本文最后更新于：2022年7月4日 上午
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
或
激活环境
或
1
| source activate env_name
|
退出环境
或
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
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
1
2
3
4
| # 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。
1
2
3
4
| #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
1
2
3
4
| # 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
1
2
3
4
5
| 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
|
文章链接：
https://www.zywvvd.com/notes/coding/python/conda-env-operation/conda-env-operation/