使用 Conda + Pip 创建 Python 开发环境的完整教程
本教程按照图片中的四个步骤,详细介绍如何使用 Conda 和 Pip 来创建 Python 虚拟环境并运行 Demo 程序。
一、下载安装 Conda 软件
Conda 是一个强大的环境管理工具,可以方便地创建和管理 Python 虚拟环境。
1. 下载 Conda
Conda 有两个主要的发行版:
- Anaconda:包含 Python、常用科学计算库(如 NumPy、Pandas)和 Jupyter Notebook,适合数据科学。
- Miniconda:精简版的 Conda,只包含基本的 Conda 组件,适合轻量级开发。
一般推荐 Miniconda,因为它更轻量,安装速度更快。
2. 安装 Conda
-
Windows 用户
-
下载
.exe
安装包并运行。 -
选择 "Just Me(仅当前用户)" 或 "All Users(所有用户)"。
-
添加 Conda 到环境变量(安装时勾选选项)。
-
完成安装后,在 Anaconda Prompt 或 PowerShell 中运行:
csssh 复制编辑 conda --version
确保 Conda 安装成功。
-
-
Mac/Linux 用户
-
下载
.sh
安装包。 -
运行:
bashsh 复制编辑 bash Miniconda3-latest-Linux-x86_64.sh # Linux bash Miniconda3-latest-MacOSX-x86_64.sh # macOS
-
按照提示完成安装。
-
关闭终端重新打开,运行:
csssh 复制编辑 conda --version
确保 Conda 安装成功。
-
二、创建 Python 虚拟环境
使用 Conda 可以创建独立的 Python 运行环境,避免不同项目之间的依赖冲突。
1. 创建一个新环境
运行以下命令(将 myenv
替换为你的环境名称):
ini
sh
复制编辑
conda create -n myenv python=3.10
python=3.10
指定 Python 版本,可根据需要修改。
2. 激活环境
sh
复制编辑
conda activate myenv
如果安装后提示 conda command not found
,尝试:
bash
sh
复制编辑
source ~/miniconda3/bin/activate myenv # macOS/Linux
3. 查看已有环境
bash
sh
复制编辑
conda env list
或者
css
sh
复制编辑
conda info --envs
4. 退出环境
sh
复制编辑
conda deactivate
三、使用 Conda/Pip 安装第三方包
Python 依赖的库可以通过 conda
或 pip
安装。
1. 使用 Conda 安装库
推荐使用 Conda 安装大多数科学计算库,因为它们包含预编译的二进制文件,安装速度更快。例如:
sh
复制编辑
conda install numpy pandas matplotlib
2. 使用 Pip 安装库
如果某些库不在 Conda 仓库中,可以使用 pip
:
sh
复制编辑
pip install requests beautifulsoup4
3. 确保 Conda 和 Pip 一起使用
先更新 Conda:
sql
sh
复制编辑
conda update conda
然后安装 pip
(如果未安装):
sh
复制编辑
conda install pip
最后,用 pip
安装额外的包:
go
sh
复制编辑
pip install some-package
4. 查看已安装的库
bash
sh
复制编辑
conda list # 显示 Conda 安装的库
pip list # 显示 Pip 安装的库
四、运行 Demo 程序
完成环境和库安装后,可以运行一个简单的 Python 脚本来测试环境。
1. 创建 demo.py
在你的项目目录下创建 demo.py
:
python
python
复制编辑
import numpy as np
# 创建一个随机数组
data = np.random.rand(5, 5)
# 打印数据
print("随机数组:")
print(data)
2. 运行脚本
确保已经激活环境:
sh
复制编辑
conda activate myenv
然后运行:
sh
复制编辑
python demo.py
如果输出了 5×5 的随机数组,说明环境配置成功!
补充:删除环境
如果不再需要某个环境,可以删除:
lua
sh
复制编辑
conda remove -n myenv --all
总结
✅ 完整流程
- 安装 Conda(推荐 Miniconda)。
- 创建虚拟环境,并激活它。
- 安装所需 Python 包 ,优先使用
conda install
,必要时使用pip install
。 - 运行 Python 脚本,测试环境是否配置正确。