Ubuntu安装Anaconda(1)，2024年最新985研究生被小公司领导留了3年

designed for exploratory data analysis and ML. Get better data insights

with DataSpell.

DataSpell for Anaconda is available at: https://www.anaconda.com/dataspell

补充：

For changes to take effect, close and re-open your current shell.

关闭当前命令行，并重新打开，刚刚安装和初始化Anaconda设置才可以生效。

重新打开一个终端，默认直接进入conda的base环境，如下

(bash)/home/xxxx:$

需要手动关闭：

If you’d prefer that conda’s base environment not be activated on startup, set the auto_activate_base parameter to false:

如果您希望 conda 的基础环境在启动时不被激活，请将 auto_activate_base 参数设置为 false

设置命令如下：

conda config --set auto_activate_base false

执行完以上命令，需要重启终端才能生效，想要再次进入到conda的base环境，执行以下命令：

conda activate base

步骤5：

激活当前环境变量，重新启动系统或者执行以下命令行，让环境变量生效：

默认是bash配置文件

$ source ~/.bashrc

步骤6验证conda的安装：

$ conda list

packages in environment at /home/xxxx/anaconda3:

Name                    Version                   Build  Channel

_ipyw_jlab_nb_ext_conf    0.1.0            py39h06a4308_1

_libgcc_mutex             0.1                        main

_openmp_mutex             4.5                       1_gnu

aiohttp                   3.8.1            py39h7f8727e_1

aiosignal                 1.2.0              pyhd3eb1b0_0

alabaster                 0.7.12             pyhd3eb1b0_0

anaconda                  2022.05                  py39_0

anaconda-client           1.9.0            py39h06a4308_0

anaconda-navigator        2.1.4            py39h06a4308_0

anaconda-project          0.10.2             pyhd3eb1b0_0

anyio                     3.5.0            py39h06a4308_0

appdirs                   1.4.4              pyhd3eb1b0_0

argon2-cffi               21.3.0             pyhd3eb1b0_0

argon2-cffi-bindings      21.2.0           py39h7f8727e_0

arrow                     1.2.2              pyhd3eb1b0_0

astroid                   2.6.6            py39h06a4308_0

astropy                   5.0.4            py39hce1f21e_0

asttokens                 2.0.5              pyhd3eb1b0_0

查看conda的版本号：

(base) conda --version

conda 4.12.0

怎样卸载Anaconda：

$ rm -rf ~/anaconda3

conda的基础使用：

1. 环境管理:

1.查看conda的版本号

conda --version

2.查看虚拟环境列表

conda info --envs

3.创建虚拟环境并指定python的版本号为3.8

conda create -n virtualname pip python=3.9

4.激活虚拟环境

conda activate virtualname

5.退出虚拟环境

conda deactivate

6.删除虚拟环境

conda remove --name virtualname --all

1. 包管理：

1.安装包

conda install PackageName

2.安装多个包

conda install name1 name2 …

3.安装包并指定版本号

conda install PackageName=版本号

4.卸载包

conda remove PackageName

5.更新包

conda update PackageName

6.更新环境中的所有包

conda update --all

7.列出已安装的包

conda list

8.搜寻包

conda search PackageName

pycharm使用anaconda环境：

步骤1创建新的环境：

conda create --name <env_name> <package_names>

<env_name> 即创建的环境名。建议以英文命名，且不加空格，名称两边不加尖括号“<>”。
<package_names> 即安装在环境中的包名。名称两边不加尖括号“<>”。

① 如果要安装指定的版本号，则只需要在包名后面以 python=3.9 和版本号的形式执行。

如： conda create --name python2 python=2.7，即创建一个名为“pytorch”的环境，环境中安装版本为2.7的python。

② 如果要在新创建的环境中创建多个包，则直接在 <package_names> 后以空格隔开，添加多个包名即可。

如： conda create -n python3 python=3.5 numpy pandas ，即创建一个名为“pytorch”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas库。

–name 同样可以替换为 -n 。

在命令行中输入下列指令创建虚拟环境:

conda create -n pytorch1.12  python==3.9

其中 pytorch为本次创建的虚拟环境的名称，1.12为创建的pytorch虚拟环境的版本：

Collecting package metadata (current_repodata.json): done

Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.

Collecting package metadata (repodata.json): done

Solving environment: done

> WARNING: A newer version of conda exists. <

current version: 4.12.0

latest version: 22.9.0

Please update conda by running

$ conda update -n base -c defaults conda

Package Plan

environment location: /home/xxxx/anaconda3/envs/pytorch

added / updated specs:

• numpy

• python==3.9

The following packages will be downloaded:

package                    |            build

---------------------------|-----------------

_openmp_mutex-5.1          |            1_gnu          21 KB

ca-certificates-2022.07.19 |       h06a4308_0         124 KB

certifi-2022.9.24          |   py39h06a4308_0         154 KB

ld_impl_linux-64-2.38      |       h1181459_1         654 KB

libgcc-ng-11.2.0           |       h1234567_1         5.3 MB

libgomp-11.2.0             |       h1234567_1         474 KB

libstdcxx-ng-11.2.0        |       h1234567_1         4.7 MB

ncurses-6.3                |       h5eee18b_3         781 KB

numpy-1.23.1               |   py39h6c91a56_0          11 KB

numpy-base-1.23.1          |   py39ha15fc14_0         5.6 MB

openssl-1.1.1q             |       h7f8727e_0         2.5 MB

pip-22.2.2                 |   py39h06a4308_0         2.3 MB

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

tps://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-KdNQ8BkN-1712721028232)]