一、Conda 简介

Conda 是一个开源的包、依赖项和环境管理系统，可在 Windows、macOS 和 Linux 上运行。它最初是为 Python 程序创建的，但可以打包和分发任何语言的软件。Conda 有 Anaconda 和 Miniconda 两种发行版，Anaconda 包含大量常用的数据科学包，Miniconda 则仅包含 Conda 及其依赖项。

二、安装 Conda

1. 下载安装包：访问 Anaconda 官方下载页面 或 Miniconda 官方下载页面，选择适合操作系统的版本进行下载。
2. 运行安装程序：下载完成后，运行安装程序，按照提示完成安装。在 Windows 安装过程中，注意勾选“Add Anaconda to my PATH environment variable”，以便在命令行中直接使用 Conda 命令。

三、基本概念

1. 环境（Environment）：独立的 Python 环境，包含特定版本的 Python 以及一系列安装的包，可避免不同项目间的依赖冲突。
2. 包（Package）：包含 Python 模块、二进制可执行文件和其他资源的文件集合，Conda 可管理其安装、更新和卸载。

四、常用操作

（一）环境管理

1. 创建新环境
   • 基本命令：conda create --name <环境名称> [Python 版本] [要安装的包]
   • 示例：
     • conda create --name myenv：创建名为 myenv 的环境，默认安装当前 Conda 版本对应的 Python 版本。
     • conda create --name myenv python=3.9：创建名为 myenv 的环境，指定 Python 版本为 3.9。
     • conda create --name myenv python=3.9 numpy pandas：创建名为 myenv 的环境，指定 Python 版本为 3.9，并同时安装 numpy 和 pandas 包。
     • 指定环境位置创建：conda create --prefix /path/to/your/environment python=3.9 numpy
2. 激活环境
   • Windows：conda activate <环境名称> 或 conda activate /path/to/your/environment（指定路径的环境）
   • macOS/Linux（Conda 4.6 及以后）：conda activate <环境名称> 或 conda activate /path/to/your/environment
   • macOS/Linux（早期版本）：source activate <环境名称> 或 source activate /path/to/your/environment
3. 查看所有环境：conda info --envs 或 conda env list
4. 删除环境
   • 按名称删除：conda remove --name <环境名称> --all
   • 按路径删除：conda remove --prefix /path/to/your/environment --all
5. 在多个环境间切换
   • 先查看现有环境：conda info --envs
   • 激活指定环境：使用上述激活命令
   • 退出当前环境：conda deactivate

（二）包管理

1. 安装包
   • 安装单个包：conda install <包名>
   • 安装多个包：conda install <包名1> <包名2> ...
   • 在指定环境安装包：conda install -n <环境名称> <包名>
2. 更新包
   • 更新单个包：conda update <包名>
   • 更新多个包：conda update <包名1> <包名2> ...
   • 更新环境中所有包：conda update --all
   • 更新指定环境中的包：conda update -n <环境名称> <包名>
3. 卸载包：conda remove <包名>
4. 查看已安装的包：conda list

（三）导出和导入环境

1. 导出环境：conda env export > environment.yml，将当前激活环境的信息导出到 environment.yml 文件。
2. 导入环境：conda env create -f environment.yml，根据 environment.yml 文件创建新环境。

五、加速 Conda 使用

1. 更换 Conda 镜像源
   • 清华大学镜像源
     • 临时使用：conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ <包名>
     • 永久使用：

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 --set show_channel_urls yes

- **阿里云镜像源**

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --set show_channel_urls yes

- **查看和删除镜像源**- 查看：`conda config --show channels`- 删除：`conda config --remove channels <镜像源地址>`

2. 使用代理
   • HTTP/HTTPS 代理：

conda config --set proxy_servers.http http://proxy.example.com:8080
conda config --set proxy_servers.https https://proxy.example.com:8080

- **SOCKS 代理**：

conda config --set proxy_servers.http socks5://proxy.example.com:1080
conda config --set proxy_servers.https socks5://proxy.example.com:1080

3. 使用 mamba 替代 Conda
   • 安装：conda install mamba -n base -c conda - forge
   • 使用：使用方法和 Conda 基本相同，如 mamba create -n myenv python = 3.8 和 mamba install numpy pandas

六、Conda 与 pip 的关联

（一）pip 导出依赖

使用 pip freeze > requirements.txt 导出当前 Python 环境中所有包及其版本信息到 requirements.txt 文件。可结合 grep 筛选指定包信息，如 pip freeze | grep numpy > requirements.txt。

（二）pip 导入依赖

在新环境中使用 pip install -r requirements.txt 安装 requirements.txt 文件中指定的包。可使用 -i 参数指定镜像源加速下载，如 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。

七、Conda 的优势与劣势

（一）优势

1. 环境管理功能强大：具备隔离性，可创建多个独立环境，避免项目依赖冲突；支持环境配置信息导出和导入，保证项目可重复性。
2. 跨平台兼容性：可在 Windows、macOS 和 Linux 等多种操作系统上使用，提供一致的命令行接口。
3. 丰富的包管理：包种类多，涵盖数据科学、机器学习等领域常用包；能智能处理包之间的依赖关系。
4. 易于使用：命令简单直观，易于上手。

（二）劣势

1. 占用磁盘空间大：每个 Conda 环境包含完整的 Python 解释器和安装的包，多个环境会占用大量磁盘空间。
2. 依赖解析速度慢：安装或更新包时，依赖解析过程可能耗时较长。
3. 镜像源问题：镜像源可能存在同步不及时或不稳定的情况，频繁更换可能导致配置问题。
4. 学习曲线相对较陡：初学者掌握高级功能（如自定义镜像源配置、环境克隆和迁移等）和处理复杂依赖冲突需要花费一定时间。