Python - conda 常用命令介绍

本文最后更新于：2024年5月7日下午

本文介绍使用conda管理anaconda Python环境的相关命令。

conda 环境相关命令

创建环境

1	`conda create -n env_name python=3.7 --clone another_env`

-n：name 表示新环境名称

python：使用python版本

–clone：从现有环境复制而来

删除环境

1	`conda remove -n env_name --all`

查看环境

1	`conda env list`

或

1	`conda info -e`

激活环境

1	`conda activate env_name`

或

1	`source activate env_name`

退出环境

1	`conda deactivate`

或

1	`source deactivate`

会回到base环境

conda 包相关命令

查看当前环境下conda管理的python包列表

1	`conda list`

安装python包

1
2
3

conda install package_name #安装包
conda install package_name_1 package_name_2 package_name_3 ... #一次安装多个包
conda install package_name=1.1.0 #安装指定版本的包

更新包

1 2	`conda update package_name # 更新包 conda upgrade --all #更新所有包`

卸载包

1	`conda remove package_name`

搜索不清楚名称的包

1	`conda search search_term`

conda 重现环境

使用conda管理python一个重要的考量就是可迁移性，conda 提供了几种方法用于重现某个conda 环境。

Clone

上文介绍过这个命令，用于本地重现某个环境

1	`conda create --name new_env --clone old_env`

Spec List

相同操作系统的计算机之间复制环境，可以生成 spec list

# 生成 spec list 文件
conda list --explicit > spec-list.txt 
#重现环境：
conda create --name python-course --file spec-list.txt

Environment.yml

使用 -export 选项生成一个 environment.yml 文件，以在不同的平台和操作系统之间复现项目环境。

spec list 文件和 environment.yml 文件之间的区别在于： environment.yml 文件不针对特定操作系统，并且使用YAML格式。environment.yml 仅列出了软件包名称，由 conda 基于软件包的名称构建环境。另一个区别是 -export 还包括使用pip安装的软件包，而 spec list 则没有。

#导出 environment.yml 文件：
conda env export > environment.yml
#重现环境：
conda env create -f environment.yml

注意：如果当前路径已经有了 environment.yml 文件，conda 会重写这个文件

Conda Pack

上述两种重现的方法都基于记录当前环境包信息，到新机器重建的思路。而Conda Pack用的是将当前环境的文件直接打包，带到新机器拆包使用的思路。

conda-pack 指定平台和操作系统，目标计算机必须具有与源计算机相同的平台和操作系统。

安装 conda pack

# from conda
conda install -c conda-forge conda-pack
# from pip
pip install conda-pack

打包环境

1 2	`conda pack -n my_env conda pack -n my_env -o out_name.tar.gz`

重现环境

mkdir -p path_to_my_new_env # 建议放在anaconda的envs文件夹中
tar -xzf my_env.tar.gz -C path_to_my_new_env # 解压包中文件
source path_to_my_new_env/bin/activate # 激活该环境
(my_env) $ python # 进入一下该环境下的 python 随后退出
(my_env) $ conda-unpack # 十分重要，请不要忽略