Conda 工程化环境

2026-04-19 | 0 评论 | 0 浏览

Conda 工程化环境

1.Conda 环境配置

1.1下载

https://www.anaconda.com/download

1.2 链接

conda清华源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py313_26.1.1-1-Windows-x86_64.exe

2.Conda 命令

国内镜像

** conda有时候安装软件会非常慢。设置国内镜像的话可以使安装更快捷一些。设置方法如下所示：**

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

设置搜索时显示通道地址

conda config --set show_channel_urls yes

设置pip镜像

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

conda命令

https://docs.conda.org.cn/projects/conda/en/stable/commands/index.html

基础信息命令

命令	说明
`conda --version`/`conda -V`	查看 Conda 版本
`conda info`	查看 Conda 详细信息（环境路径、配置、已激活环境）
`conda config --show-sources`	查看 Conda 配置文件位置
`conda update conda`	更新 Conda 自身
`conda clean -a`	清理无用缓存、安装包（释放空间）

环境管理（最常用）

命令	说明
`conda create -n 环境名 python=3.10`	创建指定 Python 版本的新环境
`conda create --clone 原环境名 -n 新环境名`	复制已有环境
`conda env list`/`conda info --envs`	列出所有已创建的 Conda 环境
`conda activate 环境名`	激活 / 切换环境
`conda deactivate`	退出当前环境
`conda remove -n 环境名 --all`	删除整个环境
`conda env export > environment.yml`	导出当前环境配置（分享用）
`conda env create -f environment.yml`	从配置文件创建环境

包管理（安装 / 卸载 / 查询）

命令	说明
`conda install 包名`	安装包（如`conda install numpy`）
`conda install 包名=版本号`	安装指定版本（如`conda install python=3.11`）
`conda install 包1 包2 包3`	一次性安装多个包
`conda list`	查看当前环境已安装的所有包
`conda list 包名`	查看某个包是否安装、版本
`conda update 包名`	更新指定包
`conda update --all`	更新当前环境所有包
`conda remove 包名`	卸载包
`conda search 包名`	搜索可用的包版本

3.conda与pip

conda install和 pip install 都能安装 Python 包，但它们有重要的区别和适用场景。
conda install numpy
pip install numpy

1. 核心区别概览

对比项	conda install	pip install
包来源	来自 Conda 仓库（如 defaults, conda-forge）	来自 PyPI（Python 官方包索引）
管理的对象	不仅可安装 Python 包，还能安装 C 库、系统依赖（如 MKL、CUDA 等）	只能安装 Python 代码包
环境隔离	由 Conda 环境系统管理	通常安装到当前解释器环境
速度与依赖性	下载安装速度较快，依赖解决能力强	可能出现依赖冲突（especially with native libs）
包格式	.tar.bz2 / .conda 格式，由 Conda 打包	.whl (wheel) 或 .tar.gz 格式
兼容性	适配 Anaconda/Miniconda 环境最佳	通用（只要有 Python）

2. 什么时候该用哪个？

场景	推荐命令	说明
🚀 科学计算类库（如 NumPy、Pandas、SciPy、TensorFlow）	✅ conda install	Conda 提供的预编译二进制包包含高性能库（MKL、BLAS、OpenMP 等），更稳定快速。
🧪 一般纯 Python 库（比如 requests、flask 等）	✅ pip install	没有 C 扩展或复杂依赖时，pip 就足够了。
🌍 需要安装非 Python 工具或依赖（如 ffmpeg, graphviz）	✅ conda install	Conda 可以管理这些系统级工具和库。
🧩 Conda 仓库没有的包	✅ pip install	有些小众项目只在 PyPI 上发布。
💡 最佳实践：结合使用	conda install 安装主要依赖，pip install 补充不存在于 Conda 的包。

3. 需要注意的几点

注意点	说明
🚫 不混装同名包	同一个环境中不要既用 conda install 又用 pip install 安装相同的包。
🧩 Conda 环境内自带 pip	不需要单独安装 pip，Conda 会自动准备好对应版本。
📦 可用 requirements.txt	用 pip 管理依赖时，可以用 pip freeze > requirements.txt 来导出依赖列表。
🔄 如果需要系统库依赖	仍然用 conda 安装更保险（例如 ffmpeg, graphviz）。

4.最佳实践

工程创建

推荐工具：https://www.trae.cn/

纯 Python 项目的推荐方式：

# 创建隔离环境
conda create -n py313 python=3.13

# 激活环境
conda activate py313

# 安装依赖
pip install -r requirements.txt

项目部署时，你的文档可以这样写：

# 在项目 README.md 中说明,其他人拿到项目安装依赖
conda create -n py313 python=3.13
conda activate py313
pip install -r requirements.txt

编辑器设置

默认conda环境切换到需求环境，避免每次打开终端都切换一次

命令行终端设置

标题：Conda 工程化环境
作者：llp
地址：https://llinp.cn/articles/2026/04/19/1776561801868.html