Conda 常用命令总结（附场景说明）
Conda 是 Anaconda/Miniconda 自带的包管理和环境管理工具，以下是开发中最常用的命令，按环境管理、包管理、配置与其他三大类整理，兼顾基础使用和高频场景。
一、环境管理（核心高频）
环境管理是 Conda 的核心功能，用于隔离不同项目的依赖环境，避免版本冲突。
1. 查看环境
# 查看所有已创建的环境（会显示环境名称和路径）
conda info --envs # 简写：conda env list
2. 创建环境
# 基础：创建指定Python版本的环境（环境名自定义，如env_name）
conda create -n env_name python=3.9 # 推荐指定Python版本，避免默认最新版兼容问题# 进阶：创建环境时直接安装指定包
conda create -n env_name python=3.8 numpy pandas requests
说明：执行后会提示确认，输入y回车即可。
3. 激活/退出环境
# Windows系统激活环境
conda activate env_name# Linux/macOS系统激活环境（若conda未初始化，可先执行：source ~/.bashrc）
source activate env_name# 退出当前环境（回到base环境）
conda deactivate
4. 复制/重命名环境
# 复制环境（把env_name复制为new_env_name）
conda create -n new_env_name --clone env_name# Conda无直接重命名命令，可先复制再删除原环境
5. 删除环境
# 删除指定环境（谨慎操作，删除后无法恢复）
conda remove -n env_name --all
二、包管理（日常使用）
用于在环境中安装、更新、卸载包，区分conda和pip的使用场景（优先用conda装官方包，pip装conda没有的包）。
1. 查看包
# 查看当前环境已安装的所有包
conda list# 查看指定环境已安装的包
conda list -n env_name# 搜索conda仓库中的包（查看是否有对应包及版本）
conda search package_name # 例：conda search numpy
2. 安装包
# 基础：在当前环境安装指定包
conda install package_name # 例：conda install numpy# 安装指定版本的包
conda install package_name=1.24.3 # 例：conda install numpy=1.24.3# 给指定环境安装包
conda install -n env_name package_name# 从指定频道（channel）安装包（如清华镜像、conda-forge）
conda install -c conda-forge package_name # conda-forge是第三方包仓库，包更全
3. 更新包/conda
# 更新当前环境的指定包
conda update package_name# 更新当前环境的所有包（谨慎，可能导致依赖冲突）
conda update --all# 更新conda自身（升级conda版本）
conda update conda
4. 卸载包
# 卸载当前环境的指定包
conda remove package_name# 卸载指定环境的包
conda remove -n env_name package_name
三、配置与其他（优化使用）
1. 配置镜像源（解决国内下载慢）
默认conda源在国外，建议配置清华镜像源（临时/永久均可）：
# 查看当前配置的源
conda config --show-sources# 添加清华镜像源（永久生效）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 显示通道地址（方便排查源的问题）
conda config --set show_channel_urls yes# 重置默认源（若镜像源出问题，恢复官方源）
conda config --remove-key channels
2. 导出/导入环境配置
# 导出当前环境的依赖配置到yaml文件（分享环境/备份）
conda env export > environment.yml# 从yaml文件创建环境（一键还原环境，常用于项目协作）
conda env create -f environment.yml
3. 清理缓存（释放磁盘空间）
# 清理conda下载的包缓存（安装包后缓存不会自动删除，可定期清理）
conda clean -p # 清理未使用的包
conda clean -y --all # 清理所有缓存（包括包、索引等，推荐）
四、常用场景速查
- 新项目初始化：
conda create -n proj_env python=3.9 # 创建环境 conda activate proj_env # 激活环境 conda install numpy pandas # 安装依赖 - 分享项目环境：
conda env export > environment.yml # 导出配置 # 他人使用：conda env create -f environment.yml - 解决包冲突：
先删除冲突包，重新安装指定版本，或新建环境隔离依赖。
注意事项
conda和pip混用：在conda环境中可以用pip安装包，但建议先使用conda，conda没有的包再用pip（如一些小众的Python库）。- 环境命名：建议用项目名+Python版本命名环境（如
proj_demo_py39），便于管理。 - 避免在
base环境中安装过多包：base是默认环境，尽量保留干净，项目依赖用独立环境。