Conda 基本介绍

什么是Conda、MiniConda、Anaconda

Conda是一个包和环境管理的工具。支持Windows、macOS和Linux。Conda可
以快速的安装、运行和更新包和相关的依赖。Conda也可以轻易地创建、保存、
加载和转换环境。
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows,
包含了conda、conda-build、Python和众多科学计算的包及其依赖。
Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 conda，Python 和
一些它们所以依赖的包。

Anaconda 和 Miniconda 区别？

Miniconda 是 Anaconda 的精简版本，同样也是一個开源环境，两者都是conda系统
的一部分。不同之处在于Anaconda会预先安装许多常用的 Python套件，因此占用较多的硬盘空间。相比之下，Miniconda 因为名为 ”Mini”，因此仅安装运行所需的基本套件，对于有多个不同 Python 版本共存的情況，可以节省大量空间。

Miniconda可以依据自己需求建立自己的Python环境，想要的套件自行安装。

为什么要使用 Conda？

一个典型的Python 项目会使用多个包来完成其功能。其中一些包也可能被其他项目
所使用（共享）。 项目之间共享的包可能会引起冲突。 比如，我们有两个项目P1和P2，P1使用NumPy 1.2版本，而P2需要NumPy 1.3版本，一个环境中存在两个版本就可能导致冲突。 解决这个问题的办法就是使用虚拟环境。我们可以为每个项目分别创建一个独立的虚拟环境，来隔离包冲突。

常用的Python虚拟环境管理工具有：

1. Virtualenv
2. Conda
3. pipenv
4. venv
   通过使用这些工具，我们可以很容易的创建虚拟环境。

Conda 安装

Miniconda 下载安装

官网下载地址：https://www.anaconda.com/download/success

下载后依据指引进行 Miniconda 安装。

使用 Anaconda Powershell Prompt 终端

使用 Anaconda Powershell Prompt 终端
安装完成后，打开终端 Anaconda Powershell Prompt ，如果有看到命令列提示中
的（base），那表示安装成功。

Conda 常用命令

基本命令

conda –help # 查看帮助
conda info # 查看 conda 信息
conda --version # 查看 conda 版本
conda update conda # 更新Conda（慎用）
conda clean –all # 清理不再需要的包
conda <指令> --help # 查看某一个指令的详细帮助
conda config --show #查看 conda 的环境配置
conda clean -p # 清理没有用，没有安装的包
conda clean -t # 清理 tarball
conda clean --all # 清理所有包和 conda 的缓存文件

环境管理

创建 Conda 环境

使用conda可以在电脑上创建很多套相互隔离的Python环境，命令如下：
#语法
conda create --name <env_name> python= [package_name1]
[package_name2] […]
#样例 创建一个名为 learn 的环境，python 版本为3.10
conda create --name learn python=3.10 # --name 可以简写为 -n

出现此命令即安装成功，输入此命令conda activate test激活
（可选） 如果要指定conda环境的路径，需要设置 envs_dirs，命令如下：
只需要执行一次！
conda config --add envs_dirs D:/envs/

切换 Conda 环境

前面说到Conda可以创建多套相互隔离的Python环境，使用 conda activate
env_name 可以切换不同的环境。
#语法
conda activate env_name
#样例 切换到 learn 环境
conda activate learn
如果要退出此环境，回到基础环境，可以使用如下命令
#退出当前环境
conda deactivate

查看 Conda 环境

当电脑上安装了很多台Conda环境的时候，可以使用 conda env list 命令查看所
有已创建的Conda环境。
#查看当前电脑上所有的conda环境
conda env list

删除某个 Conda 环境

#语法
conda remove --name <env_name> --all
#样例
conda remove --name learn --all

克隆环境

#语法
conda create --name <new_evn_name> --clone <old_env_name>
#样例
conda create --name myclone --clone myenv

包管理

一旦激活了环境，你就可以使用 conda 和 pip 在当前环境下安装你所需要的包。

安装包

在激活的环境中安装包，例如安装NumPy：pip install numpy
可以使用以下命令安装特定版本的包：pip install numpy==2.2.1
从 requirements.txt 文件安装：pip install -r requirements.txt

更新包

更新某个包到最新版本：
pip install --upgrade numpy
升级所有包
#将当前环境中的所有包信息保存到 requirements.txt 文件中
pip freeze > requirements.txt
#卸载所有包
pip uninstall -r requirements.txt
#重新安装所有包
pip install -r requirements.txt

卸载包

如果不再需要某个包，可以将其卸载：
pip uninstall numpy

列出环境中的所有包

查看当前环境中已安装的所有包：pip list
查看当前虚拟环境中已安装的某个包的信息：pip show numpy

搜索包

搜索可用的包及其版本信息：conda search numpy

环境导入与导出

导出环境
将当前环境导出为一个YAML文件，方便共享：conda env export > environment.yml
从文件创建环境
使用YAML文件创建一个新环境：conda env create -f environment.yml

Jupyter Lab 使用

Jupyter 介绍

JupyterLab 是最新的基于 Web 的交互式开发环境，适用于notebooks、代码和数
据。其灵活的界面允许用户配置和安排数据科学、科学计算、计算新闻和机器学习中的工作流程。模块化设计允许扩展来扩展和丰富功能。

Jupyter 安装使用

使用 安装 JupyterLab ： pip
pip install jupyterlab
注意：如果您使用 conda 或 mamba 安装 JupyterLab。
安装后，使用以下命令启动 JupyterLab：jupyter lab

PyCharm 中使用 Conda 环境

创建项目所需要的虚拟环境
conda create -n llamaindex -rag python=3.10
创建项目，选择 自定义环境 ，类型选择 Conda ，环境选择 llamaindex-rag ，点
击 创建 即可
注意：项目中需要另外的依赖库，直接到 Conda Powershell Prompt 终端下，激活llamaindex-rag环境，使用pip安装依赖库即可！