conda_学习

参考:

• Anaconda 官网教程 https://freelearning.anaconda.cloud/get-started-with-anaconda/18202
• conda配置虚拟环境/conda环境迁移/python环境迁移 https://blog.csdn.net/qq_43369406/article/details/127140839

环境：

• macOS 15.2
• Anaconda Navigator 2.4.2

---

x.1 conda和docker区别

Conda: 一个包管理和环境管理工具，主要用于 Python 和 R 的科学计算与数据科学工作流。主要用于创建隔离的Python或R环境，解决依赖关系，防止依赖冲突。

Docker: 一个基于容器技术的虚拟化平台，用于创建、部署和运行隔离的操作系统级环境。很方便的整个操作系统的环境迁移。

x.2 Conda的workflow

Conda的workflow如下，永远都是:

创建虚拟环境
激活虚拟环境
安装库
使用JupyterLab进行测试
退出虚拟环境
删除虚拟环境

# 查看
conda --version		# 查看conda版本
conda env list		# 查看虚拟环境有哪些

# 创建新env
conda create --name env_cp311_example python=3.11

# 进入env
conda activate env_cp311_example

# 使用conda装包，并指定conda装包的channel为conda-forge
conda install -c conda-forge jupyterlab

# 启动jupyterlab
jupyter-lab	# 随后，终端中会显示一个本地服务器地址（通常是 http://localhost:8888）

# 使用pip装包，并指定pypi装包的渠道为豆瓣源
pip install python-bioformats javabridge 	# 配合terminal export一下proxy使用
pip install python-bioformats javabridge -i https://pypi.tuna.tsinghua.edu.cn/simple	# 清华源
pip install python-bioformats javabridge -i https://pypi.douban.com/simple/				# 豆瓣源
pip install python-bioformats javabridge -i https://mirrors.aliyun.com/pypi/simple/		# 阿里源
pip install python-bioformats javabridge -i https://pypi.mirrors.ustc.edu.cn/simple/	# 中科大

# 使用requirements.txt装包
pip install -r requirements.txt

# 查看conda和pypi各装了什么包
conda list

# 退出虚拟环境
conda deactivate

# 删除虚拟环境
conda env remove --name env_cp311_example

x.2.1 创建虚拟环境

在这一步开始前，我们首先需要查看我们的Conda是否安装成功，

conda --version	# 查看conda版本
conda env list		# 查看虚拟环境有哪些

需要注意的是NEVER USE IN BASE.

接下来创建新的虚拟环境：# 使用–name指定env的名字，其中env是环境，cp39是cpython=3.9，example是project name；python=3.9是指定python版本。

conda create --name env_cp39_example python=3.9	

x.2.2 激活环境，安装库并测试

我们使用activate来激活conda中的env，

conda activate env_cp39_example

通过激活新的env我们能看见前面小括号内的名称变了，从(base)变成了(env_cp39_example)；接下俩你安装的所有库都是在这个环境中。

使用install来安装新的环境：-c是指定从哪个channel进行安装，conda-forge是社区驱动的conda包仓库；jupyterlab是安装的具体软件包名称，用于可视化编程；

conda install -c conda-forge jupyterlab

可以使用list来看该环境中一共安转了哪些包，其中显示的channel是指你从那个渠道下载下来的，常见的用pip安装的channel是pypi，conda安装的有诸如conda-forge等；下图中左为base，右边是创建的venv；

conda list

我们在安装完jupyterlab后推荐使用jupyterlab来进行简单的测试和数据分析，在terminal中输入如下命令使用jupyter来分析，

jupyter-lab

退出jupyter-lab只需要在terminal中control+c便可，

x.2.3 退出环境与删除虚拟环境

退出环境使用deactivate

conda deactivate

删除虚拟环境用remove

# 删除虚拟环境
# conda env remove --name [your env name]
conda env remove --name env_cp39_example

x.3 conda环境迁移

x.3.1 云环境备份

只有支持使用桌面版的"Anaconda Navigator"才可以使用云环境备份来迁移；

conda和其他很多软件一样支持云存储，我们使用anaconda navigator进行备份，登录账号后选择back up便可以将环境备份上云；当我们使用别的操作系统（windows，linux桌面，mac）的时候直接安装navigator将conda的环境迁移便可。

需要注意的是windows的env直接移动到mac是不可行的，因为操作系统不一样。

x.3.2 Linux用命令行进行环境迁移

参考 “conda配置虚拟环境/conda环境迁移/python环境迁移” https://blog.csdn.net/qq_43369406/article/details/127140839

x.4 Conda环境迁移的workflow

# 进入需要导出的Conda环境
conda activate env_cp311_ymz

# 生成Conda依赖: environment.yml
conda env export > environment.yml
# 将文件分为Conda需要安装的部分和Pip需要安装的部分（这样是为了避免迁移的时候，base的pip装了environment.yml中的pip库）
# 将environment.yml中的pip删除(直到删除到-pip:为止，-pip保留，如下图)

# 生成pip依赖: requirements.txt
pip freeze > requirements.txt 			# 生成requirements.txt

# 去另外一个环境进行迁徙
# 安装Conda
conda env create -f environment.yml		# 可以跟-n来指定conda的名字

# 安装pip依赖（采用轮流注释法安装）
pip install -r requirements.txt 		# 从requirements.txt安装依赖