Python 环境

, ,

Conda 虚拟环境管理总结

当前我已经使用 vscode 扩展，很方便的集成了 conda，后续有时间再补一盘 vscode跟虚拟环境相关的

1. 创建虚拟环境

要创建一个新的虚拟环境，可以使用以下命令：

1
conda create --name myenv python=3.10

命令说明

  • --name myenv：指定新环境的名称为 myenv，可以根据需要更改名称。
  • python=3.10：指定要安装的 Python 版本为 3.10（可选）。

创建步骤

  1. 打开终端。

  2. 输入命令并确认。

  3. 激活新环境：

    1
    conda activate myenv

2. 删除虚拟环境

要删除一个虚拟环境，可以使用以下命令：

1
conda remove --name myenv --all

删除步骤

  1. 打开终端。
  2. 输入命令并确认。

3. 修改虚拟环境

3.1. 修改环境名称

  1. 创建新环境：

    1
    conda create --name newenv --clone oldenv

  2. 删除旧环境：

    1
    conda remove --name oldenv --all

3.2. 安装/卸载包

  • 安装包：

    1
    conda install package_name

  • 卸载包：

    1
    conda remove package_name

3.3. 更新包

  • 更新特定包：

    1
    conda update package_name

  • 更新所有包：

    1
    conda update --all

4. 查看虚拟环境

4.1. 查看所有虚拟环境

查看系统中所有的 Conda 虚拟环境：

1
conda env list

或：

1
conda info --envs

4.2. 查看当前激活环境的信息

查看当前激活环境的详细信息：

1
conda info

4.3. 查看当前环境中已安装的包

查看当前激活环境中已安装的所有包：

1
conda list

4.4. 查看特定包的信息

查看特定包的信息：

1
conda list package_name

相关问答

可以创建名称相同的环境名称吗

不能创建名称相同的虚拟环境。

如果你尝试创建一个已经存在的环境名称，Conda 会提示你该环境已经存在，并阻止创建相同名称的环境。例如：

1
conda create --name myenv python=3.10

如果 myenv 已经存在，你会看到类似以下的提示：

1
CondaValueError: prefix already exists: /path/to/miniconda3/envs/myenv

解决方案

如果你需要创建一个类似的环境，可以采取以下方法：

  1. 删除旧环境：如果不再需要旧环境，可以删除它，然后创建新环境。

    1
    conda remove --name myenv --all

  2. 使用不同的环境名称：创建环境时使用不同的名称。例如：

    1
    conda create --name myenv2 python=3.10

  3. 克隆环境：如果你想保留相同的依赖配置，可以克隆现有环境，并使用不同名称。

    1
    conda create --name newenv --clone myenv

在每个虚拟环境中，只能存在一个版本的 Python。如果需要多个版本的 Python，则可以为每个版本创建独立的虚拟环境，并在项目需要时激活相应的环境。

mac系统 ，使用的是 miniconda3 ，请问依赖在哪里

1
/Users/huangben/miniconda3/envs/photo/lib/python3.10/site-packages

photo 就是虚拟环境名称，默认是 base

Snipaste_2024-09-19_15-20-43

当你激活一个 Conda 环境后，在该环境中安装的所有依赖都会被保存在该环境的特定目录中。在这个环境激活期间，你可以在任何项目中直接使用这些已安装的库，而不需要写相对路径或绝对路径

如何查看依赖

  1. 激活环境：使用以下命令激活你的 Conda 环境：

    1
    conda activate myenv

  2. 查看安装的包：你可以使用以下命令查看当前环境中安装的所有包：

    1
    pip list

    或者使用 Conda 的命令：

    1
    conda list

这样你就可以查看当前环境中的所有依赖以及它们的安装位置。

Conda、Miniconda 和 Anaconda 是用于管理 Python 环境和包的工具和发行版，它们之间有一定的关系和区别。

Python 虚拟环境工具关系解释

Conda

  • 定义：Conda 是一个开源的包管理和环境管理系统，可以安装、运行和更新包及其依赖项。
  • 功能：不仅支持 Python，还支持其他编程语言（如 R、Ruby、Lua、Scala、Java、JavaScript、C/C++、FORTRAN）。
  • 使用：可以创建和管理独立的环境，确保不同项目的依赖不冲突。

Miniconda

  • 定义：Miniconda 是一个轻量级的 Conda 发行版，只包含 Conda 和其依赖的最小系统包。
  • 功能：提供了一个最小化的安装包，用户可以根据需要安装其他包和环境。
  • 适用场景：适合希望从头开始构建自定义 Python 环境的用户。

Anaconda

  • 定义：Anaconda 是一个包含 Conda 的完整 Python 发行版，预装了大量的科学计算、数据分析和机器学习相关的包。
  • 功能：除了 Conda，还包含了许多常用的包（如 NumPy、Pandas、SciPy、Jupyter Notebook 等）和工具（如 Anaconda Navigator）。
  • 适用场景：适合需要一个开箱即用的科学计算和数据分析环境的用户。

关系

  • Conda 是包管理和环境管理工具。
  • Miniconda 是一个轻量级的 Conda 发行版，只包含 Conda 和其依赖的最小系统包。
  • Anaconda 是一个包含 Conda 的完整发行版，预装了大量的科学计算和数据分析相关的包。

选择

  • Miniconda：如果你希望从头开始构建自定义环境，并且只安装你需要的包。
  • Anaconda：如果你需要一个开箱即用的环境，包含了大多数常用的科学计算和数据分析包。