Conda 入门
Conda版本差异
Conda：是一个包和环境管理的工具。支持 Windows、macOS 和 Linux。Conda 可以快速的安装、运行和更新包和相关的依赖。Conda 也可以轻易地创建、保存、加载和转换环境。
Anaconda：是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了 conda、conda-build、Python 和众多科学计算的包及其依赖。
Miniconda：是一个 Anaconda 的轻量级替代，默认只包含了 conda，Python 和一些它们所以依赖的包。
Anaconda 和 Miniconda 区别？
Miniconda 是 Anaconda 的精简版本，同样也是一个开源环境，两者都是 conda 系统的一部分。不同之处在于 Anaconda 会预先安装许多常用的 Python 套件，因此占用较多的硬盘空间。相比之下，Miniconda 因为名为 ”Mini”，因此仅安装运行所需的基本套件，对于有多个不同 Python 版本共存的情況，可以节省大量空间。
Miniconda 可以依据自己需求建立自己的 Python 环境，想要的套件自行安装。
为什么要使用 Conda？
一个典型的 Python 项目会使用多个包来完成其功能。其中一些包也可能被其他项目所使用（共享）。 项目之间共享的包可能会引起冲突。 比如，我们有两个项目 P1 和 P2，P1 使用 NumPy 1.2 版本，而 P2 需要 NumPy 1.3 版本，一个环境中存在两个版本就可能导致冲突。 解决这个问题的办法就是使用虚拟环境。我们可以为每个项目分别创建一个独立的虚拟环境，来隔离包冲突。
常用的 Python 虚拟环境管理工具有：
-
Virtualenv
-
Conda
-
pipenv
-
venv
通过使用这些工具，我们可以很容易的创建虚拟环境。
Conda 安装
Miniconda 下载安装
官网下载地址： https://www.anaconda.com/download/success
Anaconda Installers vs Miniconda Installers
下载后依据指引进行 Miniconda 安装。
根子自己需要选择为当前用户还是为所有用户安装。
选择安装目录。
-
在开始菜单中，创建快捷方式。
-
注册 Miniconda3，使它能被 VsCode、PyCharm 等检测到。
-
清除缓存。
到此我们的 conda 已经安装完毕。此时，我们的开始菜单中多了如下几个目录。
使用 Anaconda Powershell Prompt 终端
安装完成后，打开终端 Anaconda Powershell Prompt ，如果有看到命令列提示中的（base），那表示安装成功。
我们可以输入 Python --version 确认 Python 版本。
Conda 命令
基本命令
conda –help # 查看帮助conda info # 查看 conda 信息conda --version # 查看 conda 版本conda update conda # 更新Conda（慎用）conda clean –all # 清理不再需要的包conda <指令> --help # 查看某一个指令的详细帮助conda config --show #查看 conda 的环境配置conda clean -p # 清理没有用，没有安装的包conda clean -t # 清理 tarballconda clean --all # 清理所有包和 conda 的缓存文件环境管理
创建 Conda 环境
使用 conda 可以在电脑上创建很多套相互隔离的 Python 环境，命令如下：
# 语法conda create --name <env_name> python=<version> [package_name1] [package_name2] [...]
# 样例创建一个名为 learn 的环境，python版本为3.10conda create --name learn python=3.10 # name 可以简写为 -n切换 Conda 环境
前面说到 Conda 可以创建多套相互隔离的 Python 环境，使用 conda activate env_name 可以切换不同的环境。
# 语法conda activate env_name
# 样例切换到 learn 环境conda activate learn如果要退出此环境，回到基础环境，可以使用如下命令
# 退出当前环境conda deactivate查看 Conda 环境
当电脑上安装了很多台 Conda 环境的时候，可以使用 conda env list 命令查看所有已创建的 Conda 环境。
# 查看当前电脑上所有的conda环境conda env list删除某个 Conda 环境
# 语法conda remove --name <env_name> --all
# 样例conda remove --name learn --all克隆环境
# 语法conda create --name <new_evn_name> --clone <old_env_name>
# 样例conda create --name myclone --clone myenv包管理
一旦激活了环境，你就可以使用 conda 和 pip 在当前环境下安装你所需要的包。在 conda 环境中，不建议使用 pip。
安装包
在激活的环境中安装包，例如安装 NumPy：
conda install numpy可以使用以下命令安装特定版本的包：
conda install numpy=1.18更新包
更新某个包到最新版本：
conda update numpy
# 更新所有包到最新版本（慎用）conda update all执行命令后，conda 将会对版本进行比较并列出可以升级的版本。同时，也会告知用户其他相关包也会升级到相应版本。当较新的版本可以用于升级时，终端会显示Proceed ([y]/n)? ，此时输入 y 即可进行升级。
卸载包
如果不再需要某个包，可以将其卸载：
conda remove numpy列出环境中的所有包
查看当前环境中已安装的所有包：
conda list查看当前虚拟环境中已安装的某个包的信息
conda list pip搜索包
搜索可用的包及其版本信息：
conda search package-name使用通道
Conda 通道（Channel）是 Conda 用来查找和下载软件包的源。通道就像是软件仓库，用户可以从这些通道中获取需要的软件包。理解和有效管理 Conda 通道，可以帮助用户更好地控制软件包的来源、版本以及稳定性。
主要通道
-
默认通道：这是 Conda 自带的官方通道，由 Anaconda 维护，包含了常用的数据科学和机器学习包。默认通道提供的包经过测试和优化，通常是稳定且值得信赖的。
-
Conda-Forge：Conda-Forge 是一个社区驱动的通道，拥有数量庞大的软件包和活跃的维护者社区。通常情况下，Conda-Forge 提供更多的最新软件包版本，对于一些在默认通道中没有的包来说尤为重要。由于是社区维护，更新速度快，适合需要最新特性和支持的用户。
-
Bioconda：专为生物信息学和生物数据分析设计的通道。包含很多用于生物数据处理和分析的工具。
查看已配置的通道你可以使用以下命令查看当前配置的通道列表：
conda config --show channels添加新的通道如果需要从其他通道安装包，可以将其添加到 Conda 配置中。例如，添加 Conda-Forge：
conda config --add channels conda-forge设置通道顺序通道是按顺序搜索的，优先使用在前面的通道。可以通过以下命令调整顺序：
conda config --set channel_priority strict使用 strict 优先级时，Conda 会严格按照通道顺序来选择包。
删除通道如果不需要某个通道，可以将其移除：
conda config --remove channels channel-name临时使用特定通道你可以在安装包时临时指定通道，而不改变全局配置。例如：
conda install package-name -c conda-forge这样做会从 Conda-Forge 通道安装指定的包。
通道优先级Conda 允许设置通道优先级，以决定从哪个通道下载软件包。默认情况下，Conda 会根据通道列表的顺序依次查找包。你可以通过以下命令启用或禁用通道优先级：
# 启用优先级conda config --set channel_priority true# 禁用优先级conda config --set channel_priority false启用优先级后，Conda 会严格根据通道顺序来选择包，确保从首选通道安装。
创建自定义通道如果你需要在团队中共享包，或者需要托管私有包，可以创建自己的 Conda 通道。自定义通道可以通过简单的 HTTP 服务器（如 NGINX 或 Apache）托管，或者使用Anaconda 的企业解决方案。
设置镜像
为了提高 Conda 包的下载速度，特别是在网络连接到默认的 Conda 服务器速度较慢的情况下，设置国内镜像（或其他更接近你的地理位置的镜像）是一个常见且有效的方法。
以下是如何设置 Conda 镜像的步骤：方法一：通过命令行配置你可以使用 conda config 命令来添加镜像。例如，使用清华大学的 Anaconda 镜像。
-
打开命令提示符或终端。
-
添加镜像 URL：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mainconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/freeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/rconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/proconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forgeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/biocondaconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --set show_channel_urls yes默认情况下，conda config 添加的通道会排在列表的头部，但你可以通过以下命令来确认顺序：
conda config --show channels方法二：通过修改配置文件你也可以直接修改 Conda 的配置文件来设置镜像：
-
找到并编辑 Conda 的配置文件：
~/.condarc（Linux 和 macOS）或C:\Users<用户名>\.condarc（Windows）。TUNA 提供了 Anaconda 仓库与第三方源（conda-forge、msys2、pytorch 等，各系统都可以通过修改用户目录下的.condarc文件来使用 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。 -
添加或修改如下内容：
channels: - defaultsshow_channel_urls: truedefault_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/msys2custom_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/运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
验证和测试在设置完镜像后，你可以通过安装软件包来测试镜像是否工作正常。例如：
conda install numpy查看输出的信息，确保包是从你设置的镜像 URL 下载的。
环境导入与导出
导出环境将当前环境导出为一个 YAML 文件，方便共享：
conda env export > environment.yml从文件创建环境使用 YAML 文件创建一个新环境：
conda env create -f environment.ymlMamba 使用
Mamba 是一个用于管理 Conda 环境和包的开源工具，旨在解决 Conda 在处理大型环境时的速度和性能问题。它与 Conda 兼容，但提供更快的依赖解析和包安装，这使得它在处理复杂环境时更加高效。
Mamba 的关键特点
-
快速的依赖解析：Mamba 使用一个高效的 C++ 库进行依赖解析，这使得在面对复杂的包依赖时能更快地找到解决方案。
-
并行下载：Mamba 可以并行下载和安装包，这大大减少了安装时间，特别是在需要下载大量包的情况下。
-
与 Conda 兼容：Mamba 可以无缝替代 Conda 的命令，你可以在几乎所有 Conda 命令中直接使用 mamba 来替换 conda。
-
更好的用户体验：提供更直观的输出信息和进度条，让用户可以更清晰地了解安装进度和过程。
安装 Mamba要安装 Mamba，你首先需要一个 Conda 环境。以下是在已有 Conda 环境中安装 Mamba 的步骤：如果你希望在特定环境中安装 Mamba，可以先激活该环境：
conda activate myenv你可以通过 Conda-Forge 通道安装 Mamba，因为 Mamba 在该通道上维护得很好：
conda install mamba -n base -c conda-forge这里 -n base 表示将 Mamba 安装在 base 环境中，这样你可以在任何环境中使用Mamba。
使用 Mamba 可以直接替代 Conda 的命令。以下是一些常见的 Conda 命令及其 Mamba 等效用法：
-
创建环境：
mamba create –name myenv python=3.8 -
激活环境：
conda activate myenv（Mamba 不改变环境激活命令，你仍然使用 Conda 的激活命令） -
安装包：
mamba install numpy -
更新包：
mamba update numpy -
删除包：
mamba remove numpy -
更新环境中的所有包：
mamba update –all
优势：
-
速度：Mamba 在处理包管理和环境解决时速度快得多，这对大环境尤其有用。
-
效率：并行下载和安装机制使得整体过程更加高效。
-
兼容性：能够无缝替代 Conda，并与其生态系统兼容。
局限性：
-
新兴工具：作为一个较新的工具，Mamba 可能在某些边缘情况下不如 Conda 稳定。
-
社区支持：虽然 Mamba 的社区在快速增长，但它仍然没有 Conda 那么成熟。
Jupyter使用
Jupyter 介绍
JupyterLab 是最新的基于 Web 的交互式开发环境，适用于 notebooks、代码和数据。其灵活的界面允许用户配置和安排数据科学、科学计算、计算新闻和机器学习中的工作流程。模块化设计允许扩展来扩展和丰富功能。
Jupyter 安装使用
使用 安装 JupyterLab ： pip
pip install jupyterlab注意：如果您使用 conda 或 mamba 安装 JupyterLab，我们建议使用 conda-forge 通道。安装后，使用以下命令启动 JupyterLab：
jupyter labPyCharm 中使用 Conda 环境
1）创建项目所需要的虚拟环境
conda create -n learn python=3.102）创建项目，选择 Custom environment ，类型选择 Conda ，环境选择 learn，点击 创建 即可
3）查看项目环境配置
注意：项目中需要另外的依赖库，直接到 Conda Powershell Prompt 终端下，激活 learn 环境，使用 pip 安装依赖库即可！
Related articles
部分信息可能已经过时
