# Conda常用指令速查表（含环境与包管理） ## 一、Conda基础信息与配置 ### 1.1 基本信息查询 ```bash # 查看conda版本 conda --version conda -V # 查看conda详细信息（包括环境列表、配置等） conda info # 更新conda自身 conda update conda # 查看帮助信息 conda --help conda <命令> --help ``` ### 1.2 配置管理 ```bash # 查看所有配置项 conda config --show # 查看特定配置（如channels） conda config --show channels # 配置国内镜像源（以清华源为例） 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 --set show_channel_urls yes # 设置不自动激活base环境 conda config --set auto_activate_base false # 设置安装时自动确认 conda config --set always_yes true ``` ## 二、环境管理操作 ### 2.1 环境创建 | 操作类型 | 命令示例 | 说明 | |---------|----------|------| | 基础创建 | `conda create --name myenv` | 创建名为myenv的空环境 | | 指定Python版本 | `conda create --name myenv python=3.10` | 创建并指定Python版本 | | 同时安装包 | `conda create --name myenv python=3.10 numpy pandas` | 创建环境并安装多个包 | | 路径创建 | `conda create --prefix /path/to/env python=3.9` | 在指定路径创建环境 | | 克隆环境 | `conda create --name new_env --clone old_env` | 克隆已有环境配置 | | 从文件创建 | `conda env create -f environment.yml` | 根据yml文件创建环境 | ### 2.2 环境激活与退出 ```bash # 激活指定环境 conda activate myenv # 激活路径环境 conda activate /path/to/env # 退出当前环境（返回base） conda deactivate ``` ### 2.3 环境查看与信息 ```bash # 列出所有可用环境 conda env list conda info --envs # 查看当前环境信息 conda info # 查看当前环境安装的所有包 conda list # 查看指定环境的包列表 conda list --name myenv ``` ### 2.4 环境删除 ```bash # 删除指定环境 conda env remove --name myenv # 删除路径环境 conda env remove --prefix /path/to/env # 等效删除命令 conda remove --name myenv --all ``` ### 2.5 环境导出与复现 ```bash # 导出当前环境完整配置 conda env export > environment.yml # 导出仅手动安装的包（推荐跨平台使用） conda env export --from-history > environment.yml # 从yml文件创建环境 conda env create -f environment.yml # 更新现有环境配置 conda env update -f environment.yml --prune ``` ## 三、包管理操作 ### 3.1 包安装 | 安装场景 | 命令示例 | 说明 | |---------|----------|------| | 基础安装 | `conda install numpy` | 在当前环境安装包 | | 指定版本 | `conda install numpy=1.24.0` | 安装特定版本包 | | 多包安装 | `conda install numpy pandas matplotlib` | 同时安装多个包 | | 指定环境 | `conda install --name myenv numpy` | 在指定环境安装包 | | 指定频道 | `conda install -c conda-forge numpy` | 从特定频道安装 | | 本地安装 | `conda install /path/to/package.tar.bz2` | 安装本地包文件 | ### 3.2 包更新 ```bash # 更新指定包 conda update numpy # 更新所有包 conda update --all # 更新指定环境的所有包 conda update --name myenv --all # 更新conda自身 conda update conda ``` ### 3.3 包删除 ```bash # 删除当前环境的包 conda remove numpy # 删除多个包 conda remove numpy pandas # 删除指定环境的包 conda remove --name myenv numpy ``` ### 3.4 包搜索与信息 ```bash # 搜索可用包及版本 conda search numpy # 从所有频道搜索 conda search --override-channels -c conda-forge numpy # 搜索并显示详细信息 conda search numpy --info # 查看指定包详细信息 conda list numpy ``` ## 四、频道（Channel）管理 ```bash # 查看已配置频道 conda config --show channels # 添加频道（最高优先级） conda config --add channels conda-forge # 追加频道（最低优先级） conda config --append channels conda-forge # 删除频道配置 conda config --remove channels conda-forge # 设置频道优先级策略 conda config --set channel_priority strict ``` ## 五、清理与优化 ```bash # 全面清理（推荐定期执行） conda clean --all # 选择性清理 conda clean --tarballs # 清理压缩包缓存 conda clean --packages # 清理未使用的包 conda clean --index-cache # 清理索引缓存 conda clean --logfiles # 清理日志文件 # 预览清理内容（不实际删除） conda clean --all --dry-run ``` ## 六、实用技巧与故障处理 ### 6.1 Conda初始化 ```bash # 初始化conda（使conda activate生效） conda init # 初始化指定shell conda init bash conda init zsh conda init powershell # 撤销初始化 conda init --reverse ``` ### 6.2 pip与conda混用 ```bash # 在conda环境中使用pip conda activate myenv pip install some_package # 查看所有包（包括pip安装的） conda list ``` ### 6.3 常用environment.yml模板 ```yaml name: myenv channels: - conda-forge - defaults dependencies: - python=3.10 - numpy=1.24 - pandas - matplotlib - pip - pip: - some-pip-only-package ``` ### 6.4 常见问题解决方案 **问题1：conda activate不生效** 解决方案：执行`conda init`后重启终端[ref_1] **问题2：安装包速度慢** 解决方案：配置国内镜像源或使用mamba加速 ```bash conda install mamba -n base -c conda-forge mamba install numpy # 用法相同但速度更快 ``` **问题3：环境移植兼容性问题** 解决方案：使用`--from-history`导出环境文件 ```bash conda env export --from-history > environment.yml ``` ## 七、综合应用场景示例 ### 7.1 数据科学项目环境搭建 ```bash # 创建数据科学环境 conda create --name datascience python=3.10 conda activate datascience # 安装核心数据科学包 conda install numpy pandas matplotlib scikit-learn jupyter # 导出环境配置 conda env export --from-history > datascience.yml ``` ### 7.2 机器学习项目环境管理 ```bash # 创建ML环境并安装PyTorch conda create --name pytorch_env python=3.9 conda activate pytorch_env conda install pytorch torchvision torchaudio -c pytorch # 安装额外依赖 conda install scikit-learn pandas numpy pip install tensorboard ``` ### 7.3 团队协作环境复现 ```bash # 接收团队的环境文件 conda env create -f team_environment.yml # 激活并使用环境 conda activate team_env # 更新环境（当团队更新配置时） conda env update -f team_environment.yml --prune ``` 通过上述命令速查表，您可以高效地管理Conda环境和包，确保项目依赖的一致性和可复现性。建议根据实际项目需求选择合适的命令组合，并定期进行环境清理和维护[ref_1]。