（5）aconda之.condarc文件配置

1. 详解.condarc文件

1.1 win环境下必须解锁.condarc权限

务必勾选anaconda3安装文件的整个完全控制和修改权限，要不然后面的修改起不到作用

1.2 文件.conda1.3rc位置

默认安装aconda软件所在位置，我的安装在D盘所以文件位置

1.3 文件配置内容

XML 复制代码

channels:
  - defaults
show_channel_urls: true
channel_alias: https://anaconda.mirrors.sjtug.sjtu.edu.cn/
default_channels:
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/main
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/free
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/mro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/msys2
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/pro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/r
custom_channels:
  conda-forge: https://anaconda.mirrors.sjtug.sjtu.edu.cn/conda-forge
  soumith: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/soumith
  bioconda: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/bioconda
  menpo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/menpo
  viscid-hub: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/viscid-hub
  atztogo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/atztogo
envs_dirs:
  - D:\Anaconda3\envs
pkgs_dirs:
  - D:\Anaconda3\pkgs
ssl_verify: false

1.3.1 channels:

channels: 指定了conda搜索包的默认通道列表。在这个配置中，只有一个默认的通道列表项defaults，但实际上通过default_channels和custom_channels进一步细化了。

有url和非url之分：

url：自定义的搜索地址，如前面的https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

非url： Anaconda.org 用户或组织名称，如conda-forge对应着https://conda.anaconda.org中的conda-forge。

bash 复制代码

channels:
  - conda-forge
  - http://Code_LT
  - defaults

则conda搜索pandas包的时候就会按conda-forge->http://Code_LT->defaults的顺序搜索。

如果不修改.condarc文件，conda会默认从这两类channel中搜索需要的包：

默认channel：对应repo.anaconda.com仓，硬编码写死了对应如下三个仓库
bash 复制代码
https://repo.anaconda.com/pkgs/main
https://repo.anaconda.com/pkgs/r
https://repo.anaconda.com/pkgs/msys2

1.3.2 show_channel_urls

设置为true意味着conda在输出信息时会显示通道（即仓库）的URL。这有助于用户理解conda正在从哪里下载包。

1.3.3 default_channels

default_channels: 指定了conda的默认通道列表

1.3.4 Custom Channels

custom_channels: 用户可以根据需要添加自定义的通道。

1.3.5 清除索引缓存

使用下列命令清除索引缓存，并安装常用包测试一下。

bash 复制代码

conda clean -i
conda create -n myenv numpy

1.4 官方文档配置说明

1.4.1 anaconda安装包说明

Anaconda 在默认情况下会安装到 C:\ProgramData\Anaconda3

conda 环境和包会安装在 C:\Users\username\.conda\ 目录下

在这两个目录下都有一个 pkgs 文件夹，但是它们存储的内容是不同的C:\ProgramData\Anaconda3\pkgs 存储的是 Anaconda 自身的安装包

C:\Users\username\.conda\pkgs 存储的是用户创建的 conda 环境以及在这些环境中安装的包

如果你想要查看 Anaconda 自身的安装包，应该去 C:\ProgramData\Anaconda3\pkgs

如果你想要查看用户创建的 conda 环境以及在这些环境中安装的包，应该去C:\Users\username\.conda\pkgs。

当你使用 conda 命令来管理包和环境时，默认情况下会使用 C:\Users\username\.conda\pkgs 目录下的包来安装依赖项。

官网说明

Environments --- conda 25.5.2.dev43 documentationhttps://docs.conda.io/projects/conda/en/latest/user-guide/concepts/environments.html#conda-directory-structure

2. 虚拟环境和包安装位置

2.1 conda包管理的3处目录

"anaconda安装的位置/pkgs "目录

conda install xxx：这种方式安装的库都会放在anaconda安装的位置/pkgs目录下，这样的好处就是，当在某个环境下已经下载好了某个库，再在另一个环境中还需要这个库时，就可以直接从pkgs目录下将该库复制至新环境而不用重复下载。

该目录是用户指定update或install时由 Conda 下载并提取的包，都是解压后的包，可以在 conda 环境中通过link关联。

"anaconda安装的位置\envs\虚拟环境\Lib\site-packages "目录

则是启用虚拟环境后import时导入包的地方。它们来自 "anaconda安装的位置/pkgs"目录。

"anaconda安装的位置/Lib/site-packages "目录

是base环境的路径

2.2 配置虚拟环境和包路径

envs_dirs:

pkgs_dirs:

XML 复制代码

envs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\envs
pkgs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\pkgs

2.3 虚拟环境命令

2.3.1 创建与激活环境

bash 复制代码

# 创建名为 xxxxx 的隔离环境，指定 Python 3.10
conda create -n xxx python=3.10 -y

# 激活 / 退出
conda activate xxxx
conda deactivate

# 查看已存在的全部环境
conda env list


#克隆oldname环境为newname环境
conda create --name newname --clone oldname 





conda list         #查看已经安装的文件包
conda list  -n xxx       #指定查看xxx虚拟环境下安装的package
conda update xxx   #更新xxx文件包
conda uninstall xxx   #卸载xxx文件包

2.3.2 环境导出、备份、删除

bash 复制代码

# 仅导出"显式安装"的包（推荐，可读性高）
conda env export --from-history > env_min.yml

# 导出完整依赖树（含间接依赖）
conda env export > env_full.yml

# 删除不再需要的环境 加上-y 删除过程中不需要人工确认
conda remove -n xxxx --all -y

# 删除xxxx虚拟环境，删除过程中会要求人工确认
conda remove -n xxxx --all

2.3.3 虚拟环境重命名

如果是当前激活状态的虚拟环境，需要退出当前激活环境

bash 复制代码

conda rename -n 旧环境名 -d 新环境名

2.3.4 克隆clone一个虚拟环境

bash 复制代码

conda create --name new_env --clone old_env

3. 镜像源配置

可以通过命令或者直接修改文件方式

3.1 通过命令配置和删除

先查看当前conda配置

bash 复制代码

# 查看当前conda配置
conda config --show channels

命令行结果：

bash 复制代码

(base) C:\Users\yilvq>conda config --show channels
channels:
  - defaults

增加channel镜像源------清华源

清华源anaconda路径：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

参考以上官方文档即可

bash 复制代码

# 增加channel
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

bash 复制代码

conda config --remove channels https://mirror.example.com

3.2 通过修改文件添加（推荐）

直接修改.condarc文件是最方便的。

bash 复制代码

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
ssl_verify: false
envs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\envs
pkgs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\pkgs

2025年7月1日目测清华源失败，更新到了南科大

bash 复制代码

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/main
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/free
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/r
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/pro
  - https://mirrors.sustech.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.sustech.edu.cn/anaconda/cloud
  msys2: https://mirrors.sustech.edu.cn/anaconda/cloud
  bioconda: https://mirrors.sustech.edu.cn/anaconda/cloud
  menpo: https://mirrors.sustech.edu.cn/anaconda/cloud
  pytorch: https://mirrors.sustech.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.sustech.edu.cn/anaconda/cloud
  nvidia: https://mirrors.sustech.edu.cn/anaconda-extra/cloud
ssl_verify: false
envs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\envs
pkgs_dirs:
  - D:\DevToolsSDKRepository\anaconda3\pkgs

3.3 配置镜像源访问出现如下错误

Solving environment: done

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/noarch/repodata.json\>

Elapsed: -

An HTTP error occurred when trying to retrieve this URL.

HTTP errors are often intermittent, and a simple retry will get you on your way.

SSLError(MaxRetryError('HTTPSConnectionPool(host=\'mirrors.tuna.tsinghua.edu.cn\', port=443): Max retries exceeded with url: /anaconda/cloud/conda-forge/noarch/repodata.json (Caused by SSLError(SSLError("bad handshake: Error([(\'SSL routines\', \'ssl3_get_server_certificate\', \'certificate verify failed\')])")))'))

在文件~/.condarc末尾添加一行ssl_verify: false

4. conda安装包位置

4.1 Conda 安装`requirements.txt` 文件

方法 1：直接使用 `pip` 在 Conda 环境中安装

conda创建虚拟环境的时候，如果指定了python版本，pip自动安装，如果没有安装可以通过 conda install pip 命令安装。

bash 复制代码

# 激活你的 Conda 环境。
conda activate your_env_name
# 使用 pip 安装 requirements.txt 里的所有依赖。
pip install -r requirements.txt

方法 2：在创建 Conda 环境时自动安装

你可以在 创建 Conda 环境 时，直接使用 --file 选项：

bash 复制代码

# 但 requirements.txt 是 pip 格式，所以如果里面包含 pip-only 包，Conda 可能无法正确解析。
conda create --name your_env_name --file requirements.txt

如果已经创建了虚拟环境，激活环境后，通过更新方式。更新依赖包

bash 复制代码

conda env update -f environment.yml --prune

方法 3：使用 `conda` 和 `pip` 分开安装

有些包 Conda 自带，可以用 conda 安装，而 pip 只能安装 Conda 没有的包：

bash 复制代码

conda create --name your_env_name python=3.8  # 创建环境
conda activate your_env_name
conda install --yes --file requirements.txt || pip install -r requirements.txt

这样 Conda 先安装能找到的包，再由 pip 处理剩下的包。

方法 4：确保 Conda 中的 pip 版本

有时 Conda 自带的 pip 版本过旧，建议更新：

bash 复制代码

conda install pip
pip install --upgrade pip
pip install -r requirements.txt

这样可以避免由于 pip 版本问题导致的安装失败。

方法 5：在 `environment.yml` 文件中引入 `requirements.txt`

如果你想用 conda env create 直接管理 pip 依赖，可以在 environment.yml 里这样写

bash 复制代码

name: my_env
dependencies:
  - python=3.8
  - pip
  - pip:
    - -r requirements.txt

然后执行：

bash 复制代码

conda env create -f environment.yml

4.2 conda install和pip install的区别

方面	conda install	pip install
包来源	从 Anaconda 仓库（如 defaults 或 conda-forge）下载	从 PyPI（Python Package Index）下载
包类型	不仅包括 Python 包，还包括非 Python 的依赖项（如 C/C++ 库、系统工具）	只处理 Python 包，不能很好地解决 C/C++ 等非 Python 依赖
依赖管理	更加严谨，能自动处理复杂依赖、版本冲突更少	安装速度快但可能会引起依赖冲突
性能与稳定性	更适合数据科学、科学计算等需要依赖原生库的环境	更灵活，适合安装最新或冷门的 Python 库

👉 建议顺序：

优先使用 conda install 安装能找到的包，剩下找不到的再用 pip install。

4.3 conda install和pip install的存储位置的基本区别

4.3.1 安装位置受虚拟环境限制

无论你使用 conda install 还是 pip install，只要你已经激活了某个 conda 虚拟环境，这些包都只会被安装到这个虚拟环境中，不会影响全局 Python 或其他 conda 环境。

可以验证当前环境：

bash 复制代码

conda info --envs

当前激活的环境前会有 *，比如：

4.3.2 差异

	conda install	pip install
安装机制不同	* 先将包下载到`pkgs`目录（作为缓存） * 然后在特定环境的site-packages中创建硬链接(hard link) * 保持中央化的包管理	* 直接安装到环境的site-packages目录 * 完全独立于conda的包管理系统 * 不会使用conda的pkgs缓存
安装包路径不同	# conda安装的numpy ~/anaconda3/envs/myenv/lib/python3.8/site-packages/numpy/ # 硬链接 ~/anaconda3/pkgs/numpy-1.21.2-py38hdbf815f_0/lib/python3.8/site-packages/numpy/ # 原始	# pip安装的requests ~/anaconda3/envs/myenv/lib/python3.8/site-packages/requests/ # 实际文件

这种差异带来的问题

依赖冲突：两个系统互相不知道对方安装了什么

卸载不彻底：用conda安装后用pip卸载可能残留文件

环境混乱：可能导致Python解释器加载错误的包版本

4.3.3 检查包安装来源

bash 复制代码

# 查看conda安装的包
conda list

# 查看pip安装的包
pip list

# 查看某个特定包的安装来源
conda list | grep numpy
pip show numpy

最佳实践建议

避免混合安装同一包：例如不要用conda安装numpy后又用pip安装不同版本

了解安装来源：在安装前先用conda search检查是否可用conda安装

统一卸载：如果用conda安装后用pip卸载，最好再用conda彻底清理

检查冲突：定期使用conda list和pip list比较已安装包

（5）aconda之.condarc文件配置

1. 详解.condarc文件

1.1 win环境下必须解锁.condarc权限

1.2 文件.conda1.3rc位置

1.3 文件配置内容

1.3.1 channels:

1.3.2 show_channel_urls

1.3.3 default_channels

1.3.4 Custom Channels

1.3.5 清除索引缓存

1.4 官方文档配置说明

1.4.1 anaconda安装包说明

1.4.2 目录结构

1.4.3 官方解释.condarc文件

1.4.4 官方channel配置说明

2. 虚拟环境和包安装位置

2.1 conda包管理的3处目录

2.2 配置虚拟环境和包路径

2.3 虚拟环境命令

2.3.1 创建与激活环境

2.3.2 环境导出、备份、删除

2.3.3 虚拟环境重命名

2.3.4 克隆clone一个虚拟环境

3. 镜像源配置

3.1 通过命令配置和删除

3.2 通过修改文件添加（推荐）

3.3 配置镜像源访问出现如下错误

4. conda安装包位置

4.1 Conda 安装requirements.txt 文件

方法 1：直接使用 pip 在 Conda 环境中安装

方法 2：在创建 Conda 环境时自动安装

方法 3：使用 conda 和 pip 分开安装

方法 4：确保 Conda 中的 pip 版本

方法 5：在 environment.yml 文件中引入 requirements.txt

4.2 conda install和pip install的区别

4.3 conda install和pip install的存储位置的基本区别

4.3.1 安装位置受虚拟环境限制

4.3.2 差异

4.3.3 检查包安装来源

4.1 Conda 安装`requirements.txt` 文件

方法 1：直接使用 `pip` 在 Conda 环境中安装

方法 3：使用 `conda` 和 `pip` 分开安装

方法 5：在 `environment.yml` 文件中引入 `requirements.txt`