职责包括: - 安装、更新和卸载软件包。 - 创建独立的虚拟环境以避免版本冲突。 - 管理多个 Python 版本及其对应的依赖项[^1]。 当使用 `conda create` 命令创建一个新的虚拟环境时,Conda 实际上会执行以下几个操作: - 初始化一个新的目录结构来存储该环境中所有的文件。 - 下载并安装指定版本的 Python 及其依赖项到这个新环境中。 - 将此环境加入到 Conda 的全局环境列表中以便后续切换或删除。 #### 2. **虚拟环境的作用** 虚拟环境的主要目的是为了提供一种机制,在不干扰其他项目的前提下测试新的代码或者尝试不同的技术栈组合。具体来说: - 每个虚拟环境都有自己的 Python 解释程序副本以及一套完全分离出来的标准库和其他第三方扩展模块; - 用户可以根据需求自由定制各个环境内的组件构成而无需担心相互之间的影响; 例如,默认情况下如果我们在 C:\Users\username\.conda 中定义了一个名为 myenv 的新环境,则所有与此有关联的数据都会被保存在这个特定子文件夹下面而不是混杂于系统级共享资源当中去。 #### 3. **Jupyter Notebook 与 Virtual Environments** 尽管已经成功构建好了上述提到过的自定义开发空间——myenv ,但如果直接打开 Jupyter Notebook 并不会自动识别这些额外可用选项卡因为它们尚未注册至 IPython kernelspecs 数据库里头 。因此还需要手动完成最后一步设置即把目标 interpreter 添加进去成为可选之一 [^2]: ```bash python -m ipykernel install --user --name=myenv --display-name "Python (myenv)" ``` 这样做的好处在于可以让用户更加方便快捷地选择合适的 runtime configuration 来满足实际应用场景下的多样化诉求同时保持良好的组织性和条理性。 ### 结论 综上所述,Anaconda 利用 conda 工具实现了高效便捷的多版本 python 运行时支持方案并通过精心设计好的流程使得开发者能够轻松应对复杂多变的实际工作挑战。 ```python # 示例:创建虚拟环境并与 Jupyter Notebook 集成 # 步骤一:创建虚拟环境 conda create -n myenv python=3.8 # 步骤二:激活虚拟环境 conda activate myenv # 步骤三:安装必要的包 pip install ipykernel # 步骤四:将当前环境添加到 Jupyter Kernel 中 python -m ipykernel install --user --name=myenv --display-name "Python (myenv)" ```
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
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