python的环境管理器--conda

conda介绍

      任何语言的包、依赖和环境管理 --- 支持Python, R, Ruby, Lua, Scala, Java, JavaScript, C/ C++, FORTRAN

功能：

包管理：方便的安装、更新、卸载python包，同时可以管理包的版本避免不同项目之间的依赖冲突

环境管理：用户可以通过conda创建、激活、切换和删除python环境，隔离不同项目的依赖关系，避免版本冲突。

跨平台兼容性：不同操作系统，都能提供一致的管理体验

包仓库管理：支持多个包仓库，允许用户从不同的源安装软件包

优点：

• 快速安装、运行和更新包及其依赖项
• 轻松地在本地计算机上创建、保存、加载和切换环境

安装Conda

根据不同的需求，从 Anaconda 和 Miniconda 二者选其一进行，进行安装即可：

• 图方便，省事，想一步到位就可以选 Anaconda：Download Success | Anaconda
• 想要小巧，灵活，快速就选 Miniconda：Miniconda — Anaconda documentation

以下就是需要添加的环境变量，相应用户的目录存在差异，但是后面的路径名称相同。

D:\anaconda

D:\anaconda\Scripts\

D:\anaconda\Library\bin

D:\anaconda\Library\mingw-w64\bin

安装检验：

conda --version

pycharm配置conda环境

Conda使用实例

查看所有环境的列表

借助 conda info 命令可以查看与 conda 相关的一些信息，配合 -e, --envs 选项，可以查看所有环境的列表（conda 会默认创建一个 base 环境）

$ conda info --envs
# conda environments:
#
base                  *  /usr/local/Caskroom/miniconda/base

创建一个新环境

通过 conda create 命令可以创建一个新环境，利用 --name 选项，可以为新环境命名，比如：创建一个新环境 test

conda create --name test

使用或"激活"新环境

要使用或"激活"新环境，需要使用下面的命令，比如：激活 test 环境：

conda activate test

• 如果直接使用 conda activate （不带环境名），会默认切回 base 环境

再次查询所有环境的列表：

$ conda info --envs
# conda environments:
#
base                     /usr/local/Caskroom/miniconda/base
test                  *  /usr/local/Caskroom/miniconda/base/envs/test

观察 * 的变化可以发现，当前已经成功切换到 test 环境

Notes： conda activate 仅适用于 conda 4.6 及更高版本

删除一个环境

删除环境需要用到 conda remove 命令：

conda remove --name ENVIRONMENT --all

比如：删除前面创建的 test 环境

conda remove --name test --all

查询所有环境的列表，看是否删除成功：

# conda environments:
#
base                  *  /usr/local/Caskroom/miniconda/base

发现已经成功删除，只剩下 base 环境。

conda 管理 Python 版本

在前面创建新环境时，conda 会默认安装在下载和安装 Anaconda/Miniconda 时使用的相同 Python 版本。

如果要使用不同版本的 Python，例如 Python 3.10.11，只需创建一个新环境并指定所需的 Python 版本即可。

创建环境时指定 Python 版本

为了方便后面比较，先查询一下 base 环境下的 Python 版本：

$ conda activate && Python -V
Python 3.10.11

然后创建一个名为 test 的包含 Python 3.7.1 的新环境：

conda create --name test python=3.7.1

验证一下是否成功，切换到 test 环境，查询 Python 版本：

$ conda activate test && Python -V
Python 3.7.1

从展示的结果来看已经成功，test 环境下的 Python 版本为我们指定的 3.7.1 版本

Conda 配置

conda 配置文件 .condarc 是一个可选的运行时配置文件[5]，它允许高级用户配置 conda 的各个方面，例如它搜索包的渠道、代理设置和环境目录。

.condarc 文件可以更改许多参数，包括：

• conda 在哪里寻找包
• conda 是否以及如何使用代理服务器
• conda 列出已知环境的位置
• 是否使用当前激活的环境名称更新 Bash 提示符
• 用户构建的包是否应该上传到 http://Anaconda.org
• 在新环境中包含哪些默认包或功能

创建和编辑配置文件

默认情况下不包含 .condarc 文件，但它会在第一次运行 conda config 命令时自动在主目录(~)中创建。

可以通过 conda config 命令创建或修改 .condarc 文件，也可以直接在 Home 目录或者根目录直接创建或者编辑 .condarc 文件，需要注意的是，.condarc 配置文件遵循简单的 YAML 语法。

可以通过 conda info 命令来查找有关 .condarc 文件的信息：

$ conda info | grep -i config
user config file : /Users/borne/.condarc
populated config files :

配置文件的搜索路径

Conda 在以下位置查找 .condarc 文件：

if on_win:
    SEARCH_PATH = (
        "C:/ProgramData/conda/.condarc",
        "C:/ProgramData/conda/condarc",
        "C:/ProgramData/conda/condarc.d",
    )
else:
    SEARCH_PATH = (
        "/etc/conda/.condarc",
        "/etc/conda/condarc",
        "/etc/conda/condarc.d/",
        "/var/lib/conda/.condarc",
        "/var/lib/conda/condarc",
        "/var/lib/conda/condarc.d/",
    )

SEARCH_PATH += (
    "$CONDA_ROOT/.condarc",
    "$CONDA_ROOT/condarc",
    "$CONDA_ROOT/condarc.d/",
    "$XDG_CONFIG_HOME/conda/.condarc",
    "$XDG_CONFIG_HOME/conda/condarc",
    "$XDG_CONFIG_HOME/conda/condarc.d/",
    "~/.config/conda/.condarc",
    "~/.config/conda/condarc",
    "~/.config/conda/condarc.d/",
    "~/.conda/.condarc",
    "~/.conda/condarc",
    "~/.conda/condarc.d/",
    "~/.condarc",
    "$CONDA_PREFIX/.condarc",
    "$CONDA_PREFIX/condarc",
    "$CONDA_PREFIX/condarc.d/",
    "$CONDARC",
)

其中，需要特别说明的是：

• XDG_CONFIG_HOME 是根据 XDG 基本目录规范 (XDGBDS) 定义的用户特定配置文件的存储路径
• CONDA_ROOT 是基本 conda 安装的路径
• CONDA_PREFIX 是当前活动环境的路径

配置间的优先级

当配置之间出现冲突时，采用以下策略：

• Lists - merge
• Dictionaries - merge
• Primitive - clobber

构建 conda 配置的优先级如下所示，从左到右优先级一次递增：

• Config files(by parse order)：配置文件按照解析的顺序，优先级从高到低
  比如："~/.config/conda/.condarc" 优先级高于 "~/.conda/.condarc"
   
• Config files specified by $CONDARC：$CONDARC 指向的配置文件优先级高于其他配置文件
   
• Command line parameter：通过 conda config --set 命令进行配置的优先级高于配置文件
   
• Environment variables：通过环境变量进行配置的优先级最高