Anaconda常用命令及环境管理指南

文章目录

• 前言
• 一、环境管理（核心功能）
• • 1、创建新环境：
  • 2、激活环境：
  • 3、停用环境：
  • 4、列出所有环境：
  • 5、删除环境：
  • 6、克隆环境： (创建一个环境的精确副本)：
  • 7、导出环境配置： (保存当前环境中所有包的列表及其版本到 YAML 文件)：
  • 8、从 YAML 文件创建环境：
• 二、包管理
• • 1、在当前激活的环境中安装包：
  • 2、从特定频道安装包： (如 conda-forge 通常有更新更全的包)：
  • 3、更新包：
  • 4、更新环境中的所有包：
  • 5、卸载包：
  • 6、列出当前环境中已安装的包：
  • 7、搜索可用的包版本：
• 三、实用命令和信息
• • 1、检查 conda 版本：
  • 2、更新 conda 本身：
  • 3、清理缓存（释放磁盘空间）：
  • 4、清理缓存（释放磁盘空间）：
• 四、与 Jupyter Notebook/Lab 集成
• • 1、让环境在 Jupyter 中可用： 首先激活你的环境 myenv，然后安装 ipykernel：
  • 2、将环境添加到 Jupyter 内核列表：
• 重要提示
• 总结

---

前言

Anaconda（更准确地说，是它的包和环境管理工具 conda）是数据科学和 Python 开发中管理项目环境和依赖的核心。以下是最常用和关键的 conda 命令：

---

一、环境管理（核心功能）

1、创建新环境：

conda create --name myenv

--name myenv 或 -n myenv: 指定环境名称为 myenv。

默认会安装 Python 的最新版本（来自你配置的默认频道）。

指定 Python 版本：

conda create --name myenv python=3.9

创建环境并直接安装包：

conda create --name myenv numpy pandas matplotlib scikit-learn

创建环境并指定 Python 版本 + 安装包：

conda create --name myenv python=3.8 numpy=1.21 pandas=1.3

---

2、激活环境：

在较老的 shell 中可能需要 source activate myenv，但 conda activate 是现在推荐的方式。激活后，命令行提示符通常会显示环境名 (myenv)。

Windows:

conda activate myenv

Linux/macOS:

conda activate myenv

---

3、停用环境：

无论什么平台：

conda deactivate

---

4、列出所有环境：

当前激活的环境旁边会有一个星号 *

conda env list
或
conda info --envs

---

5、删除环境：

conda env remove --name myenv
或
conda remove --name myenv --all

---

6、克隆环境： (创建一个环境的精确副本)：

conda create --name mynewenv --clone myoldenv

---

7、导出环境配置： (保存当前环境中所有包的列表及其版本到 YAML 文件)：

这个 environment.yml 文件可以分享给他人或在其他机器上重建相同的环境。

conda create --name mynewenv --clone myoldenv

---

8、从 YAML 文件创建环境：

这会根据 environment.yml 文件中的定义创建一个新环境（环境名在 YAML 文件中定义）。

conda env create --file environment.yml

---

二、包管理

1、在当前激活的环境中安装包：

conda install package_name

安装特定版本：

conda install package_name=1.2.3

一次安装多个包：

conda install numpy pandas scipy

---

2、从特定频道安装包： (如 conda-forge 通常有更新更全的包)：

conda install -c conda-forge package_name

---

3、更新包：

conda update package_name

---

4、更新环境中的所有包：

谨慎使用！ 这可能会更新很多包，有时可能引入不兼容性。最好在项目允许的情况下进行，并考虑在更新前备份环境 (conda env export)。

conda update --all

---

5、卸载包：

谨慎使用！ 这可能会卸载很多包，有时可能引入不兼容性。最好在项目允许的情况下进行，并考虑在更新前备份环境 (conda env export)。

conda remove package_name

---

6、列出当前环境中已安装的包：

conda list

---

7、搜索可用的包版本：

conda search package_name

---

三、实用命令和信息

1、检查 conda 版本：

conda --version
或
conda -V

---

2、更新 conda 本身：

conda update conda

---

3、清理缓存（释放磁盘空间）：

这会删除未使用的包和缓存。

conda clean --all

---

4、清理缓存（释放磁盘空间）：

conda --help
conda command --help  # 例如： conda install --help

---

四、与 Jupyter Notebook/Lab 集成

1、让环境在 Jupyter 中可用： 首先激活你的环境 myenv，然后安装 ipykernel：

conda activate myenv
conda install ipykernel

---

2、将环境添加到 Jupyter 内核列表：

之后在 Jupyter 中新建 Notebook 时，就可以选择 "My Project Env" 内核了。

python -m ipykernel install --user --name myenv --display-name "My Project Env"

---

重要提示

conda vs pip： 在 conda 环境中，优先使用 conda install 来安装包，因为 conda 能更好地处理复杂的依赖关系（尤其是涉及非 Python 库时）。如果某个包在 conda 频道中不可用（或者你需要一个非常新的版本），可以在激活的 conda 环境中使用 pip install。但要尽量避免在同一个环境中混合使用 conda install 和 pip install 安装同一个包，可能会导致冲突。如果必须用 pip，最好在 conda install 完成后再用 pip。

---

频道 (-c)： conda-forge 是一个非常流行且包更新及时的社区频道。有时默认的 defaults 频道没有你需要的包或版本，尝试 conda install -c conda-forge package_name。

---

环境隔离： 养成为每个项目创建独立环境的习惯！这是 conda 最重要的价值之一，它能避免不同项目间的包版本冲突。

---

总结

掌握这些命令，你就能高效地使用 Anaconda 管理你的 Python 项目和依赖了！记得多使用 conda command --help 查看具体选项。

---