Anaconda使用指南

一、Anaconda简介

1.1 介绍

Anaconda是一个安装、管理Python相关包的软件，还自带Python、Jupyter Notebook、Spyder，有管理包的Conda工具。Anaconda包含了Conda、Python在内的超过180个科学包及其依赖项。
Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 Conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令Conda来进行包和环境的管理，并且已经包含了Python和相关的配套工具。
Conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的Python并可以快速切换。
Anaconda则是一个打包的集合，里面预装好了Conda、某个版本的Python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，它只包含最基本的内容——Python与Conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
Conda将几乎所有的工具、第三方包都当做package对待，甚至包括Python和Conda自身。因此，Conda打破了包管理与环境管理的约束，能非常方便地安装各种版本Python、各种package并方便地切换。

官网：https://www.anaconda.com/products/distribution

1.2 特点

Anaconda具有如下特点：

1. 开源
2. 安装过程简单
3. 高性能使用Python和R语言
4. 免费的社区支持

其特点的实现主要基于Anaconda拥有的：

1. Conda包
2. 环境管理器
3. 1,000+开源库

1.3 Anaconda、Conda、pip、virtualenv的区别

1.3.1 Anaconda

Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：Conda, NumPy, SciPy , IPython Notebook等。
Anaconda 是在 Conda（一个包管理器和环境管理器）上发展出来的。
Anaconda集成了常用的扩展包，能够方便地对这些扩展包进行管理，比如安装和卸载包，这些操作都需要依赖Conda。Conda是一个在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统，可以快速地安装、运行和更新软件包及其依赖项。

1.3.2 Conda

Conda是一个在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。Conda可以快速安装、运行和更新软件包及其依赖项。Conda可以在安装环境上轻松创建、保存、加载和切换环境。它是为Python程序创建的，但它可以为任何语言打包和分发软件。
Conda类似于npm或Maven的包及其依赖项和环境管理工具，只是Conda是针对于Python的。可以安装Miniconda或Anaconda进行安装，前者是简化版本，只包含Conda和其依赖。如果安装环境有python相关包也没有关系，不需要进行卸载。
Conda作为软件包管理器可以帮助您查找和安装软件包。如果您需要一个需要不同版本Python的包，则不需要切换到不同的环境管理器，因为Conda也是一个环境管理器。只需几个命令，您就可以设置一个完全独立的环境来运行不同版本的Python，同时在正常环境中继续运行常用版本的Python。

1.3.3 pip

pip是用于安装和管理软件包的包管理器。
Python中默认安装的版本：

• Python 2.7.9及后续版本：默认安装，命令为pip
• Python 3.4及后续版本：默认安装，命令为pip3

PyPI包下载地址：https://pypi.org/search/

1.3.4 virtualenv

virtualenv：用于创建一个独立的Python环境的工具。
在实际项目开发中，我们通常会根据自己的需求去下载各种相应的框架库，如Scrapy、Beautiful Soup等，但是可能每个项目使用的框架库并不一样，或使用框架的版本不一样，这样需要我们根据需求不断的更新或卸载相应的库。直接对Python环境操作会让我们的开发环境和项目造成很多不必要的麻烦，管理也相当混乱。
如以下场景：

1. 当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？
2. 如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
3. 如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
4. 在共享主机时，无法在全局site-packages目录中安装包。

virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。

二、Anaconda安装

2.1 Anaconda下载地址

Conda默认随Miniconda或Anaconda发行，因此要安装Conda，只需要安装Miniconda或Anconda即可。

如果通过Anaconda安装, 国内直接从官网下载安装包会比较慢，可以通过https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载。

另外在使用Anaconda中附带的Conda安装软件包时，为了加快速度，也可以为Conda设置使用清华的源，具体使用可以参考https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

使用Conda安装包时，默认是从https://repo.continuum.io/pkgs/ 搜索并下载的。
官方下载：https://www.anaconda.com/products/individual
清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

2.2 Anaconda安装步骤

2.2.1 备份文件

备份环境变量相关文件

cp $HOME/.bashrc $HOME/.bashrc.bak20230808

2.2.2 创建目标目录

创建Anaconda安装目录

mkdir -p /home/cw/soft/python3

2.2.3 执行安装脚本

执行Anaconda安装脚本

sh Anaconda3-2020.07-Linux-x86_64.sh

输入yes接收协议内容

输入安装路径：/home/cw/soft/python3/conda

输入no不进行初始化

完成Anaconda安装

2.2.4 配置环境变量

添加环境变量Conda，并使环境变量生效，至此anaconda环境配置完成。

vim .bashrc
# 添加以下内容
export PATH=/home/cw/soft/python3/conda/bin:$PATH

使用以下命令让环境变量生效

source $HOME/.bashrc

2.2.5 添加虚拟环境配置

添加虚拟环境安装路径：/home/cw/soft/python3/envs，该自定义配置项将会自动添加到$HOME/.condarc中。

conda config --add envs_dirs /home/cw/soft/python3/envs

2.3 回退操作

删除home目录下的配置项(务必谨慎)

rm -rf /home/cw/.condarc
rm -rf /home/cw/.conda

删除安装文件夹

rm -rf /home/cw/soft/python3

恢复原始的.bashrc文件

mv $HOME/.bashrc.bak20230808 $HOME/.bashrc

即去除行：export PATH=/home/cw/soft/python3/conda/bin:$PATH

三、Conda使用

3.1 Conda目录结构介绍

下图为Conda目录层级，主要分为pkgs目录和envs目录。

其中：

• pkgs目录：主要是下载、存放缓存，以及提取下载的conda包的地方。同时，Anaconda一起携带的包也会放在这里。它有一个非常关键的作用：在构建一些envs的时候，对一些包的依赖会通过硬盘链接链接到pkgs目录，这样虚拟环境生成的速度会大大加快，占用空间就大大减小了
• envs目录：主要用来存放虚拟环境。

3.2 Conda命令介绍

3.2.1 Conda版本管理

3.2.1.1 查看当前conda版本

查看Conda当前版本信息

conda --version

3.2.1.2 更新conda

更新Conda版本，此操作需联网。

conda update conda

3.2.1.3 查看conda信息

显示Conda基础信息

conda info

显示所有conda信息

conda info --all

显示当前所有虚拟环境

conda info -e

显示环境变量

conda info -s

3.2.2 Conda环境管理命令

3.2.2.1 创建环境

创建一个名为snowflakes的环境，并安装biopython（默认使用下载anconda时选择的python版本)

conda create --name snowflakes biopython

创建python＝3.8.3的版本环境取名叫nlp

conda create -n nlp python=3.8.3

创建名为bunnies，使用python 3.8.3的环境，并安装astroid和babel

conda create --name bunnies python=3.8.3 astroid babel

创建名为tf的环境，并安装python和tensorflow两个包

conda create -n tf python=3.8 tensorflow=2.2

3.2.2.2 离线创建虚拟环境

不联网进行虚拟环境创建。

conda create -n my_env_name --offline

3.2.2.3 激活环境

可以使用以下命令进行环境切换，不切换则默认在base环境中。

source activate test
conda activate test(初始化后可使用)

3.2.2.4 退出环境

source deactivate
conda deactivate(初始化后可使用)

3.2.2.5 复制环境

复制snowflakes环境到flowers

conda create --name flowers --clone snowflakes

离线复制base环境

conda create -n jsyy --clone base --offline

3.2.2.6 删除环境

使用以下命令可以完整的删除指定虚拟环境

conda remove -n flowers --all

3.2.2.7 查看所有环境

使用以下命令可以查看所有的虚拟环境信息，*标识的表示当前所在的虚拟环境。

conda info -e

也可使用以下命令

conda env list

3.2.3 Conda Python版本管理命令

Conda把Python看作和其他包一样，可以在创建虚拟环境的时候指定

3.2.3.1 查看可用的Python版本

使用以下命令可以查看当前Conda可下载的python版本信息。

conda search --full-name python

3.2.3.2 安装不同版本的python

conda create --name snakes python=3

3.2.4 Conda 包管理

查看可以通过Conda命令安装的包名，可以在网站查看http://docs.continuum.io/anaconda/pkg-docs.html

3.2.4.1 查看当前环境下的已经安装的包

# 不加-n选项，默认查看当前环境
conda list
# 查看环境test下已安装的包
conda list -n test

3.2.4.2 查找包

1.精确查找

查找全名为“Python”的包有哪些版本可供安装

conda search --full-name python

2.模糊查找

查找含有“py”字段的包，有哪些版本可供安装

conda search py

3.查看包详细信息

查找paramiko所有版本的包的详细信息

conda search paramiko --info

查找paramiko版本大于等于2.7.0的相关包信息

conda search 'paramiko>=2.7.0' --info

3.2.4.3 Conda 安装包(联网环境下)

安装包到环境test2，不加-n或–name时，默认安装到当前环境

conda install -n test2 paramiko

可以看到安装时会列出以下内容

1. 当前所在环境
2. 所需其他依赖包及其版本，安装包时自动安装其依赖项。

注意：conda默认从https://repo.continuum.io/pkgs/下载安装包，当无法找到需要的安装包时，可以通过Anaconda.org安装包, 在https://anaconda.org/search 可以搜索可用的包并在包详情页面获取下载命令，如:

# 安装包psycopg2
conda install -c conda-forge psycopg2
# 检查安装结果
conda list

找不到的包可以先在以下两个网站里查找

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
• https://anaconda.org/anaconda/repo

找到之后就直接下载下来了，下载到的是一个.tar.gz2的压缩文件，之后将压缩文件放在Anaconda安装目录的pkgs目录下（注：conda install 缓存文件路径为anaconda/pkgs）。
如果是因为网络原因某个包下载失败，可以删除原来下载的不完整的缓冲文件，再复制或本地安装即可，例如：

conda install --use-local pytorch-0.4.0-py35_cuda8.0.61_cudnn7.1.2_1.tar.bz2

注意：–use-local后面最好写绝对路径，或者进入到Anaconda的pkgs目录下再执行上述语句。
当实在无法使用conda安装，也无法从Anaconda.org下载到需要的安装包时，可以通过pip命令安装

pip install see
# 查看包
conda list

注意：

1. pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。
2. pip无法更新Python，因为pip并不将Python视为包。
3. pip可以安装一些Conda无法安装的包；Conda也可以安装一些pip无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。

3.2.4.4 更新包

更新当前环境下所有的包，可使用如下命令完成。

conda update --all

如果只想更新某个包或某些包，则直接在update命令的后面加上包名即可，多个包之间使用空格隔开，示例命令如下。

# 更新numpy包
conda update NumPy 

# 更新pandas、NumPy、matplotlib包
conda update pandas NumPy matplotlib 

3.2.4.5 删除包

删除test2环境中的paramiko包

conda remove -n test2 paramiko

删除前环境中的包列表

删除指定python包时，其依赖的一些包也会一起删除。

删除后环境中的包列表

3.2.4.6 删除环境

删除test环境

conda remove -n test --all

3.2.4.7 清理包

删除没有使用的包，这个命令会检查哪些包没有在包缓存中被硬依赖到其他地方，并删除它们。

conda clean -p

删除所有的索引缓存、lock文件、未使用的缓存包和压缩包

conda clean -a
conda clean -y -all

删除索引

conda clean -i

删除缓存的包压缩包

conda clean -t