conda使用教程 - 技术栈

作用：Conda是一个开源的包管理和环境管理工具，主要服务于数据科学、机器学习和科学计算领域，但也可用于其他Python项目。

Conda 常用命令详解

一、环境管理

1. 创建环境

复制代码

# 创建名为 env_name 的新环境
conda create --name env_name

# 创建指定 Python 版本的环境
conda create --name env_name python=3.9

# 创建环境时直接安装包
conda create --name env_name python=3.9 numpy pandas

# 从 environment.yml 文件创建环境
conda env create -f environment.yml

2. 激活/停用环境

复制代码

# 激活环境
conda activate env_name

# 停用环境（返回base环境）
conda deactivate

# Windows 用户注意：
# 新版本conda在Windows上使用与Linux/macOS相同的命令
# 旧版本可能需要：activate env_name

3. 查看环境

复制代码

# 查看所有环境（*表示当前激活的环境）
conda env list
# 或
conda info --envs

# 查看当前环境信息
conda info

4. 复制/删除环境

复制代码

# 复制环境
conda create --name new_env --clone old_env

# 删除环境
conda remove --name env_name --all

二、包管理

1. 安装包

复制代码

# 在当前环境中安装包
conda install package_name

# 安装指定版本
conda install numpy=1.21.0

# 一次性安装多个包
conda install pandas matplotlib seaborn

# 在指定环境中安装包
conda install --name env_name package_name

# 从特定渠道安装（如conda-forge）
conda install -c conda-forge package_name

2. 查看包

复制代码

# 查看已安装的包
conda list

# 查看特定环境的包
conda list -n env_name

# 查看某个包的信息
conda search numpy

3. 更新包

复制代码

# 更新特定包
conda update package_name

# 更新所有包
conda update --all

# 更新conda自身
conda update conda

4. 卸载包

复制代码

# 卸载包
conda remove package_name

# 从特定环境卸载
conda remove -n env_name package_name

三、环境配置与分享

1. 导出环境

复制代码

# 导出当前环境到YAML文件
conda env export > environment.yml

# 只导出明确安装的包（推荐用于分享）
conda env export --from-history > environment.yml

2. environment.yml 示例

复制代码

name: my_project_env
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.9
  - numpy=1.21.0
  - pandas=1.3.0
  - pip
  - pip:
    - requests==2.26.0
    - some_pypi_package

3. 从YAML创建环境

复制代码

conda env create -f environment.yml

4. 更新现有环境

复制代码

conda env update -f environment.yml

四、频道管理

1. 添加/查看频道

复制代码

# 添加频道（如conda-forge）
conda config --add channels conda-forge

# 查看当前频道配置
conda config --show channels

# 设置频道优先级
conda config --set channel_priority strict

2. 从特定频道安装

复制代码

conda install -c conda-forge tensorflow

五、常用工作流程示例

示例1：数据科学项目

复制代码

# 1. 创建新项目环境
conda create --name ds_project python=3.10

# 2. 激活环境
conda activate ds_project

# 3. 安装常用数据科学包
conda install numpy pandas matplotlib seaborn jupyter

# 4. 安装scikit-learn
conda install scikit-learn

# 5. 导出环境配置
conda env export > environment.yml

示例2：机器学习项目（PyTorch）

复制代码

# 创建PyTorch环境
conda create --name pytorch_env python=3.9
conda activate pytorch_env

# 安装PyTorch（根据官网命令调整）
conda install pytorch torchvision torchaudio cpuonly -c pytorch
conda install numpy pandas matplotlib

示例3：Web开发项目

复制代码

# 创建Django项目环境
conda create --name django_project python=3.9
conda activate django_project
conda install django psycopg2
pip install django-debug-toolbar

六、实用技巧与故障排除

1. 清理缓存

复制代码

# 清理下载的包缓存
conda clean --all

2. 解决冲突

复制代码

# 查看包冲突
conda install package_name --dry-run

# 使用mamba解决复杂的依赖关系（更快）
conda install mamba -c conda-forge
mamba install package_name

3. 混合使用pip和conda

复制代码

# 最佳实践：先用conda安装，再用pip补充
conda install numpy pandas
pip install some_pypi_only_package

# 注意：避免混用conda和pip安装同一个包

4. 查看帮助

复制代码

# 查看conda命令帮助
conda --help

# 查看子命令帮助
conda install --help
conda create --help

七、常用命令速查表

功能	命令
创建环境	`conda create -n env_name python=3.9`
激活环境	`conda activate env_name`
列出环境	`conda env list`
安装包	`conda install package_name`
列出包	`conda list`
更新包	`conda update package_name`
删除包	`conda remove package_name`
删除环境	`conda env remove -n env_name`
导出环境	`conda env export > env.yml`
导入环境	`conda env create -f env.yml`
克隆环境	`conda create -n new_env --clone old_env`

八、可视化工具（可选）

复制代码

# 安装navigator图形界面
conda install anaconda-navigator

# 启动图形界面
anaconda-navigator

提示

环境命名 ：使用有意义的名称，如ml_tf_project、data_analysis
版本控制 ：将environment.yml加入Git版本控制
定期更新 ：定期运行conda update --all保持包更新
渠道优先级：conda-forge通常有更多更新的包

通过掌握这些命令，你可以高效地管理Python开发环境，确保项目可复现性！