使用 wget或 curl下载安装脚本

pip --version# 应输出类似于 pip x.x.x from /路径/到/conda/envs/data_env/lib/python3.x/site-packages/pip (python 3.x)

实际输出：

~$ pip --versionpip 22.0.2 from /usr/lib/python3/dist-packages/pip (python 3.10)

结论： 不应该在系统环境安装pip，并且使用conda安装pip

conda install pip

小贴士

• 使用 base环境：避免在 base环境中进行日常开发，建议新建独立环境以防止依赖冲突。
• 使用 wget或 curl下载安装脚本。

  ---

  Conda 简介

  Conda是一个跨平台的开源包管理器和环境管理器，最初由 Anaconda 开发，广泛用于数据科学、

  以下是关于如何使用 Conda的详细指南。

• Miniconda：一个轻量级的版本，仅包含 Conda 和其依赖，适合希望自定义环境的用户。例如，下载 Miniconda：

  wgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh

• 运行安装脚本:

  bashMiniconda3-latest-MacOSX-x86_64.sh

macOS (Apple):

1. 打开终端。

   ---

   安装 Conda

   1. 选择安装包

   • Anaconda：包含了大量的预装包，适合需要丰富数据科学工具的用户。
   • 双击安装程序，按照提示完成安装。
   • 管理依赖冲突：尽量在创建环境时一次性安装所有需要的包，可以减少依赖冲突的可能性。
   • 定期清理：使用 conda clean --all定期清理缓存，释放磁盘空间。
   • 下载适用于 Windows 的安装程序。例如，安装 numpy：

     conda installnumpy

     安装多个包：

     conda installnumpy pandas matplotlib

     6. 搜索包

     查找可用的包：

     conda search package_name

     例如，搜索 scipy：

     conda search scipy

     7. 更新包

     更新环境中的某个包到最新版本：

     conda update package_name

     例如，更新 numpy：

     conda update numpy

     8. 移除包

     从环境中移除某个包：

     conda remove package_name

     例如，移除 matplotlib：

     conda remove matplotlib

     9. 删除环境

     删除一个不再需要的环境：

     conda remove -nmyenv --all

     10. 导出与导入环境

     将当前环境配置导出为 yml文件，以便在其他机器上重现：

     conda envexport>environment.yml

     导出特定环境配置：

     conda envexport--nameyour_env_name >environment.yml

     使用 yml文件创建新环境：

     conda envcreate -fenvironment.yml

     ---

     高级功能

     1. 使用不同的渠道 (Channels)

     Conda 默认使用官方的 defaults渠道。例如，创建一个名为 myenv的环境，使用 Python 3.8：

     conda create -nmyenv python=3.8

     3. 列出环境

     查看已创建的所有 Conda 环境：

     conda envlist

     或

     conda info --envs

     4. 激活与停用环境

     激活环境 myenv：

     conda activate myenv

     停用当前激活的环境，返回到 base 环境：

     conda deactivate

     5. 安装包

     在激活的环境中安装所需的包。例如，下载 Miniconda：

     wgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh

   • 运行安装脚本：

     bashMiniconda3-latest-MacOSX-arm64.sh

按提示完成安装。通过合理使用 Conda，您可以避免环境冲突，提高开发效率。

添加 conda-forge渠道：

conda config --addchannels conda-forgeconda config --setchannel_priority strict

安装包时优先使用 conda-forge：

conda installpackage_name

2. 管理 Conda 配置

查看当前的 Conda 配置：

conda config --show

3. 克隆环境

快速复制一个现有的环境：

conda create --namenewenv --cloneoldenv

---

常用命令汇总

命令	功能
conda create -n env_name python=3.x	创建新环境并指定 Python 版本
conda activate env_name	激活指定环境
conda deactivate	停用当前激活的环境
conda install package_name	安装指定包
conda remove package_name	移除指定包
conda update package_name	更新指定包
conda list	列出当前环境中的所有包
conda env list或 conda info --envs	列出所有环境
conda remove -n env_name --all	删除指定环境
conda env export > environment.yml	导出环境配置
conda env create -f environment.yml	通过 yml文件创建环境
conda search package_name	搜索包
conda clean --all	清理缓存

---

使用示例

1. 创建和激活环境

假设你需要一个专用于机器学习的环境，Python 3.9，安装 scikit-learn和 tensorflow：

conda create -nml_env python=3.9scikit-learn tensorflow jupyterconda activate ml_env

2. 更新环境中的包

conda update scikit-learn

3. 安装额外的包

例如，安装 jupyter：

conda installjupyter

4. 导出环境

conda envexport>ml_env.yml

5. 通过 yml文件重现环境

在另一台机器上：

conda envcreate -fml_env.yml

---

常见问题

与系统package冲突

如发现 pip list 中缺少某些包。

• 与系统package冲突： 如

总结

Conda 是一个强大的工具，能够帮助开发者轻松管理不同的项目环境和依赖。

eval "$(/home/test/miniconda3/bin/conda shell.YOUR_SHELL_NAME hook)"conda init

基本使用

1. 更新 Conda

安装完成后，建议先更新 Conda 到最新版本：

conda update conda

2. 创建环境

创建一个新的 Conda 环境，并指定 Python 版本。