虚拟环境、anaconda环境指令

发布时间 : 2026-04-21 01:00

一、虚拟环境启动指令
二、Anaconda环境管理
三、虚拟环境 vs Anaconda 对比
四、最佳实践

一、虚拟环境启动指令

目录架构如下：

google_mail/
├─ homework/   # 作业保存目录
├─ venv/       # Python虚拟环境（标准venv结构）
└─ main.py     # 作业采集脚本

启动虚拟环境：

source venv/bin/activate

关闭虚拟环境：

deactivate

二、Anaconda环境管理

1、Anaconda安装与初始化

下载Anaconda：

# Linux/Mac
wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
bash Anaconda3-2024.02-1-Linux-x86_64.sh

# 或使用Miniconda（轻量版）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

初始化Conda：

# 初始化bash
conda init bash

# 重新加载配置
source ~/.bashrc

# 验证安装
conda --version

配置国内镜像源（清华镜像）：

# 添加清华镜像
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/cloud/conda-forge

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

# 验证配置
conda config --show channels

2、环境管理命令

1、创建环境

创建新环境：

# 指定Python版本创建环境
conda create -n env_name python=3.10

# 创建环境并安装指定包
conda create -n env_name python=3.10 numpy pandas matplotlib

# 克隆现有环境
conda create --clone old_env_name --name new_env_name

# 指定环境路径创建
conda create -p /path/to/env_name python=3.10

参数说明：

-n 或 --name：指定环境名称
-p 或 --prefix：指定环境路径
python=3.10：指定Python版本
numpy pandas：安装指定包

2、激活/关闭环境

激活环境：

# 激活环境（Linux/Mac）
conda activate env_name

# 激活环境（Windows）
conda activate env_name

# 激活指定路径的环境
conda activate /path/to/env_name

关闭环境：

# 关闭当前环境
conda deactivate

# 关闭所有环境（返回base）
conda deactivate
conda deactivate

查看环境：

# 列出所有环境
conda env list

# 或
conda info --envs

# 查看当前环境
conda info

# 查看环境详细信息
conda list -n env_name

3、删除环境

删除环境：

# 删除指定环境
conda remove -n env_name --all

# 删除指定路径的环境
conda remove -p /path/to/env_name --all

导出/导入环境：

# 导出环境配置
conda env export -n env_name > environment.yml

# 从配置文件创建环境
conda env create -f environment.yml

# 更新环境配置
conda env update -f environment.yml

3、包管理命令

1、安装包

从默认源安装：

# 在当前环境安装
conda install numpy

# 在指定环境安装
conda install -n env_name numpy

# 安装指定版本
conda install numpy=1.24.3

# 同时安装多个包
conda install numpy pandas matplotlib

# 从conda-forge安装
conda install -c conda-forge package_name

从本地文件安装：

# 安装本地whl文件
conda install ./package.whl

# 从本地目录安装
conda install --use-local package_name

安装时跳过确认：

# 自动确认（-y）
conda install -y numpy

2、更新包

更新单个包：

# 更新到最新版本
conda update numpy

# 更新到指定版本
conda update numpy=1.24.3

# 在指定环境更新
conda update -n env_name numpy

更新所有包：

# 更新当前环境所有包
conda update --all

# 更新指定环境所有包
conda update -n env_name --all

# 更新conda本身
conda update conda

3、卸载包

卸载包：

# 卸载包
conda remove numpy

# 卸载多个包
conda remove numpy pandas

# 在指定环境卸载
conda remove -n env_name numpy

# 卸载包及其依赖
conda remove --force numpy

清理缓存：

# 清理未使用的包
conda clean --packages

# 清理tarball缓存
conda clean --tarballs

# 清理所有缓存
conda clean --all

# 清理索引缓存
conda clean --index-cache

4、查看已安装包

查看包信息：

# 列出当前环境所有包
conda list

# 列出指定环境所有包
conda list -n env_name

# 查看特定包信息
conda list numpy

# 搜索包
conda search numpy

# 查看包详情
conda info numpy

# 查看包版本历史
conda search numpy --info

检查更新：

# 检查可更新的包
conda update --dry-run --all

# 查看包的可用版本
conda search numpy --info

4、常用配置

显示配置信息：

# 查看所有配置
conda config --show

# 查看特定配置
conda config --show channels

# 查看conda信息
conda info

修改配置：

# 添加通道
conda config --add channels channel_name

# 删除通道
conda config --remove channels channel_name

# 设置默认安装询问
conda config --set always_yes no

# 设置自动更新
conda config --set auto_update_conda false

# 恢复默认配置
conda config --remove-key channels

显示环境变量：

# 显示所有环境变量
conda config --show env_vars

# 设置环境变量
conda config --append env_vars KEY=VALUE

三、虚拟环境 vs Anaconda 对比

特性	venv（标准虚拟环境）	Anaconda/Miniconda
大小	轻量（仅包含Python和pip）	重量（包含大量科学计算包）
适用场景	简单Python项目	数据科学、机器学习项目
包管理	pip	conda（支持pip）
跨语言支持	仅Python	Python、R、Lua等
环境隔离	✅	✅
预装包	无	大量科学计算包
推荐使用	日常开发	数据分析、深度学习

四、最佳实践

1、环境命名规范

# 项目名 + Python版本
conda create -n myproject_py310 python=3.10

# 项目名 + 用途
conda create -n myproject_ml python=3.10
conda create -n myproject_web python=3.9

2、依赖管理

# 始终导出环境配置
conda env export > environment.yml

# 在项目根目录保存environment.yml
# 方便团队协作和环境复现

3、定期清理

# 每月清理一次缓存
conda clean --all

# 删除不使用的环境
conda env remove -n unused_env --all

4、版本锁定

# 生产环境使用固定版本
conda install numpy=1.24.3 pandas=2.0.2

# 开发环境可以使用最新版
conda install numpy pandas

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 kipleyarch@gmail.com