Python使用虚拟环境Conda的安装使用教学

1️⃣ Python 常用的环境

以下是对 Python 中使用的 venv、conda、pipenv、poetry 等环境的分析，包括它们的应用场景、优势（性能、CPU处理、代码移植等方面）、使用难度等方面的介绍：

环境工具	应用场景	优势（性能、CPU处理、代码移植）	使用难度
venv	适用于简单的Python项目，需要隔离项目依赖以避免冲突	- 轻量级，易于创建和销毁 - 独立的Python环境，避免库版本冲突 - 支持跨平台（Linux、Windows、MacOS） - 代码移植性好，环境一致性高	较低，Python自带，无需额外安装
conda	适用于复杂的数据科学和科学计算项目，需要管理多种语言和库。	- 强大的包和环境管理能力 - 支持多种语言和库（不仅限于Python） - 易于安装和管理二进制包，无需编译 - 优秀的环境隔离和版本控制 - 高性能计算支持（如MPI）	中等，需要单独安装conda管理器 Anacoda 官网
pipenv	适用于需要自动化虚拟环境管理和依赖管理的Python项目	- 自动化创建和管理虚拟环境 - 基于Pipfile和Pipfile.lock进行依赖管理，确保一致性 - 支持requirements.txt文件的自动生成和更新 - 提供命令行工具简化操作	较低，易于上手，但比venv稍复杂
poetry	适用于需要更现代化、一体化项目管理解决方案的Python项目	- 依赖管理更精确，支持版本约束和依赖解析 - 自动创建和管理虚拟环境 - 提供构建、打包和发布项目的命令 - 强调“诗意编程”，组织项目更加优雅和简洁	中等，需要单独安装，但提供了丰富的文档和社区支持

分析说明

1、venv：(Virtual Environment)
○ 应用场景：适合初学者和小型项目，因为它简单且易于使用。
○ 优势：轻量级且跨平台，非常适合快速创建独立的Python环境来避免库版本冲突。
○ 使用难度：非常低，因为它是Python 3.3 及以上版本的内置模块，无需额外安装。

2、conda：

• 应用场景：特别适合数据科学和科学计算领域，因为它能管理多种语言和库，且支持高性能计算。
• 优势：强大的包和环境管理能力，以及支持二进制包的直接安装，大大简化了依赖管理过程。
• 使用难度：中等，因为需要单独安装 conda 管理器，但一旦安装，其强大的功能可以显著提高开发效率。

3、pipenv：

• 应用场景：适用于需要自动化虚拟环境管理和依赖管理的项目。
• 优势：通过 Pipfile 和 Pipfile.lock 文件，提供了更加智能和可靠的依赖管理方式，同时简化了虚拟环境的创建和管理过程。
• 使用难度：较低，但比 venv 稍复杂，因为它需要单独安装 pipenv 包。

4、pipenv：

• 应用场景：适用于需要更现代化、一体化项目管理解决方案的项目，特别是那些需要频繁发布和严格版本控制的项目。
• 优势：提供了更精确和强大的依赖管理能力，以及构建、打包和发布项目的命令，使得项目管理更加简化和高效。
• 使用难度：中等，需要单独安装，但提供了丰富的文档和社区支持，使得学习和使用相对容易。

---

---

2️⃣ 安装 Conda

一、安装 Conda

首先，你需要安装 Anaconda 或 Miniconda，它们都包含了 conda 包管理器以及基础的科学计算库。选择其中一个：

Anaconda：包含了大量的科学计算、数据分析相关的库（如 numpy、pandas 等），适合数据科学和机器学习项目，下载大小较大。
Miniconda：一个轻量级版本，它只包含了 Conda 和 Python，没有预装其他科学计算包。用户可以通过 Conda 安装所需的包，这使得 Miniconda 成为那些只需要基础环境或希望自定义安装包的用户的理想选择。
Bioconda: 是 一个 Conda 频道，专注于生物信息学相关的软件包。它提供了一个集中的地方来安装、更新和分发生物信息学工具，这些工具通常很难通过标准的包管理器获得。Bioconda 使得生物信息学研究人员能够轻松地管理和安装他们需要的软件包。不是一个独立的发行版，而是一个 Conda 频道。因此，它没有单独的下载链接。用户需要在安装 Anaconda 或 Miniconda 后，通过添加 Bioconda 频道来访问其提供的软件包。

访问以下网址下载对应操作系统的安装包：

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

Miniconda: 
	https://docs.conda.io/en/latest/miniconda.html
	https://docs.anaconda.com/miniconda/

下载后，按照安装向导进行安装，确保在安装过程中勾选将conda添加到系统PATH（默认通常会勾选）。
检查是否安装成功
完场上述步骤之后，需要再检查下 conda 是否能够正常使用。在电脑左下角搜索找到 Anaconda Prompt，点击打开后，在控制台中输入 conda --version，回车如果返回了 conda 版本信息则说明安装成功。

---

二、Conda中的几个重要目录 envs、pkgs

1. pkgs文件夹:

• 位置: C:\Users\[userName]\.conda\pkgs
• 内容：pkgs文件夹包含了通过conda安装的软件包。这些软件包以压缩包的形式存在，并且每个包都驻留在与其规范名称相对应的子目录中。此外，这个文件夹还用于下载、存放缓存，以及提取下载的conda包。【通常有几个G、管理该文件的方式见下文】
• 作用：
  (1) 存储和缓存：作为conda包的存储和缓存仓库，pkgs文件夹使得conda能够高效地管理和访问已下载的软件包。
  (2) 环境构建加速：在构建虚拟环境（envs）时，conda会通过硬盘链接将包的依赖链接到pkgs目录，从而加快虚拟环境的生成速度，并减少占用的空间。

2. envs文件夹:

• 位置: C:\Users\[userName]\.conda\envs
• 内容：envs文件夹包含了通过conda创建的虚拟环境。每个虚拟环境都是一个独立的目录，其中包含了该环境特有的Python解释器、库文件、环境变量等。这些虚拟环境允许用户在不同的项目中使用不同版本的Python和库，而不会产生冲突。
• 作用：
  (1) 隔离环境：通过创建虚拟环境，conda能够确保每个项目都使用其所需的特定版本的Python和库，从而避免了不同项目之间的依赖冲突。
  (2) 灵活切换：用户可以轻松地创建、删除、激活和停用不同的虚拟环境，以适应不同的开发需求。

---

三、pkgs 文件的管理

由于pkgs文件夹内容过大，可以采取以下几种方法来清除一些内容，以释放磁盘空间：

1. 使用 conda clean 命令

conda clean命令是conda提供的一个工具，用于清理不再需要的包和缓存文件。对于pkgs文件夹，可以使用以下命令：

• 用cmd终端清理未使用的包：

conda clean --packages
:: 或
conda clean -p

这个命令会删除那些不再被任何环境引用的包。

• 用cmd终端清理所有缓存（包括包和索引缓存）：

conda clean --all
rem 或
conda clean -a

这个命令比较强力，会删除所有缓存，包括pkgs文件夹中的包以及conda的索引缓存等。但请注意，在使用此命令之前，请确保没有其他环境依赖于这些可能被删除的包版本。

2. 手动删除
虽然不推荐，但也可以手动删除pkgs文件夹中的某些包。然而，这种方法风险较高，因为如果不小心删除了正在使用的包，可能会导致环境损坏或无法正常工作。因此，在手动删除之前，请务必确认这些包确实不再需要。

注意事项

• 在执行清理操作之前，建议备份重要数据，以防万一。
• 如果不确定某个包是否还在使用，可以先使用conda list命令查看当前环境中已安装的包，以及它们的来源（是否来自pkgs文件夹）。
• 清理pkgs文件夹后，再次安装或更新包时，conda会重新下载所需的包到pkgs文件夹中。

---

---

3️⃣ Conda 使用教学

1. 查看 Conda 自带库

	conda list

---

2. 创建、删除 Conda 虚拟环境

在命令行中，使用以下命令创建一个名为 .env 的新虚拟环境，指定Python版本（例如Python 3.10）、需要的第三方库：

• 先选择一个工作目录(注意环境与工作目录的区别，下文有讲解)，比如，

D:\GitHubP\gratis\manim

• 执行下面的语句

cd /d D:\GitHubP\gratis\manim
conda create --name myenv python=3.10 numpy matplotlib

这将创建一个名为 myenv 的环境，并在其中安装 Python 3.10、NumPy 和 Matplotlib。在创建环境时，会有软件包列表的提示。输入 y 确认后即等待环境创建即可。

• 如果不想要一个环境了，例如我们要把 myenv 这个名字的环境删除，可以通过如下命令进行删除：

conda remove --name myenv --all

---

3. 激活、关闭Conda虚拟环境

激活创建好的虚拟环境：

# windows
conda activate myenv
# Linux/Unix
source activate myenv

退出创建好的虚拟环境：

conda deactivate

激活后，命令行提示符会显示当前活动环境的名称（如(myenv)），表示你现在处于该虚拟环境中。

---

4. 安装、删除 Python 包

在激活的环境中，使用conda或pip安装所需的 Python 包。例如，安装 numpy和pandas：

conda install numpy pandas

或者使用pip（在conda环境中，pip会与conda兼容）：

pip install numpy pandas

当我们要在不同环境下安装库时，需要先切换到指定环境当中

• 删除 numpy 和 pandas 库，可以执行如下命令进行：

conda remove numpy pandas

---

5. Conda环境下，运行 demo.py

这里我们写一个名为 demo.py 的简单模拟进度条的 python 脚本，但用到需要额外安装的 tqdm 库，代码如下：

python demo.py

补充：conda的三个位置：安装位置，环境位置、工作目录

1. Anaconda/Miniconda 安装目录

默认位置：在Windows系统中，Anaconda或Miniconda通常会默认安装到 C:\ProgramData\Anaconda3或 C:\Program Files\Anaconda3 等目录（具体取决于安装时的选择）。这个目录包含了Anaconda或Miniconda的基础文件和库。
自定义位置：用户也可以在安装过程中选择将Anaconda/Miniconda安装到系统的其他位置。

2. Conda 环境和包存储位置

默认环境目录：Conda默认会在用户的主目录下的.conda文件夹中创建环境。例如，在Windows系统中，这通常是C:\Users\username.conda\envs目录，其中username是用户的用户名。
包存储位置：Conda安装包时，默认会使用用户目录下的.conda\pkgs目录来存储下载的包。这些包在创建环境时会被用来安装依赖项。

3. 修改默认工作目录

用户可以通过以下方式修改Conda的默认工作目录：
修改配置文件：通过运行conda config --add envs_dirs /path/to/your/envs命令，可以将新的目录添加到Conda的环境目录列表中。这里，/path/to/your/envs应该替换为你希望Conda在其中创建环境的目录路径。
在创建环境时指定路径：使用conda create --prefix /path/to/your/env/myenv命令可以在创建环境时直接指定环境的存放位置。这里，/path/to/your/env是存放新环境的目录路径，myenv是环境名称。
在删除环境时指定路径：使用conda env remove --prefix D:\GitHubP\gratis\manim\.conda命令可以在删除环境时直接指定环境的存放位置。这个命令会删除位于 D:\GitHubP\gratis\manim\.conda 的整个 Conda 环境。

# 指定环境创建，不能写环境名称
conda create --prefix /path/to/your/env/myenv python=3.10
# 指定环境删除
conda env remove --prefix D:\GitHubP\gratis\manim\.conda

4. 注意事项

在修改Conda的工作目录时，请确保新的目录路径是可访问的，并且有足够的空间来存储环境和包。
如果已经将Conda环境或包存储到了系统盘（如C盘），并且希望节省空间，可以考虑将它们移动到其他磁盘上。这通常涉及复制.conda目录到新的位置，并更新环境变量以指向新的位置。

注: conda 环境位置与项目的位置一般不同，两者分离开来 ☆☆☆☆。
在conda环境中编写代码的位置，即工作目录，并不是由conda直接指定的，而是由你使用的开发环境或编辑器在启动或打开项目时设置的。工作目录是你在其中编写、保存和运行代码的文件夹。以下是一些关于如何设置和识别工作目录的要点：

1. 命令行（终端）

当你在命令行（如CMD、PowerShell、bash等）中工作时，你的当前工作目录是你在命令行中输入命令时所在的文件夹。你可以使用cd命令（在Windows和Unix-like系统中都有效）来改变当前工作目录。例如，在Windows中，你可以使用 cd C:\path\to\your\project 来更改工作目录到你的项目文件夹。
在conda环境中，当你激活了一个特定的环境后，你可以在该环境中运行Python脚本或Jupyter Notebook等，但工作目录仍然是你在命令行中设置的当前目录。

2. 集成开发环境（IDE）

如果你使用IDE（如PyCharm、VS Code等）来编写代码，IDE通常会让你在启动时或打开项目时选择工作目录。这个工作目录通常是你的项目文件夹，但你可以根据需要在IDE的设置中更改它。
在IDE中，你可以通过查看IDE的文件浏览器或项目资源管理器来识别当前的工作目录。此外，IDE的终端或命令行界面通常也会继承IDE的工作目录作为当前工作目录。

---

6. 管理Conda环境

除了创建和激活环境，conda还提供了丰富的环境管理功能：

• 一、列出所有环境：

conda env list

• 二、删除环境

conda remove --name myenv --all

• 三、克隆环境：

conda create --name myenv_copy --clone myenv

• 四、导出环境配置：

conda env export > environment.yml

• 五、从配置文件创建环境：

conda env create -f environment.yml

该命令会将当前的环境配置信息导出到为 environment.yml 配置信息文件，文件导出地址默认为当前工作目录（也可以指定输出的绝对地址）。这时候，我们将配置文件传到另一台电脑，想基于该配置文件创建 conda 环境。

---

---

附录. Conda 配置

• 查看 Conda 配置信息

conda config --show

• Conda换源

Conda 包管理器下载各类库的来源是国外的服务器，常常会面临下载速度慢的问题。可以为 conda 添加软件包通道（channel），以清华源为例，在打开的 Anaconda prompt 控制台窗口中，输入如下命令可以将清华源的两个地址添加到通道。

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/

• 查看Conda下载时，所用源路径

为了在查看 conda 软件包通道的下载链接时能显示我们手动配置的通道地址，可以通过如下命令进行设置：

conda config --set show_channel_urls yes

• 如果想要重置下载源的信息，可以用如下 命令实现:

 conda config --remove-key channels

• 修改Connda配置文件

当然，除了通过命令行的形式添加下载源，也可以直接修改配置文件 .condarc，在 Windows 系统下，它通常位于

 C:\Users\用户名\

路径下，可以手动添加如下内容进行配置：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

只有在执行前面的配置下载源的命令时才会出现 .condarc 文件，默认情况下时没有的，如果没有该文件，可以自己手动创建一个文件并写入以上的内容，保存后，conda 将会使用其中配置的下载源来获取软件包。

---

Sunset mountains and seas, mountains and seas deep meaning
🌌日落归山海，山海藏深意🪁

---