Conda配置Python环境

1. 安装 Conda

• 选择发行版：

  • Anaconda：适合需要预装大量科学计算包的用户（体积较大）。

  • Miniconda：轻量版，仅包含 Conda 和 Python（推荐自行安装所需包）。

• 验证安装：

  conda --version    # 查看 Conda 版本

2. 环境管理

创建新环境

conda create --name myenv          # 创建名为 myenv 的默认环境
conda create --name myenv python=3.8  # 指定 Python 版本
conda create --name myenv numpy pandas  # 创建时直接安装包

激活/退出环境

conda activate myenv    # 激活环境（Windows/Linux/macOS 通用）
conda deactivate       # 退出当前环境

列出所有环境

conda env list         # 查看所有已创建的环境

删除环境

conda env remove --name myenv  # 删除指定环境

3. 包管理

安装包

conda install numpy            # 安装最新版 numpy
conda install numpy=1.21.5     # 安装指定版本
conda install -c conda-forge opencv  # 从 conda-forge 频道安装包

卸载包

conda remove numpy      # 卸载当前环境中的包

更新包

conda update numpy      # 更新单个包
conda update --all      # 更新所有包

导出/导入环境配置

conda env export > environment.yml    # 导出当前环境配置
conda env create -f environment.yml   # 根据 YAML 文件创建环境

4. 环境隔离与协作

• 使用 environment.yml：

  name: myenv
  channels:
    - conda-forge
    - defaults
  dependencies:
    - python=3.8
    - numpy=1.21.5
    - pandas
    - pip:
      - tensorflow==2.8.0  # 使用 pip 安装 Conda 不支持的包

• 从文件创建环境：

  conda env create -f environment.yml

5. 常见问题解决

环境激活失败

• Windows：以管理员身份运行终端。

• Linux/macOS：初始化 Conda：

  conda init bash  # 替换为你的 Shell（如 zsh）

包版本冲突

• 优先使用 Conda 安装包（而非 pip），避免依赖冲突。

• 若冲突严重，可创建新环境重新安装。

清理缓存

conda clean --all    # 清理无用的包和缓存

6. 示例：完整工作流

# 创建环境并安装 Python 3.9
conda create --name data_analysis python=3.9
conda activate data_analysis

# 安装常用包
conda install numpy pandas matplotlib jupyter

# 导出环境配置
conda env export > data_analysis.yml

# 退出环境
conda deactivate

总结

• 核心命令：conda create, conda activate, conda install, conda env export。

• 环境隔离：为每个项目创建独立环境，避免依赖冲突。

• 协作：通过 environment.yml 文件共享环境配置。