Conda 常用命令速查手册：从入门到精通

Conda 是一个开源的跨平台包管理与环境管理工具，广泛应用于 Python 数据科学领域。它最大的优势在于能够创建相互隔离的虚拟环境，完美解决不同项目依赖冲突的问题，同时支持安装 Python 及其他语言的二进制包。

为了方便快速查阅，先奉上核心命令速查表，后文再按场景展开详细用法。

一、核心命令速查表

功能分类	具体功能	命令
环境管理	创建环境	`conda create -n name python=3.10`
环境管理	激活环境	`conda activate name`
环境管理	退出环境	`conda deactivate`
环境管理	列出所有环境	`conda env list`
环境管理	删除环境	`conda remove -n name --all`
环境管理	克隆环境	`conda create -n new_env --clone old_env`
环境管理	从配置文件创建	`conda env create -f environment.yml`
环境管理	导出环境配置	`conda env export > environment.yml`
包管理	安装包	`conda install pkg`
包管理	安装指定版本	`conda install pkg=1.24.0`
包管理	卸载包	`conda remove pkg`
包管理	更新包	`conda update pkg`
包管理	更新所有包	`conda update --all`
包管理	列出已安装包	`conda list`
包管理	搜索可用包	`conda search pkg`
渠道管理	查看当前渠道	`conda config --show channels`
渠道管理	添加渠道	`conda config --add channels conda-forge`
清理优化	清理所有缓存	`conda clean -a`
系统更新	更新 conda 自身	`conda update conda`
系统信息	查看 conda 状态	`conda info`

二、环境管理：创建与切换隔离环境

环境管理是 Conda 的核心能力。每个环境拥有独立的包集合，互不干扰。

1. 创建环境

bash 复制代码

# 创建名为 env_name 的环境，指定 Python 版本
conda create -n env_name python=3.10

# 创建环境时同时安装多个包
conda create -n env_name python=3.9 numpy pandas

# 基于现有环境克隆新环境
conda create -n new_env --clone old_env

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

2. 查看与激活环境

bash 复制代码

# 列出所有环境
conda env list
conda info --envs

# 激活指定环境（Windows）
activate env_name

# 激活指定环境（macOS / Linux）
conda activate env_name

# 退出当前环境
conda deactivate

3. 删除与重命名环境

bash 复制代码

# 删除指定环境及其所有包
conda remove -n env_name --all

# 重命名环境（先克隆再删除旧环境）
conda create -n new_name --clone old_name
conda remove -n old_name --all

4. 导出与分享环境

bash 复制代码

# 导出当前环境配置到 yml 文件
conda env export > environment.yml

# 导出不包含前缀路径的精简配置（推荐跨平台分享）
conda env export --no-builds > environment.yml

三、包管理：安装、更新与卸载

1. 安装包

bash 复制代码

# 在当前环境安装包
conda install numpy

# 安装指定版本
conda install numpy=1.24.0

# 同时安装多个包
conda install numpy pandas matplotlib

# 从指定渠道安装
conda install -c conda-forge pytorch

# 在指定环境中安装（无需激活）
conda install -n env_name numpy

2. 查看与搜索包

bash 复制代码

# 列出当前环境所有已安装的包
conda list

# 查看指定环境的包列表
conda list -n env_name

# 搜索可安装的包
conda search package_name

# 查看某个包的详细信息
conda info package_name

3. 更新与卸载包

bash 复制代码

# 更新指定包
conda update numpy

# 更新当前环境所有包
conda update --all

# 更新 conda 自身
conda update conda

# 卸载包
conda remove numpy

# 卸载指定环境中的包
conda remove -n env_name numpy

四、渠道（Channel）管理

Conda 从不同的渠道下载包，默认渠道为 defaults，常用的第三方渠道有 conda-forge、bioconda 等。

bash 复制代码

# 查看当前配置的渠道
conda config --show channels

# 添加渠道（添加到顶部，优先级最高）
conda config --add channels conda-forge

# 添加渠道到末尾（优先级最低）
conda config --append channels bioconda

# 删除渠道
conda config --remove channels conda-forge

# 设置搜索时显示渠道来源
conda config --set show_channel_urls yes

小提示：国内用户建议配置清华或中科大镜像源，可大幅提升下载速度。

五、清理与优化

长期使用后，Conda 会积累大量缓存包，占用磁盘空间。

bash 复制代码

# 清理未使用的包和缓存
conda clean -p      # 清理未被任何环境引用的包
conda clean -t      # 清理下载的 tar 包缓存
conda clean -a      # 清理所有缓存（最彻底）

# 检查 conda 配置与状态
conda info
conda info --all

六、常用技巧与最佳实践

1. 加速下载：配置国内镜像

编辑 .condarc 文件（Windows 在用户目录，Linux/macOS 在 ~/.condarc），添加清华源：

yaml 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

2. 环境命名建议

按项目命名：conda create -n project_x python=3.10
按用途命名：conda create -n ml_env python=3.9
避免使用 base 环境安装项目依赖，保持 base 环境干净

3. pip 与 conda 混用注意事项

优先使用 conda install 安装包，conda 没有的再用 pip。混用顺序建议：先 conda，后 pip，避免依赖混乱。

写在最后

Conda 的命令体系并不复杂，核心就是「环境管理」和「包管理」两大类。熟练掌握以上命令，足以应对 90% 以上的日常开发场景。

建议新手从创建第一个独立环境开始，逐步体会环境隔离带来的便利。遇到问题时，conda --help 和 conda info 永远是最直接的求助方式。