一、创建虚拟环境

注意：将下面的可以将 env_name 替换为自己想命名的虚拟环境名。

conda  create  --name  env_name

conda  create  --name  env_name python=3.6 # 创建指定python版本

conda  create  --name  env_name python=3.6 pandas numpy scipy # 创建指定python版本下包含某些包

二、激活/使用/进入某个虚拟环境

env_name为自己对应的环境名

conda activate  env_name

三、退出当前环境

conda deactivate

四、复制某个虚拟环境

conda  create  --name  new_env_name  --clone  old_env_name

五、删除某个环境

conda  remove  --name  env_name  --all

六、查看当前所有环境

conda  info  --envs   或者  conda  env  list

七、查看当前虚拟环境下的所有安装包

conda  list  需进入该虚拟环境

conda  list  -n  env_name

八、安装或卸载包(进入虚拟环境之后）

conda  install  requests
conda  install  xx=版本号  # 指定版本号
conda  install  xxx -i 源名称或链接 # 指定下载源
conda  uninstall  xxx

九、分享虚拟环境

conda env export > environment.yml  # 导出当前虚拟环境
conda env create -f environment.yml  # 创建保存的虚拟环境

十、源服务器管理

conda当前的源设置在$HOME/.condarc中，可通过文本查看器查看或者使用命令>conda config --show-sources查看。

conda config --show-sources #查看当前使用源
conda config --remove channels 源名称或链接 #删除指定源
conda config --add channels 源名称或链接 #添加指定源

例如：

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

国内pip源

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

十一、升级

升级Anaconda需先升级conda

conda  update  conda
conda  update  anaconda

十二、卸载

rm  -rf  anaconda

十三、批量导出虚拟环境中的所有组件

conda list -e > requirements.txt  # 导出
conda install --yes --file requirements.txt  # 安装

还有一种格式是yml文件

#获得环境中的所有配置
conda env export --name env_name > env_name.yml     # 不指定导出路径版本，默认路径在 C:\Users\xxx 下
conda env export --name env_name > D:\env_name.yml  # 指定导出路径版本
#重新还原环境
conda env create -f  env_name.yml     # 不指定从指定路径下的yaml文件导入包版本
conda env create -f  D:\env_name.yml  # 从指定路径下的yaml文件导入包版本

十四、pip批量导出环境中的所有组件

pip freeze > requirements.txt
pip install -r requirements.txt

十五、conda install与pip install的区别

• 介绍：conda为Anaconda提供的下载python及其他各种包的管理器，conda会将包统一下载到一个路径下，当其他环境需要时，直接将其复制到新环境中；pip为python官方提供下载python包的下载器，会直接将包下载到对应的环境中。
• 依赖：conda能保证当前环境中所有包的依赖关系都满足；pip不能保证当前环境所有的依赖关系都能满足。
• 包安装位置：conda install 安装的包都会放在anaconda3/pkgs下；pip intsall 若使用系统的python，则包会被保存在 ~/local/lib/python x.x/site-packages文件夹下，若使用的是conda内置的python，则会被保存到 anaconda3/envs/current_env/lib/site-packages下。