深入了解pip和conda：高效Python环境管理的必备指南

pip相关命令:

更新包之前最好更新一下pip，因为更新其他包底层是依赖 pip

pip show pip

python -m pip install --upgrade pip

python更新包：

• - ​	pip install --upgrade 包
  pip install pandas
  
  - ​	pip install --upgrade 包名称==版本号
  

查看那些包需要更新：

pip list --outdated
# 或者
pip list -o

更新某些包：

# pip install --upgrade 要升级的包名
pip install tensorflow == 1.13.1

pip install -U 库名

删除库：

pip uninstall pandas
pip uninstall -y pandas # -y 表示跳过询问，直接卸载

conda相关命令：

环境：

创建新环境：

下面这三个写法都可以，大家在开发中随意选一个就可以。

conda create --name env_name python=3.7
conda create -n env_name python=3.7
conda create --name env_name -y

• --name可以简写为-n

• env_name 就是你想设置虚拟环境的名字

• -y 意味遇到询问，直接全部回复 y

下面是在创建环境时同时安装相应的包。

conda create -n yourEnvName python=3.7 numpy scrapy  scipy=0.17.3

在某个目录下创建环境：

conda create --prefix=E:\env\env_name python=3.8

conda activate  E:\env\env_name  # 进入环境
conda remove -p F:\env\env_name --all 

删除环境:

conda remove -n env_name --all -y
conda remove -n paddle_env --all -y

conda env remove --name env_name -y

环境之间的切换：

conda activate env_name(你想要切换进去的环境名称)

退出当前环境：

• 默认是退回到base环境

conda deactivate

查看当前所在环境：

conda info --envs # 输出中带有*号的的就是当前所处的环境

conda env list

环境重命名：

conda rename -n old_name new_name

conda升级包：

注意：需要先切换到某个环境下再进行输入。

conda update <package_name> 

升级环境中所有包：

conda update --all 

配置jupyter：

新环境安装jupyter notebook：

conda install nb_conda
conda install ipykernel

python -m ipykernel install --name pytorch --display-name "Pytorch"
#--name pytorch 是新环境的名字，后面是jupyter notebook展示的名字
python -m ipykernel install --user --name paddle --display-name paddle

查看有哪些已经配置jupyter notebook 环境：

jupyter kernelspec list

在环境中删除jupyter：

jupyter kernelspec uninstall name
jupyter kernelspec uninstall paddle_env

回滚：

​ 如果我们对某个环境进行了新的配置，结果出现了某种问题，我们需要回到之前的环境配置，这就需要回滚，可以依次执行：

1. 查看conda更新历史

conda list --revision

2. 执行回滚

conda install --revision n # n就是上面的版本号数字

回滚到5版本。

conda install --revision 5

总结：

​ 在本篇博客中，我们深入探讨了pip和conda这两个强大的Python包管理工具。通过学习这些相关命令，我们可以轻松地下载、更新和删除Python包，构建适合自己需求的开发环境，并且掌握了在conda中创建环境、配置Jupyter Notebook以及回滚环境的技巧。这些知识不仅为搭建深度学习环境提供了基础，还可以作为日常开发中的速查命令手册。希望本文能够帮助你更好地管理和利用Python生态系统中的工具和资源，提高开发效率。如果你有任何问题或者其他有关Python环境管理的话题，欢迎在评论区留言，我们一起交流探讨！