Conda使用手册

conda 是针对于 python 的环境和包管理工具。可以安装 minconda 或 anaconda 进行安装，前者是简化版本，只包含 conda 和其依赖。conda 有 Python3.x 和 Python2.x 系列两个版本，其实都没有关系，因为你在使用 conda 进行创建环境时，可以指定 Python 的版本。

安装 conda

以 miniconda 为例，进入 https://conda.io/miniconda.html 选择对应的版本下载并安装。

查看 conda 帮助

所有关于 conda 的使用都可以从帮助信息获取，在什么也不知道的情况下就可以使用 conda -h/--help 查看帮助信息：

$ conda -h
conda is a tool for managing and deploying applications, environments and packages.

Options:

positional arguments:
  command
    info Display information about current conda install.
    help Displays a list of available conda commands and their help
                 strings.
    list List linked packages in a conda environment.
    ......

可以看到，conda 有很多命令，要查看具体命令帮助，同样使用 -h 选项，如：

$ conda info -h
usage: conda info [-h] [--json] [--debug] [--verbose] [--offline] [-a] [-e]
                  [-l] [-s] [--root] [--unsafe-channels]
                  [packages [packages ...]]

Display information about current conda install.

Options:

positional arguments:
  packages Display information about packages.

optional arguments:
  -h, --help Show this help message and exit.
  --json Report all output as json. Suitable for using conda
                     programmatically.
  ......

conda 常用命令

conda info

显示当前 conda 安装的所有信息。通常使用 -e/--envs 选项查看创建的虚拟环境：

$ conda info -e
# conda environments:
#
root * /opt/anaconda3

包管理命令

一般来说 conda 仓库的软件没有 PyPI 更新快和全。所以推荐 conda 只用来创建虚拟环境（后面介绍），包的安装管理仍然使用 pip。但在 windows 下由于依赖不好处理，所以在使用 pip 失败时可以查询是否有编译好的 conda 包。

conda list

列出当前环境下所有安装的 conda 包。

$ conda list
# packages in environment at /opt/anaconda3:
#
_license 1.1 py35_1  
_nb_ext_conf 0.3.0 py35_0  
acora 2.0 
alabaster 0.7.9 py35_0
......

查询

使用 conda search 查询 conda 包，只有经过 conda 重新编译入库的才能使用 conda search 查询得到，具体可以进 Anaconda package lists 查看。

$ conda search scrapy
Loading channels: done
Name Version Build Channel        
......       
scrapy 1.4.0 py27h060f748_1 defaults       
scrapy 1.4.0 py35h03cf01c_1 defaults       
scrapy 1.4.0 py36h5dd8a1d_1 defaults       
scrapy 1.5.0 py27_0 defaults       
scrapy 1.5.0 py35_0 defaults       
scrapy 1.5.0 py36_0 defaults

安装

使用 conda install 安装 conda 包，会自动处理包之间的依赖。

$ conda install scrapy

使用 conda 安装指定版本包，既可以使用类似 pip 的 ==，也可以直接使用 =：

$ conda install scrapy=1.5.0

更新

使用 conda update 更新 conda 包到最新版本，也可使用 conda upgrade。

$ conda update scrapy

卸载

使用 conda remove 卸载 conda 包，也可使用 conda uninstall。

$ conda remove scrapy

环境管理命令

创建环境

创建虚拟环境，使用 -n/--name 指定环境名称。可以在创建环境的同时安装包。由于 conda 将 python 也作为包，所以可以像其他包一样安装。

$ conda create --name tf python=3.5.2 tensorflow

现在使用 conda info -e 查看环境（也可使用命令 conda env list）：

$ conda info -e
# conda environments:
#
base * /opt/anaconda3
tf /opt/anaconda3/envs/tf

激活环境

默认处于 base 环境，进入其他环境需要使用 source activate 手动切换：

$ source activate tf

注意：Windows 下建议使用 git-bash 操作（安装 windows 版本 git 自动创建），否则在 cmd/powershell 下使用 activate [env-name] 激活。

激活成功会在命令行提示符前面标识出当前环境：

(tf) ➜ ~ 

若要退出激活当前环境，使用 source deactivate，默认回到 base 环境：

$ source deactivate

删除环境

删除环境也使用 conda remove 命令，不过加上参数 --all 并使用 -n/--name 指定要删除的环境名。

$ conda remove -n tf --all

也可以使用命令 conda env remove -n tf。

拷贝环境

在创建环境时可以使用 --clone 从已存在的环境进行拷贝。

$ conda create --clone tensorflow --name tf

在指定环境中管理包

如果和我一样使用 pip 进行包管理，可以忽略这部分。

一种方法是激活该环境，然后按照上面包管理进行操作；另一种方法是使用 conda 进行包管理时指定环境：

$ conda install --name myenv redis
$ conda remove --name myenv redis

使用国内 conda 软件源加速

同样，使用 pip 管理包的忽略。conda 会在每个用户家目录下创建 .conda 目录，用于管理创建的环境，而配置文件存放于 .condarc（没有可以新建）。

国内源比较好的有：

• 清华大学 conda 仓库镜像
• 中科大 conda 仓库镜像

使用方法：

$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
$ conda config --set show_channel_urls yes

若要使用官方仓库，删除 ~/.condarc 目录。

---

1. http://know.continuum.io/rs/387-XNW-688/images/conda-cheatsheet.pdf