这些天给大家介绍了一些Python的基础知识，但是忘了一件事儿，那就是如何配置和管理Python的虚拟环境？在数据科学和机器学习的世界中，项目环境的管理往往是菜鸟们面临的一大挑战，虚拟环境那是学习Python必须第一解决的事情，钢铁老豆平时使用最多的就是Conda，今天就给大家先介绍这个，后来再介绍其他几个新的。

告别依赖地狱：Conda管理环境让你的项目更轻松！

0.Conda简介

Conda官方文档：
https://conda.io/projects/conda/en/latest/index.html
Anaconda官方网站：https://www.anaconda.com/

Conda是一个开源的包管理器和环境管理器，不仅支持Python，还支持多种其他语言，列如Ruby、Lua、Scala、Java、R、Julia等等。Conda可以简化包的安装和管理，并允许你创建独立的环境以避免依赖冲突。所以Conda也就成为了数据科学、机器学习和任何涉及到复杂软件依赖关系的项目的理想选择之一。小结Conda的几个优点如下：

多环境管理：Conda允许用户为不同的项目创建隔离的环境，每个环境都有其独立的库版本，这样做极大地减少了因版本不兼容导致的问题。
跨平台支持：无论是在Windows、Mac还是Linux，Conda都能提供一致的管理体验。
广泛的包支持：Conda拥有一个庞大的包库Anaconda Repository，用户可以在其中找到几乎所有需要的包。
简化安装和配置：Conda可以管理包之间的依赖关系，自动解决安装过程中可能出现的复杂依赖问题。

1.安装

Conda可以通过安装Anaconda或Miniconda来获得。Anaconda包含了一套预安装的科学计算包，而Miniconda则提供了一个最小化的安装选项，最新主版本是Miniconda3。

钢铁老豆推荐使用清华大学的国内镜像源，拉取速度杠杠的~

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ # 安装方法

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ # Miniconda3安装包

Linux平台

选择下载合适的miniconda3安装包，添加执行权限，执行脚本

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod +x Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh

按提示输入安装配置，退出并重新进入终端，最后查看是否安装成功

# 查看conda版本
conda -V
# 查看使用协助
conda -h
# 查看conda信息
conda info

windows平台

直接双击下载的安装包，按提示安装完后，还需要做一件事情：

Win+X快捷键 > 系统 > 高级系统配置 > 环境变量，往Path追加3个路径

miniconda3condabin
miniconda3Scripts
miniconda3Libraryin

2.配置

这里钢铁老豆也是参考前面提到的清华源安装方式

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

注意事项：最好第一次新建环境前，就正确配置channels及其顺序，尽量使用一样channel安装环境，这样系统依赖才不容易冲突

vi ~/.condarc
---
auto_activate_base: false
ssl_verify: false
verbosity: 0
# channel_priority: strict
channels:
  - defaults
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
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

conda clean -i  # 清除索引缓存

3.管理环境

# 创建环境，同时指定Python解释器的版本
conda create --name xxx python=3.8
# 激活环境
conda activate xxx
# 退出环境
conda deactivate

windows系统，如果在使用终端激活、退出conda虚拟环境有问题，可以尝试改用

# 激活环境
source activate xxx
# 退出环境
source deactivate

4.管理包

# 安装包
conda install xxx

# 列出所有包
conda list
# 列出包含关键字的包
conda list xxx

# 更新包
conda update xxx

# 删除包，不加--force时，同时删除它的依赖，有可能刚好这个依赖也是你需要的，有点系统apt remove的意思，要小心
conda remove numpy
# 删除包，加--force时，只会删除指定模块，但保留它的依赖，这个钢铁老豆常用~
conda remove numpy --force

5.其他高级操作

除了基本操作，Conda还支持环境克隆、环境文件导出等高级功能，这些功能可以协助开发者更好地复制和迁移虚拟环境。鉴于篇幅问题，这个钢铁老豆会单独写一篇专门介绍一下，欢迎关注，随时获取最新的文章推荐。

6.注意事项

Conda很机智，由于它同时支持pip指令的用法，等于说，你可以在conda虚拟环境里，同时使用两套安装和管理方式，不过有时候恰恰由于同时使用pip、conda安装了一样模块的不同版本，而且它们都存在时，你的程序可能就会莫名奇妙的不兼容，这时候不要只使用pip show xxx检查，记得同时使用conda list xxx也检查，最保险的方式就是把冲突的模块边卸载边检查，直到所有版本都删除后，只选择conda或pip重新安装。

欢迎点赞+收藏+评论+关注，每天学习一点Python小知识，无论基础、模块、数据分析、深度学习和Ai，总有你感兴趣的。我是钢铁老豆，一个30岁转行IT、自学成为算法工程师、想用Ai点亮孩子小小世界的Pythoner。

文章版权归作者所有，未经允许请勿转载。如内容涉嫌侵权，请在本页底部进入<联系我们>进行举报投诉!

THE END