使用Conda管理Python环境

本文的主要内容：介绍在不同的平台下，如何下载、安装Miniconda，并介绍它的基本的配置和使用方法。

Conda是一个强大的开源包管理系统和环境管理系统，能够让你在同一台计算机上安装和管理多个不同版本的Python以及其他编程语言的环境。它在Windows、Linux和macOS上都有较好的支持。

关于Conda和Miniconda的关系：见补充内容。

下载和安装Miniconda

你可以按照以下步骤下载和安装Conda：

1.打开浏览器，前往清华大学的镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

2.根据你的操作系统类型，下载适合的Miniconda安装程序：

Windows系统选择以-Windows-x86_64.exe结尾的文件（这里假设你的系统是64位系统，如果是32位请选择-x86.exe结尾的文件，其他系统同理，不再赘述）。
Linux系统选择以-Linux-x86_64.sh结尾的文件。
MacOS选择以-MacOSX-x86_64.sh结尾的文件（如果你是M1芯片的Mac，那么你需要下载-MacOSX-arm64结尾的文件）。

3.运行下载好的安装程序，按照提示进行安装。

Windows系统直接双击安装包即可进行安装。
Linux和MacOS需要先为文件添加执行权限：chmod +x Miniconda3-py39_23.5.2-0-Linux-x86_64.sh，然后再运行安装脚本：./Miniconda3-py39_23.5.2-0-Linux-x86_64.sh。

安装过程中，你可以选择是否将Conda添加到系统环境变量中（建议添加，方便后续使用）。

基本配置

安装完Conda后，你可以进行一些基本的配置。比如配置国内的Conda源和pip源，来提高下载速度和安装软件包的效率。

这里只介绍如何配置清华大学的镜像源，其他的镜像源可以自行搜索，基本都是一样的。

Conda源的配置

各系统都可以通过修改用户目录下的.condarc文件来使用清华大学的TUNA镜像源。Windows用户无法直接创建名为.condarc的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。

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
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

即可添加Anaconda Python免费仓库。

运行conda clean -i清除索引缓存，保证用的是镜像站提供的索引。

运行conda create -n myenv numpy测试一下吧。

pip源的配置

有部分用户（我感觉应该是绝大多数用户）可能使用pip来管理Python环境中的第三方包，所以这里也介绍一下如何配置清华大学的TUNA镜像源。

临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

注意，simple不能少, 是https而不是http。

设为默认

升级pip到最新的版本 (>=10.0.0) 后进行配置：

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

如果你的pip默认源的网络连接较差，可以临时使用镜像站来升级pip：

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip

配置多个镜像源

如果你想配置多个镜像源平衡负载，可在已经替换index-url的情况下通过以下方式继续增加源站：

pip config set global.extra-index-url "<url1> <url2>..."

请自行替换引号内的内容，源地址之间需要有空格。

基本使用方法

创建环境

使用Conda创建新的Python环境非常简单。在终端或命令提示符中，输入以下命令：

conda create --name myenv python=3.8

上述命令将创建一个名为”myenv”的新环境，并安装Python 3.8版本。你可以根据需要修改环境名称和Python版本。

删除环境

如果你想删除一个不再需要的环境，可以使用以下命令：

conda remove --name myenv --all

上述命令将删除名为”myenv”的环境。

激活环境

在使用Conda管理的多个环境中，你需要激活一个环境，才能在该环境中安装和使用软件包。你可以使用以下命令激活一个环境：

conda activate myenv

上述命令将激活名为”myenv”的环境。激活环境后，你可以在该环境中安装和使用软件包。

退出环境

当你完成了在一个环境中的工作后，你可以使用以下命令退出该环境：

conda deactivate

安装软件包

在激活环境后，你可以使用以下命令安装软件包：

conda install numpy

上述命令将安装名为”numpy”的软件包。你可以根据需要修改软件包的名称。

更新软件包

在激活环境后，你可以使用以下命令更新软件包：

conda update numpy

卸载软件包

在激活环境后，你可以使用以下命令卸载软件包：

conda remove numpy

查看已安装的软件包

在激活环境后，你可以使用以下命令查看已安装的软件包：

conda list

查看环境列表

你可以使用以下命令查看所有的环境：

conda info -e

复制环境

你可以使用以下命令复制一个环境：

conda create --name myclone --clone myenv

上述命令将复制名为”myenv”的环境，并创建一个名为”myclone”的环境。

补充

Conda与Miniconda的关系：

Conda：Conda是一个开源的包管理和环境管理系统，最初是Anaconda发行版的一部分。Anaconda是一个包含大量科学计算和数据分析库的Python发行版，面向数据科学家和工程师。在Anaconda中，Conda被用作主要的包管理工具，用于安装、更新和删除Python包，以及创建、管理和切换不同的Python环境。 Conda除了可以管理Python包之外，还支持多种编程语言和库的包管理，包括R语言、C/C++、Julia等。这使得Conda成为一个全面的包管理工具，可广泛应用于各种数据科学和计算领域。

Miniconda：Miniconda是Conda的一个轻量级版本。它与Anaconda不同的是，Miniconda只包含了最基本的组件：Conda和一些必要的依赖项。它没有预安装大量的科学计算和数据分析库，因此下载和安装速度较快。 Miniconda的设计初衷是让用户根据自己的需求来构建定制的Python环境。通过Miniconda，用户可以灵活选择要安装的Python包和工具，从而避免了因为预装过多库而占用过多磁盘空间的问题。用户可以在需要时手动安装所需的包，使得每个环境都保持干净、精简和高效。

Conda与Miniconda的关系：Conda与Miniconda的关系是，Miniconda是Conda的一个简化版本，它是Conda的基础核心。因此，可以说Miniconda是Conda的子集。在使用Miniconda时，你实际上是在使用Conda，并且可以通过Conda来管理和配置Python环境，安装所需的软件包和工具。

总结起来，Conda是一个全功能的包管理和环境管理系统，而Miniconda是一个更小、更精简的版本，它提供了基本的功能，供用户按需定制自己的Python环境。根据个人或项目的需求，你可以选择使用Conda或Miniconda，它们都能为你提供强大的包管理和环境管理功能。

来源：ChatGPT 生成时间：2023-07-27