Anaconda 安装以及命令总结文档

以下是一份详细的 Anaconda 命令总结文档，涵盖环境管理、包管理、配置、常用工具等核心操作：

---

Anaconda 命令总结

---

1. 安装与更新

命令	说明
conda --version	查看 Conda 版本
conda update numpy	更新 numpy自身
conda update anaconda	更新 Anaconda 元包（包括大部分科学计算库）
conda install numpy=<version>	安装指定版本的 numpy

---

2. 环境管理

创建与删除环境

命令	说明
conda create --name <env_name>	创建新环境（默认 Python 版本）
conda create --name <env_name> python=3.12	创建指定 Python 版本的环境
conda create --name <env_name> --clone <old_env>	克隆现有环境
conda remove --name <env_name> --all	删除环境（包括所有包）

激活与退出环境

系统	命令
Windows	conda activate <env_name>
Linux/macOS	conda activate <env_name> 或 source activate <env_name>
退出环境	conda deactivate

查看环境

命令	说明
conda env list	列出所有已创建的环境
conda info --envs	查看环境路径列表
conda list	查看当前环境的已安装包

---

3. 包管理

安装与卸载

命令	说明
conda install <package_name>	安装包（自动解决依赖）
conda install <package_name>=1.0	安装指定版本包
conda install -c <channel> <package>	从指定渠道安装包（如 conda-forge）
conda remove <package_name>	卸载包

批量操作

命令	说明
conda update --all	更新当前环境所有包
conda update <package_name>	更新指定包
conda search <package_name>	搜索可用包版本

---

4. 环境导出与共享

命令	说明
conda env export > environment.yml	导出当前环境配置到 YAML 文件
conda env create -f environment.yml	通过 YAML 文件创建环境
conda env export --from-history > environment.yml	仅导出手动安装的包（简化依赖）

---

5. 渠道（Channel）管理

命令	说明
conda config --add channels <channel_url>	添加渠道（如清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/）
conda config --set channel_priority strict	设置渠道优先级（避免依赖冲突）
conda config --show channels	查看当前配置的渠道列表
conda config --remove channels <channel_url>	移除指定渠道

---

6. 配置管理

命令	说明
conda config --show	查看所有 Conda 配置
conda config --set <key> <value>	修改配置（如 auto_activate_base false 禁止自动激活 base 环境）
conda config --remove-key <key>	删除配置项

---

7. 实用命令

命令	说明
conda clean --all	清理未使用的包和缓存（释放磁盘空间）
conda list --revisions	查看环境修改历史
conda install --rev <revision_number>	回滚到指定版本的环境

---

8. Jupyter Notebook 集成

命令	说明
conda install ipykernel	在当前环境安装 Jupyter 内核
python -m ipykernel install --user --name <env_name>	将环境添加到 Jupyter Notebook
jupyter kernelspec list	查看已安装的 Jupyter 内核
jupyter kernelspec uninstall <env_name>	移除 Jupyter 内核

---

9. Conda 与 Pip 结合使用

• 优先使用 Conda 安装包（避免依赖冲突）
• 若包不在 Conda 仓库中，可使用 Pip：

  conda install pip  # 在环境中安装 pip
  pip install <package_name>
  

• 导出混合环境：

  conda env export --no-builds > environment.yml  # 导出环境（包含 Conda 和 Pip 包）
  

---

10. 常见问题处理

1. 环境损坏：

   conda list --revisions  # 查看历史版本
   conda install --rev <number>  # 回滚到指定版本
   

2. 包冲突：

   conda install --force-reinstall <package>  # 强制重新安装包
   

3. 清理缓存：

   conda clean --all  # 清理所有缓存
   

---

注意事项：

• 操作环境时建议优先使用 --name <env_name> 指定环境名称。
• 跨平台共享环境时，使用 --from-history 选项可避免系统依赖问题。
• 避免在 base 环境中安装过多包，推荐为每个项目创建独立环境。

希望这份文档能帮助你高效使用 Anaconda！