Anaconda国内镜像配置与conda常用命令

引言

本文是《Python工具:Anaconda介绍与下载安装》的续篇。如果你还没有完成 Anaconda 的下载与安装,建议先阅读上一篇文章,把基础环境准备好。

安装完成后,conda 默认会从海外软件源下载依赖包,国内访问时经常出现速度慢、连接超时甚至安装失败的问题。为了让后续的包安装和更新更加顺畅,我们需要先为 conda 配置国内镜像源。下面将以清华大学 Anaconda 镜像源为例,介绍具体配置方法。

一、配置conda国内镜像源

conda 默认软件源服务器部署在海外,国内网络访问速度慢,经常会出现下载超时、安装失败的问题。为了解决下载慢的问题,需要手动配置国内镜像源,这里使用清华大学 Anaconda 镜像源。

1. 生成配置文件

打开 Anaconda Prompt,执行下面命令:

bash 复制代码
conda config --set show_channel_urls yes

执行完成后,会在用户目录下生成 .condarc 配置文件。

Windows 路径:C:\Users\你的用户名\.condarc,这是隐藏文件,需要开启文件管理器「显示隐藏项目」才能看见。

2. 编辑镜像配置文件

  1. 找到 .condarc 文件,右键选择记事本打开;
  2. 将文件原有全部内容删除;
  3. 将下面清华镜像配置完整粘贴进去,保存并关闭文件。
yaml 复制代码
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

保存之后,conda 下载包就会走清华镜像,下载速度大幅提升。

小提示:如果后续想恢复官方默认源,可以执行:conda config --remove-key channels

二、conda常用命令

conda 主要分为虚拟环境管理软件包管理两大块,全部命令在 Anaconda Prompt 终端执行。

1. 虚拟环境管理

虚拟环境核心作用:环境隔离。不同项目可以使用不同的 Python 版本、不同的库版本,各个项目之间互不干扰,避免版本冲突。

功能 命令 示例
创建虚拟环境 conda create -n <环境名> python=<版本号> conda create -n env1 python=3.12
激活虚拟环境 conda activate <环境名> conda activate env1
退出当前环境 conda deactivate conda deactivate
查看全部环境 conda env list / conda info --env conda env list
删除整个虚拟环境 conda remove -n <环境名> --all conda remove -n env1 --all
查看 conda 整体信息 conda info conda info

注意:

  1. 刚打开 Anaconda Prompt 默认处于 (base) 基础环境,不要直接在 base 环境做项目开发,建议新建独立虚拟环境。
  2. PyCharm 指定 Anaconda 解释器时,可以直接选择已经建好的 conda 环境,也可以在 PyCharm 内部自动新建 conda 虚拟环境。

2. 软件包管理

已经激活的虚拟环境中执行包管理命令,库只会安装到当前环境,不会影响其他环境。

功能 命令 示例
安装软件包 conda install <包名> conda install numpy
安装指定版本包 conda install <包名>=<版本号> conda install numpy=1.26.4
更新软件包 conda update <包名> conda update pandas
卸载软件包 conda remove <包名> conda remove matplotlib

补充常用命令:

bash 复制代码
# 查看当前环境已经安装的所有包
conda list

# 搜索某个包
conda search numpy

小知识点:conda 仓库包数量有限,如果 conda 找不到目标库,可以在激活环境之后,继续使用 pip 命令安装。pip 安装的包同样归属于当前 conda 虚拟环境。

相关推荐
王志来137944730081 小时前
从分散到集成:工控服务器机箱采购如何实现“一站式”破局
运维·服务器·人工智能·python
三十岁老牛再出发1 小时前
08.18每日总结
c++·python·numpy·pandas
Zane19941 小时前
daemon 线程说没就没?一文讲透 threading 的适用场景与线程安全
后端·python
up up day2 小时前
Python enchant 模块使用教程
python
zoujiahui_20182 小时前
Python 包与环境管理工具 uv
开发语言·python·uv
khs185718375272 小时前
AI液冷技术应用:超纯水保障算力芯片运行
人工智能·经验分享
程序猿阿森2 小时前
Python 闭包与装饰器:从入门到精通
开发语言·python·面试
老大白菜2 小时前
Qwen3.8-27B 本地推理 + DeepSeek Harness 配置
python·qwen·deepseek·harness
Code额3 小时前
Python 连接 DeepSeek API,OpenAI 对话方式总结
后端·python·ai·ai编程