使用 Conda + Pip 创建 Python 开发环境的完整教程

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

    1. 下载 .exe 安装包并运行。

    2. 选择 "Just Me(仅当前用户)" 或 "All Users(所有用户)"。

    3. 添加 Conda 到环境变量(安装时勾选选项)。

    4. 完成安装后,在 Anaconda PromptPowerShell 中运行:

      css 复制代码
      sh
      复制编辑
      conda --version

      确保 Conda 安装成功。

  • Mac/Linux 用户

    1. 下载 .sh 安装包。

    2. 运行:

      bash 复制代码
      sh
      复制编辑
      bash Miniconda3-latest-Linux-x86_64.sh  # Linux
      bash Miniconda3-latest-MacOSX-x86_64.sh  # macOS
    3. 按照提示完成安装。

    4. 关闭终端重新打开,运行:

      css 复制代码
      sh
      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 复制代码
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

复制代码
sh
复制编辑
conda activate myenv

如果安装后提示 conda command not found,尝试:

bash 复制代码
sh
复制编辑
source ~/miniconda3/bin/activate myenv  # macOS/Linux

3. 查看已有环境

bash 复制代码
sh
复制编辑
conda env list

或者

css 复制代码
sh
复制编辑
conda info --envs

4. 退出环境

复制代码
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 condapip 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:

复制代码
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

复制代码
sh
复制编辑
pip install requests beautifulsoup4

3. 确保 Conda 和 Pip 一起使用

先更新 Conda:

sql 复制代码
sh
复制编辑
conda update conda

然后安装 pip(如果未安装):

复制代码
sh
复制编辑
conda install pip

最后,用 pip 安装额外的包:

go 复制代码
sh
复制编辑
pip install some-package

4. 查看已安装的库

bash 复制代码
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 复制代码
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:

复制代码
sh
复制编辑
conda activate myenv

然后运行:

复制代码
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 复制代码
sh
复制编辑
conda remove -n myenv --all

总结

完整流程

  1. 安装 Conda(推荐 Miniconda)。
  2. 创建虚拟环境,并激活它。
  3. 安装所需 Python 包 ,优先使用 conda install,必要时使用 pip install
  4. 运行 Python 脚本,测试环境是否配置正确。
相关推荐
前端开发江鸟26 分钟前
RAG 回答错了,问题到底出在召回、重排,还是生成?
人工智能
美狐美颜SDK开放平台42 分钟前
直播app开发如何实现主播级美颜效果?美颜sdk开发方案详解
人工智能·音视频·美颜sdk·视频美颜sdk·美颜api
东方小月1 小时前
从零开发一个 Coding Agent(四):使用状态机校验大模型事件流
前端·人工智能·后端
大龄码农有梦想1 小时前
使用大模型服务如何保证数据安全?企业 AI 安全、私有化部署与治理实践
人工智能·私有化部署·数据安全·信创·ai agent·智能体·智能体开发平台
冬奇Lab1 小时前
每日一个开源项目(第170篇):CodeWiki - ACL 2026 论文级代码库自动文档生成,递归多 Agent 架构
人工智能·开源·资讯
lxw18449125141 小时前
Claude-Code企业级培训教程
人工智能
冬奇Lab1 小时前
代码库知识库系列(01):技术全景——为什么代码理解比文档检索难十倍
人工智能
MartinYeung51 小时前
[论文学习]迈向自主医疗人工智能智能体:MIRA系统深度分析
人工智能·学习
土星云SaturnCloud2 小时前
边缘侧大模型部署的新利器——国科环宇GK 300I大模型一体机深度评测与架构解析
服务器·人工智能·ai·边缘计算
_Jimmy_2 小时前
Agent 溯源精度提升方案
人工智能·python·langchain