Windows下的Anaconda(二)创建虚拟环境管理不同版本python

本文详细介绍Anaconda环境变量的手动配置方法,包括环境变量的添加、conda工具的基本使用、虚拟环境的创建与管理,以及如何修改镜像源提高安装速度。

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

Anaconda环境变量配置

当安装Anaconda时,没有选中自动环境变量配置,则需要手动进行环境变量配置

如果是windows的话需要去 控制面板\系统和安全\系统\高级系统设置\环境变量\用户变量\PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是如上图, 看个人安装路径不同需要自己调整.

之后就可以打开命令行(最好用管理员模式打开) 输入 conda --version

如果输出conda 4.6.11之类的就说明环境变量设置成功了.

为了避免可能发生的错误, 我们在命令行输入conda upgrade --all 先把所有工具包进行升级

如果在 Anaconda中 更新包的时候出现下面的错误


 有可能是因为你还没有安装pip命令

conda install pip


安装以后再次更新就不会出现问题了。

如果你的Anaconda启动失败,如下图所示

1)使用管理员运行:conda prompt

2)执行命令 conda update anaconda-navigator

3)还是不行就试试命令:anaconda-navigator --reset
 

conda 工具介绍

conda 是 Anaconda 下用于包管理和环境管理的工具,功能上类似 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中,因此可直接在命令行窗口运行命令 conda

conda 的环境管理与 virtualenv 是基本上是类似的操作。

# 查看帮助
conda -h 
# 基于python3.6版本创建一个名字为python36的环境
conda create --name python36 python=3.6 
# 激活此环境
activate python36  
source activate python36 # linux/mac
# 再来检查python版本,显示是 3.6
python -V  
# 退出当前环境
deactivate python36 
# 删除该环境
conda remove -n python36 --all
# 或者 
conda env remove  -n python36

# 查看所以安装的环境
conda info -e
python36              *  D:\Programs\Anaconda3\envs\python36
root                     D:\Programs\Anaconda3

conda 的包管理功能可 pip 是一样的,当然你选择 pip 来安装包也是没问题的。

# 安装 matplotlib 
conda install matplotlib
# 查看已安装的包
conda list 
# 包更新
conda update matplotlib
# 删除包
conda remove matplotlib

在 conda 中 anything is a package。conda 本身可以看作是一个包,python 环境可以看作是一个包,anaconda 也可以看作是一个包,因此除了普通的第三方包支持更新之外,这3个包也支持。比如:

# 更新conda本身
conda update conda
# 更新anaconda 应用
conda update anaconda
# 更新python,假设当前python环境是3.6.1,而最新版本是3.6.2,那么就会升级到3.6.2
conda update python

修改镜像地址

Anaconda 的镜像地址默认在国外,用 conda 安装包的时候会很慢,目前可用的国内镜像源地址有清华大学的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\当前用户名\.condarc (Windows) 配置:

channels:
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 - defaults
show_channel_urls: true

如果使用conda安装包的时候还是很慢,那么可以考虑使用pip来安装,同样把 pip 的镜像源地址也改成国内的,豆瓣源速度比较快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\当前用户名\pip\pip.ini (Windows) 配置:

[global]
trusted-host =  pypi.douban.com
index-url = http://pypi.douban.com/simple

管理虚拟环境

 

接下来我们就可以用anaconda来创建我们一个个独立的python环境了.接下来的例子都是在命令行操作的,请打开你的命令行吧.

activate


activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境,

你可以输入python试试, 这样会进入base环境的python解释器, 如果你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。

创建自己的虚拟环境

我们当然不满足一个base环境, 我们应该为自己的程序安装单独的虚拟环境.

创建一个名称为python36的虚拟环境并指定python版本为3.6(这里conda会自动找3.6中最新的版本下载)

conda  create -n py36  python=3.6

或者conda  create  --name  py36   python=3.6

于是我们就有了一个learn的虚拟环境, 接下来我们切换到这个环境, 一样还是用activae命令 后面加上要切换的环境名称。

切换环境

如果忘记了名称我们可以先用

conda env list

去查看所有的环境

然后

conda activate py36

进入pyhton为3.6版本的环境

退出当前环境回到基本环境

conda deactivate

卸载环境

conda remove --name [test] --all

关于环境总结

# 创建一个名为python36的环境,指定Python版本是3.6(不用管是3.6.x,conda会为我们自动寻找3.6.x中的最新版本)
 
conda create --name python36 python=3.6
 
# 安装好后,使用activate激活某个环境
 
activate python36    # for Windows
 
source activate python36    # for Linux & Mac
 
# 激活后,会发现terminal输入的地方多了python36的字样,实际上,此时系统做的事情就是把默认2.7环境从PATH中去除,再把3.6对应的命令加入PATH
 
# 此时,再次输入
 
python --version
 
# 可以得到`Python 3.6.9 :: Anaconda 4.6.11 (64-bit)`,即系统已经切换到了3.4的环境
 
# 如果想返回默认的python 2.7环境,运行
 
deactivate python36     # for Windows
source deactivate python36  # for Linux & Mac
# 删除一个已有的环境
 
conda remove --name python36 --all

安装第三方包

输入

conda install requests

或者

pip install requests

来安装requests包.

安装完成之后我们再输入python进入解释器并import requests包, 这次一定就是成功的了.

卸载第三方包


那么怎么卸载一个包呢

conda remove requests

或者

pip uninstall requests

就行啦.

导入导出环境

如果想要导出当前环境的包信息可以用

conda env export > environment.yaml

将包信息存入yaml文件中.

当需要重新创建一个相同的虚拟环境时可以用

conda env create -f environment.yaml

其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属所有包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

参考博客:https://blog.youkuaiyun.com/ITLearnHall/article/details/81708148

<think>好的,我现在需要帮助用户解决Anaconda虚拟环境Python版本不一致的问题。用户想知道如何确保创建虚拟环境与指定的Python版本一致。根据用户提供的引用资料,我需要整理出具体的步骤和注意事项。 首先,用户提到的引用[1]说明默认情况下,如果不指定Python版本虚拟环境会使用Anaconda基础环境版本。这可能就是导致版本不一致的原因。所以,解决方法应该是在创建环境时明确指定版本号。 引用[4]中提到,使用conda create -n xxx python=3.8可以指定版本。这里需要强调在命令中加入python=版本号的部分,这样就能确保安装特定版本。同时,用户可能不知道如何查看可用的版本,需要指导他们使用conda search python来查找。 另外,引用[5]提到在安装时可以添加anaconda参数,这样会安装更多的包,但速度可能较慢。这时候可能需要建议用户使用国内镜像源,如清华源,来加快下载速度,这部分在安装包时有用,比如pip使用-i参数。 用户可能遇到的另一个问题是激活环境Python版本仍然不对,这时候需要检查是否正确激活了环境。引用[4]中的conda info --envs可以列出所有环境,确认是否创建成功。同时,激活命令应该是conda activate xxx,但需要注意在Windows和Linux/macOS中的区别,比如Windows可能需要先执行activate进入基础环境。 还有可能出现的问题是指定的Python版本conda仓库中不存在,这时候需要用户先搜索可用的版本。如果确实没有,可能需要添加其他渠道,比如conda-forge,或者使用其他方法安装。 总结步骤应该是:1. 查找可用版本;2. 创建时指定版本号;3. 激活并验证;4. 处理常见问题,如镜像源、环境激活等。同时,提醒用户安装后使用python --version检查版本是否正确,并给出示例命令,帮助用户理解。 最后,相关问题部分可以涉及性能优化、环境管理、多版本共存等,这样用户如果有进一步的问题,可以参考这些扩展问题。</think>### 分步解决方案 为确保Anaconda创建虚拟环境与指定Python版本一致,需通过以下步骤操作: #### 1. **明确指定Python版本** 在创建虚拟环境时,必须显式声明目标Python版本。若未添加版本参数,虚拟环境将默认继承Anaconda基础环境Python版本[^1]。 **正确命令格式**: ```bash conda create -n <环境名称> python=<版本号> ``` 示例: ```bash conda create -n py38 python=3.8 # 创建Python 3.8的虚拟环境 ``` #### 2. **验证可用的Python版本** 若不确定目标版本是否存在,可通过以下命令查看所有可用版本: ```bash conda search python ``` 此命令会列出Conda仓库中支持的Python版本,选择所需版本填入上述命令[^4]。 #### 3. **激活并验证环境** 创建完成后,激活环境并检查Python版本是否匹配: ```bash conda activate <环境名称> python --version # 输出应为指定版本,如Python 3.8.x ``` 若版本不符,可能是未正确激活环境创建时未指定版本。 #### 4. **处理常见问题** - **下载速度慢**:添加清华镜像源加速下载: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` - **安装额外依赖包**:在创建命令末尾添加`anaconda`参数,自动安装基础科学计算包(但会显著增加安装时间)[^5]。 ```bash conda create -n py38 python=3.8 anaconda ``` --- ### 关键注意事项 1. **避免路径冲突**:若需将虚拟环境安装到指定路径(而非默认路径),可使用`--prefix`参数: ```bash conda create --prefix=/path/to/envs/py38 python=3.8 ``` 激活时需使用完整路径: ```bash conda activate /path/to/envs/py38 ``` [^2] 2. **多版本兼容性**:若需为特定框架(如TensorFlow 1.x)匹配Python版本,需参考框架的版本兼容表。例如: ```bash conda create -n tf1 python=3.6 # TensorFlow 1.15支持Python 3.6-3.7 conda activate tf1 pip install tensorflow==1.15.0 ``` [^5] --- ### 验证结果示例 ```bash # 创建环境 conda create -n test_env python=3.9 -y # 激活环境 conda activate test_env # 检查Python版本 python --version # 应显示Python 3.9.x ``` ---
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