Conda手册

📘 简介

Conda 是一个开源的包管理和环境管理系统，适用于 Python、R、Ruby、Lua、Scala、Java、JavaScript、C/C++、FORTRAN 等多种语言。

• Anaconda：完整的数据科学平台，包含 Conda 及大量预装包（约3GB）
• Miniconda：轻量级版本，只包含 Conda 和 Python（约400MB）

🔧 环境管理

创建环境

创建一个新的 Python 环境：

conda create -n myenv python=3.9

说明：创建名为 myenv 的环境，指定 Python 版本为 3.9

---

创建环境并安装指定包：

conda create -n myenv python=3.9 numpy pandas

说明：创建环境的同时安装 numpy 和 pandas 包

---

从配置文件创建环境：

conda env create -f environment.yml

说明：根据 environment.yml 文件创建环境

---

激活和退出环境

激活环境：

conda activate myenv

说明：激活名为 myenv 的环境

---

退出当前环境：

conda deactivate

说明：退出当前激活的环境，返回到 base 环境

---

查看环境

列出所有环境：

conda env list

说明：显示所有已创建的环境及其路径

---

或者使用：

conda info --envs

说明：与 conda env list 功能相同

---

查看当前环境信息：

conda info

说明：显示 Conda 的详细配置信息

---

删除环境

删除指定环境：

conda remove -n myenv --all

说明：完全删除名为 myenv 的环境及其所有包

---

或者使用：

conda env remove -n myenv

说明：删除指定环境的另一种方式

---

克隆环境

克隆已有环境：

conda create -n newenv --clone myenv

说明：创建 myenv 的副本，命名为 newenv

---

导出和导入环境

导出环境配置：

conda env export > environment.yml

说明：将当前环境的配置导出到 environment.yml 文件

---

导出跨平台兼容的配置：

conda env export --from-history > environment.yml

说明：只导出手动安装的包，提高跨平台兼容性

---

📦 包管理

安装包

在当前环境安装包：

conda install numpy

说明：在当前激活的环境中安装 numpy 包

---

在指定环境安装包：

conda install -n myenv numpy

说明：在 myenv 环境中安装 numpy 包

---

安装指定版本的包：

conda install numpy=1.20.0

说明：安装特定版本的 numpy

---

从指定频道安装包：

conda install -c conda-forge package_name

说明：从 conda-forge 频道安装包

---

安装多个包：

conda install numpy pandas matplotlib

说明：一次性安装多个包

---

更新包

更新指定包：

conda update numpy

说明：将 numpy 更新到最新版本

---

更新所有包：

conda update --all

说明：更新当前环境中的所有包

---

更新 Conda 自身：

conda update conda

说明：更新 Conda 到最新版本

---

更新 Anaconda：

conda update anaconda

说明：更新整个 Anaconda 发行版

---

卸载包

卸载指定包：

conda remove numpy

说明：从当前环境中卸载 numpy 包

---

从指定环境卸载包：

conda remove -n myenv numpy

说明：从 myenv 环境中卸载 numpy 包

---

查看包

列出当前环境的所有包：

conda list

说明：显示当前环境中已安装的所有包及版本

---

列出指定环境的包：

conda list -n myenv

说明：显示 myenv 环境中的所有包

---

搜索包：

conda search numpy

说明：搜索可用的 numpy 包及其版本

---

查看包的详细信息：

conda info numpy

说明：显示 numpy 包的详细信息

---

⚙️ 配置管理

频道管理

查看当前频道：

conda config --show channels

说明：显示已配置的所有频道

---

添加频道：

conda config --add channels conda-forge

说明：添加 conda-forge 频道

---

移除频道：

conda config --remove channels conda-forge

说明：移除 conda-forge 频道

---

设置频道优先级：

conda config --set channel_priority strict

说明：设置严格的频道优先级策略

---

配置国内镜像源（提速）

配置清华镜像源：

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/pkgs/r
conda config --set show_channel_urls yes

说明：添加清华大学 Anaconda 镜像源，加速下载

---

配置中科大镜像源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

说明：添加中科大 Anaconda 镜像源

---

恢复默认源：

conda config --remove-key channels

说明：删除自定义频道配置，恢复默认设置

---

其他配置

查看所有配置：

conda config --show

说明：显示所有 Conda 配置项

---

设置安装包时自动确认：

conda config --set always_yes true

说明：安装包时不再需要手动确认

---

关闭自动确认：

conda config --set always_yes false

说明：恢复安装时的确认提示

---

🧹 清理和维护

清理未使用的包和缓存：

conda clean --all

说明：清理所有缓存、未使用的包和 tar 包

---

只清理缓存：

conda clean --packages

说明：只清理包缓存

---

只清理 tar 包：

conda clean --tarballs

说明：只清理下载的 tar 包

---

清理索引缓存：

conda clean --index-cache

说明：清理索引缓存文件

---

🔍 信息查询

查看 Conda 版本：

conda --version

说明：显示当前 Conda 的版本号

---

查看 Python 版本：

python --version

说明：显示当前环境中 Python 的版本

---

查看环境中 Python 路径：

which python

说明：显示当前使用的 Python 解释器路径（Linux/Mac）

---

Windows 系统查看 Python 路径：

where python

说明：显示当前使用的 Python 解释器路径（Windows）

---

📝 environment.yml 示例

创建一个标准的环境配置文件：

name: myenv
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.9
  - numpy=1.20.0
  - pandas>=1.3.0
  - matplotlib
  - scikit-learn
  - pip
  - pip:
    - requests
    - beautifulsoup4

说明：

• name：环境名称
• channels：包来源频道
• dependencies：依赖包列表
• pip：通过 pip 安装的包

---

🚀 常用组合命令

快速创建并激活环境

conda create -n myenv python=3.9 -y && conda activate myenv

说明：创建环境后自动激活（-y 表示自动确认）

---

导出并备份环境

conda env export --from-history > environment_$(date +%Y%m%d).yml

说明：导出环境配置并添加日期标记（Linux/Mac）

---

批量更新并清理

conda update --all -y && conda clean --all -y

说明：更新所有包后清理缓存

---

💡 最佳实践

1. 环境隔离

为每个项目创建独立的环境，避免包版本冲突：

conda create -n project1 python=3.9
conda create -n project2 python=3.8

---

2. 使用 environment.yml

通过配置文件管理项目依赖，便于团队协作和环境复现：

# 导出
conda env export --from-history > environment.yml

# 导入
conda env create -f environment.yml

---

3. 定期清理

定期清理缓存和未使用的包，释放磁盘空间：

conda clean --all

---

4. 配置镜像源

使用国内镜像源提高下载速度，特别是在网络环境较差时。

---

5. 使用虚拟环境而非 base

不要在 base 环境中安装项目依赖，保持 base 环境的纯净：

# ❌ 不推荐
conda activate base
conda install pandas

# ✅ 推荐
conda create -n myproject python=3.9
conda activate myproject
conda install pandas

---

🆚 Conda vs Pip

特性	Conda	Pip
包管理	✅	✅
环境管理	✅	❌（需配合venv）
语言支持	多语言	仅 Python
依赖解析	更强	较弱
包来源	Anaconda 仓库	PyPI
二进制包	✅	部分支持

建议：优先使用 Conda 管理环境和安装包，如果 Conda 中没有的包再使用 Pip 安装。

---

🔗 相关资源

• Conda 官方文档
• Anaconda 官网
• Miniconda 下载
• Conda Cheat Sheet

---

⚠️ 常见问题

1. conda 命令找不到

解决方法：将 Conda 添加到系统环境变量 PATH 中。

---

2. 环境激活失败

解决方法：

conda init bash  # Linux/Mac
conda init powershell  # Windows PowerShell

然后重启终端。

---

3. 包冲突

解决方法：创建新环境或使用 conda install --force-reinstall 强制重装。

---

4. 下载速度慢

解决方法：配置国内镜像源（见上文”配置国内镜像源”部分）。

---

📌 总结

Conda 是一个强大的包和环境管理工具，掌握其常用命令可以大大提高开发效率。建议：

1. ✅ 为每个项目创建独立环境
2. ✅ 使用 environment.yml 管理依赖
3. ✅ 定期更新和清理
4. ✅ 配置镜像源提速
5. ✅ 保持 base 环境的纯净

---

💡 提示：本文所有命令代码块都支持一键复制，点击代码块右上角的复制按钮即可快速使用！

📖 推荐阅读：

• Python 虚拟环境最佳实践
• Conda 与 Pip 协同使用指南