Python | Conda常用命令

一、介绍

1、Anaconda工具

Anaconda是一个用于数据科学和机器学习的开源软件包管理器和环境管理器。它包含了许多流行的数据科学工具和库，如Python、Jupyter Notebook、numpy、pandas、scikit-learn等，可以帮助用户轻松地管理和安装这些工具和库。Anaconda还提供了一个名为Conda的包管理工具，可以帮助用户创建和管理不同的环境，以便在不同项目中使用不同的库和工具。Anaconda是数据科学领域中非常流行的工具，被广泛应用于数据分析、机器学习和科学计算等领域。

Anconda 清华镜像：

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=N&O=D

2、Miniaconda工具

Miniconda是Anaconda的精简版，专注于提供最基础的Python环境管理能力，适合追求轻量、灵活和高度定制的用户。它的安装包仅约50到60MB，远小于Anaconda数GB的体积，只包含Conda包管理器和Python解释器，不预装任何第三方库。用户需要根据项目需求手动安装所需的库，从而实现对环境的整洁控制与资源的最小化占用。

Miniconda完全通过命令行进行操作，不提供图形界面，适合磁盘空间有限、使用服务器或Docker容器的场景，且安装无需管理员权限。因此，Miniconda在希望从最小系统开始逐步构建数据科学或开发环境的用户中非常流行。

Miniconda 清华镜像：

Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

3、Conda工具

Conda是一个开源的包管理系统和环境管理系统，用于简化软件包的安装、管理和部署。Conda最初是为了解决Python包的依赖关系问题而开发的，但现在已经扩展到支持其他编程语言和工具。Conda可以帮助用户创建和管理多个独立的环境，每个环境可以包含不同版本的软件包，从而避免不同项目之间的冲突。Conda还可以轻松地安装、更新、删除和搜索软件包，使用户可以方便地管理他们的开发环境。Conda通常与Anaconda一起使用，但也可以作为独立的工具来安装和管理软件包。Conda是数据科学和机器学习领域中非常流行的工具之一。

二、Conda自身管理

1、查看Conda版本

conda --version

2、查看Conda环境配置

conda config --show

3、查看Conda镜像源

# 设置搜索时显示通道地址 conda config --set show_channel_urls yes # 查看镜像 conda config --show channels

4、设置Conda清华镜像源

# 设置清华镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ # 设置bioconda conda config --add channels bioconda conda config --add channels conda-forge # 设置搜索时显示通道地址 conda config --set show_channel_urls yes

5、删除单个Conda镜像源

# 例如删除镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

6、删除全部Conda镜像源

conda config --remove-key channels

也可以手动删除镜像源，管理镜像源的配置文件.condarc通常在用户目录下：

# window 目录 C:\users\username\.condarc

# linux 目录 ~/.condarc

如果不存在，可以在 conda 下执行命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

用记事本打开后可以看到：

show_channel_urls: true offline: false ssl_verify: false channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - defaults

在此处对 channels 进行增删查并保存

channels: - 网址1 - 网址2 - defaults

例如：

channels: - https://pypi.tuna.tsinghua.edu.cn/simple - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults

7、更新Conda

conda update conda

8、更新Anaconda

conda update Anaconda

9、查询Conda命令帮助文档

conda create --help

三、环境管理

注：创建、查看、激活、删除、克隆、重命名等环境操作都在Base环境下进行

1、创建虚拟环境

# 创建一个Python版本为3.8、名字为env_name的虚拟环境的命令如下： conda create -n env_name python=3.8

2、创建虚拟环境并安装一些必要的包

# 不建议，简化每一条命令在绝大多数时候是明智的（一个例外是需要反复执行的脚本） conda create -n env_name numpy matplotlib python=3.8

3、查看虚拟环境

# 三种方式均可 conda env list conda info -e conda info --envs

4、激活虚拟环境

conda activate env_name

5、退出虚拟环境

# 两种方式均可 conda activate conda deactivate

6、删除虚拟环境

# 删除指定虚拟环境及其所有安装的包 conda remove -n env_name --all # 只删除虚拟环境中的某个或者某些包 conda remove -n env_name package_name

7、克隆虚拟环境

conda create --name new_env_name --clone old_env_name

8、重命名虚拟环境

# 首先克隆需要重命名的虚拟环境 conda create --name new_name --clone old_name # 将旧有的虚拟环境彻底删除 conda remove --name old_name --all

注意：删除旧有环境前最好先把新环境在项目中跑一遍，确保新环境在项目中也可以跑通。某些包相关工具可能会因为新的环境路径的改变而无法使用。

9、导出虚拟环境

# 获得环境中的所有配置 conda env export --name myenv > myenv.yml # 重新还原环境 conda env create -f myenv.yml

四、包管理

注：查询、安装、更新、卸载等包操作可以在指定虚拟环境下进行

1、查询当前环境下包的安装情况

conda list

2、查询当前环境是否安装某个包

conda list package_name

3、安装包

# 安装包 conda install package_name # 安装某个特定版本的包，例如安装0.5.3版本的numpy包： conda install numpy=0.5.3 # 安装包并指定channel，例如从conda_forge而不是从缺省通道安装某个包： conda install package_name -c conda_forge

4、更新包

conda update numpy

5、卸载包

# 同时卸载依赖于该包的所有其它包 conda uninstall package_name # 不卸载依赖于该包的所有其它包（不建议） conda uninstall package_name --force

6、查看 Conda 缓存使用情况

conda clean --dry-run --all

7、清理Conda缓存

# 删除没有用的包 --packages conda clean -p # 删除tar打包 --tarballs conda clean -t # 删除所有的安装包及cache(索引缓存、锁定文件、未使用过的包和tar包) conda clean -y -all

五、 Python版本管理

1、查看Python版本

python --version

2、变更Python到指定版本

conda install python=3.5

2、更新Python到最新版本

conda update python

参考链接：

conda镜像配置，.condarc文件详解，channel镜像-CSDN博客

conda 配置 及配置文件_conda config 文件-CSDN博客