Conda 是一个开源的软件包管理系统和环境管理系统，广泛用于 Python、R 等语言的数据科学和机器学习开发。它能帮你轻松解决"不同项目需要不同版本的库"这一头疼问题。
以下是 Conda 最常用的操作清单，按功能逻辑进行了分类。
一、 环境管理 (Environment)
创建独立的环境是 Conda 的核心用法，可以避免不同库之间的版本冲突。
- 创建新环境 ：
conda create --name myenv python=3.9(创建一个名为 myenv，且 Python 版本为 3.9 的环境) - 查看所有环境 ：
conda env list或conda info --envs - 激活环境 ：
conda activate myenv - 退出当前环境 ：
conda deactivate - 删除环境 ：
conda remove --name myenv --all - 克隆环境 ：
conda create --name new_env --clone old_env
二、 包管理 (Package)
在激活的环境中，你可以安装、卸载或更新所需的工具包。
- 安装包 ：
conda install numpy - 安装指定版本的包 ：
conda install pandas=1.3.0 - 卸载包 ：
conda remove pandas - 更新包 ：
conda update numpy - 查看已安装的包 ：
conda list - 搜索包版本 ：
conda search matplotlib
三、 导入与导出 (Reproducibility)
当你需要把项目分享给同事，或者在服务器上部署时，这些命令至关重要。
| 操作 | 命令 | 说明 |
|---|---|---|
| 导出环境配置 | conda env export > environment.yml |
将当前环境的所有信息存入文件 |
| 从文件创建环境 | conda env create -f environment.yml |
根据配置文件完全还原环境 |
四、 镜像源设置 (Speed Up)
由于默认源在国外，下载速度可能较慢。在国内通常建议添加清华或中科大的镜像源。
- 查看当前镜像源 ：
conda config --show channels - 添加清华源：
bash
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes- 恢复默认源 ：
conda config --remove-key channels
五、 清理与维护
长时间使用后，Conda 会积累大量的缓存和安装包，占用磁盘空间。
- 清理无用的包和缓存 ：
conda clean --all - 检查 Conda 版本 ：
conda --version - 更新 Conda 本身 ：
conda update conda
💡 小贴士：Conda vs Pip
虽然 Conda 环境中可以使用
pip install，但建议优先尝试conda install。只有在 Conda 仓库里找不到某个包时，再使用 Pip。这样可以保证环境依赖的最大稳定性。