Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。可以创建多个环境，并在环境中使用不同的python版本，并安装环境专属的python依赖包，可以用来避免python项目依赖冲突的问题。

conda用户引导

https://conda.io/projects/conda/en/latest/user-guide/getting-started.html

安装

Anaconda-Navigator 下载地址

根据个人的操作系统环境下载对应的版本，然后本地安装即可。

安装完成后会出现Anaconda-Navigator这个应用，并且在终端中就可以使用conda命令了

配置conda镜像源

由于使用conda安装第三方包的时候，默认是国外的镜像很容易出现安装失败，所以需要添加国内的镜像源，这里推荐配置清华的镜像源。
使用终端输入以下命令

echo "channels:- defaults
show_channel_urls: true
default_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/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud" > ~/.condarc

清除索引缓存，保证用的是镜像站提供的索引

conda clean -i

查看配置，输入下面的命令，出现了https://mirrors.tuna.tsinghua.edu.cn的关键字，就说明配置成功了

conda config --show

配置pip的安装源

很多项目一般使用pip去依赖的，不切换镜像源同样会有安装依赖慢的问题，这里设置一下pip的安装源

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

查看配置的安装源 pip config get global.index-url

pip config get global.index-url

输出https://pypi.tuna.tsinghua.edu.cn/simple/就表示配置成功了

Anaconda-Navigator使用

创建环境

输入环境名称，最好是英文，然后选择需要的python版本，点击创建即可

打开终端并进入某个环境

包搜索

https://anaconda.org/

命令行操作

大部分功能直接使用Anaconda-Navigator也可以

创建环境

conda create -n <env-name>
# 创建并安装依赖
conda create -n <env-name> python numpy pandas

指定环境中的python版本

# 在创建环境时安装指定的python版本
conda create -n <env-name> python=3.11
# 切换到某个环境里然后更新python
conda install python=3.12

查看环境

conda info --envs

删除环境

conda env remove -n env_name

激活环境

conda activate 环境名称

安装依赖

建议进入某个环境后安装

conda install 包名
# 或者
pip install 包名

卸载第三方包

conda remove numpy
# 或者
pip uninstall numpy
# 删除所有
conda remove --all

查看安装的依赖

conda list

导入导出环境

导出当前环境的包信息可以用

conda env export > 具体路径
# eg：conda env export > C:\Users\pc\Desktop\environment.yaml

用配置文件(yaml)创建新的虚拟环境

conda env create -n 环境名 -f C:\Users\pc\Desktop\environment.yaml

更新conda

conda update conda