Structure Docs

Appearance

Conda 环境管理指南 ​

目录 ​

Conda 简介 ​

Conda 是一个开源的包管理和环境管理工具，支持 Python、R 等多种语言。它能够创建隔离的虚拟环境，并在不同环境中安装不同版本的 Python 和依赖包，避免版本冲突。

Anaconda 与 Miniconda ​

特性AnacondaMiniconda
大小约 3GB+（含大量预装包）约 100MB（仅基础）
内容包含 conda + 数百个科学计算包仅包含 conda + Python + 基础依赖
适用场景数据科学、机器学习入门日常开发，按需安装包

推荐：日常开发使用 Miniconda，更轻量、灵活，需要什么包再安装什么包。

Conda 安装 ​

macOS ​

使用 Homebrew (推荐) ​

bash
# 安装 Homebrew (如果未安装)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 Miniconda
brew install --cask miniconda

# 或安装 Anaconda
brew install --cask anaconda

使用官方安装脚本 ​

bash
# Apple Silicon (M1/M2/M3) 下载 ARM64 版本
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

# Intel Mac 下载 x86_64 版本
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh

Linux ​

使用官方安装脚本 ​

bash
# 下载 Miniconda (x86_64)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 或 aarch64 (ARM 架构)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
bash Miniconda3-latest-Linux-aarch64.sh

安装过程中：

  1. 阅读并接受许可协议（输入 yes）
  2. 选择安装路径（默认 ~/miniconda3，回车确认）
  3. 选择是否初始化 conda（输入 yes）

安装完成后：

bash
# 重新加载 shell 配置
source ~/.bashrc

# 验证安装
conda --version

Windows ​

方式一：官方安装包 (推荐) ​

  1. 访问 Miniconda 下载页面 或 Anaconda 下载页面
  2. 下载 Windows 安装包 .exe
  3. 运行安装程序，建议勾选 "Add Anaconda/Miniconda to my PATH environment variable"
  4. 验证安装
cmd
conda --version

方式二：使用 Chocolatey ​

powershell
# 安装 Chocolatey (管理员权限)
Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))

# 安装 Miniconda
choco install miniconda3

# 或安装 Anaconda
choco install anaconda3

Conda 初始化与配置 ​

初始化 shell ​

bash
# 初始化 conda (bash)
conda init bash

# 初始化 conda (zsh)
conda init zsh

# 初始化 conda (PowerShell)
conda init powershell

# 初始化后重新加载 shell 或重开终端
source ~/.zshrc

配置国内镜像源 ​

国内访问 Anaconda 官方源较慢，建议配置清华镜像源。

方式一：使用命令配置 ​

bash
# 添加清华镜像源
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/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

# 设置搜索时显示 channel 地址
conda config --set show_channel_urls yes

方式二：直接编辑配置文件 ​

编辑 ~/.condarc 文件：

yaml
channels:
  - defaults
  - conda-forge
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
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

常用配置项 ​

bash
# 查看当前配置
conda config --show

# 查看配置来源
conda config --show-sources

# 设置是否每次启动自动激活 base 环境
conda config --set auto_activate_base false

# 恢复默认配置
conda config --remove-key channels

环境管理 ​

创建环境 ​

bash
# 创建指定 Python 版本的环境
conda create -n myenv python=3.11

# 创建环境并同时安装包
conda create -n myenv python=3.11 numpy pandas

# 创建环境并指定 conda-forge 源
conda create -n myenv -c conda-forge python=3.11

# 克隆现有环境
conda create -n myenv_clone --clone myenv

激活与退出环境 ​

bash
# 激活环境
conda activate myenv

# 退出当前环境 (回到 base)
conda deactivate

查看环境 ​

bash
# 列出所有环境
conda env list

# 或
conda info --envs

# 查看当前环境中的包
conda list

# 查看当前环境信息
conda info

克隆环境 ​

bash
# 克隆环境 (适用于快速复制相同依赖的环境)
conda create -n newenv --clone oldenv

删除环境 ​

bash
# 删除环境
conda env remove -n myenv

# 或 (需先退出该环境)
conda remove -n myenv --all

导出与导入环境 ​

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

# 导出环境 (仅显式安装的包，不含依赖)
conda env export --from-history > environment.yml

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

# 更新环境 (根据 yml 文件更新现有环境)
conda env update -f environment.yml

包管理 ​

安装包 ​

bash
# 安装单个包
conda install numpy

# 安装指定版本
conda install numpy=1.26.0

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

# 从指定 channel 安装
conda install -c conda-forge numpy

# 安装到指定环境
conda install -n myenv numpy

卸载与更新包 ​

bash
# 卸载包
conda remove numpy

# 卸载多个包
conda remove numpy pandas

# 更新包
conda update numpy

# 更新所有包
conda update --all

# 更新 conda 自身
conda update conda

搜索包 ​

bash
# 搜索包
conda search numpy

# 搜索指定版本的包
conda search numpy=1.26.0

Conda 与 pip 配合使用 ​

在 conda 环境中，conda 和 pip 可以配合使用，但需注意优先级：

  1. 优先使用 conda 安装：conda 能更好地管理依赖关系和版本冲突
  2. conda 装不了的再用 pip：某些纯 Python 包可能只在 PyPI 上有
bash
# 激活环境
conda activate myenv

# 先使用 conda 安装
conda install numpy pandas

# 再使用 pip 安装 conda 中没有的包
pip install some-package

注意事项：

  • 在 conda 环境中使用 pip 时，确认使用的是当前环境的 pip：which pip
  • 尽量避免在 conda 和 pip 之间来回安装同一个包，可能导致依赖冲突
  • 建议先 conda install 再用 pip install 补装

常用命令速查 ​

bash
# 版本与信息
conda --version                    # conda 版本
conda info                         # 环境信息
conda info --envs                  # 环境列表

# 环境管理
conda create -n <name> python=3.11 # 创建环境
conda activate <name>              # 激活环境
conda deactivate                   # 退出环境
conda env list                     # 列出环境
conda env remove -n <name>         # 删除环境
conda env export > env.yml         # 导出环境
conda env create -f env.yml        # 导入环境

# 包管理
conda list                         # 列出当前环境包
conda install <pkg>                # 安装包
conda remove <pkg>                 # 卸载包
conda update <pkg>                 # 更新包
conda update --all                 # 更新所有包
conda search <pkg>                 # 搜索包

# 配置
conda config --show                # 查看配置
conda config --show-sources        # 查看配置来源
conda config --add channels <url>  # 添加源
conda config --remove-key <key>    # 删除配置