python虚拟环境的安装_conda：一个当下最流行的Python虚拟环境工具

前面的文章中，为大家介绍过Python下的虚拟环境和包管理。在实际中，更为流行的是用Conda来管理Python环境。今天这篇文章就为大家介绍这方面的相关内容。

Conda环境

Conda简介

Conda是目前为止，最流行的Python软件包与管理环境。Conda分为miniconda与anaconda两种。前者从名字上就能猜出是精简版，后者预装了很多常用的功能，但比较臃肿。实际工程中，一般都使用miniconda，按需安装软件包，本文的下面篇幅也以miniconda为例进行说明。

Conda安装

首先利用wget下载安装脚本文件：wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh如果速度较慢，可以换用axel或aria2c下载

利用chmod命令修改sh文件为可执行文件，然后运行安装脚本：chmod 755 Miniconda3-latest-Linux-x86_64.shbash ./Miniconda3-latest-Linux-x86_64.sh

在出现的提示界面中，根据提示选择yes或no。一般来说，我们保持默认即可，但需要留意下最后一步会自动在.bashrc文件添加conda的PATH路径。如果conda的环境存在与你日常使用的程序有冲突的命令，就有可能会出现问题。

当然，还有一种方式是在添加PATH路径时选择no，然后在每次需要conda的时候手动找到conda下的active命令激活下。这种方式比较灵活，如果不嫌麻烦建议使用这种方式。注意不要把激活conda与激活虚拟环境搞混。

Conda常用命令

在conda环境中，常用的命令格式为：conda [命令 [参数]]

包管理

与python -m pip list类似，conda可以列出当前环境下的所有包：conda list

版本与升级

conda有一套特别的机制，用于管理和维护依赖库之间的关系。在不同版本的conda中，我们可以直接使用的Python与依赖库的版本都不同，为了确定当前使用的conda版本，可以运行以下命令：conda --version

有时，我们想用的某个库在conda中有问题，或者默认模块安装的版本比较旧，可以先尝试升级解决：conda update conda

环境管理

conda环境中的虚拟环境比起原生Python更为强大，可以指定Python的版本，并自动安装相关的C++依赖库（Windows下自动下载相关的c++ runtime）。建立

建立虚拟环境命令：conda create -n env_demo

如果要指定python版本，同时指定虚拟环境生成的路径，可以这样：conda create python=3.6 -p /tmp/test

这样，Conda就为你生成了一个在/tmp/下叫test的虚拟环境，并且环境里的python版本是3.6。conda create默认并不会把基础环境的依赖复制给新建的虚拟环境。如果要实现类似的依赖复制，需要加参数--clone，例如conda create -n test3 --clone base

我们也看一下这个路径下的内容：ls /tmp/testbin conda-meta include lib share ssl

在bin目录中，就存在python等常用的可执行命令：2to3 idle3 pydoc3 python3.6-config pyvenv-3.6 wish8.52to3-3.6 idle3.6 pydoc3.6 python3.6m sqlite3 xzc_rehash openssl python python3.6m-config tclsh8.5easy_install pip python3 python3-config unxzeasy_install-3.6 pydoc python3.6 pyvenv wheel因为这里是虚拟环境的bin目录，所以没有conda、activate等命令。这些命令都在当前conda默认的bin目录中。激活

激活一个虚拟环境，就需要用bin下的activate：condaactivate /tmp/test

其中，/tmp/test是虚拟环境的路径，可以从conda list中查看。

激活后，可以用which python确认是否成功。如果成功，当前python应该指向的是/tmp/test/bin/python安装依赖

激活一个Conda的虚拟环境后，安装依赖主要用以下命令：conda install xxx

这条命令主要从默认的频道中去寻找xxx软件包。比如，我们可以用conda install pandas来安装pandas软件包。要注意，Conda里有频道的概念，类似电视机买回来一般都有个默认频道一样，默认的Conda有一个defaults的频道。如果我们需要更多的下载源，就需要和加入Ubuntu软件源类似，加入Conda频道：conda config --add channels conda-forge

如果大家还记得上次文章，里面给大家介绍了Python的pip安装时怎么配置镜像地址来加速国内下载速度。同样的操作在Conda里面，则是通过配置频道来实现。比如，我们添加清华的Conda镜像：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/

配置完成后，可以通过下面命令来确认是否配置成功：conda config --show

当然，更直接的是直接下载一个依赖库，看实际下载速度怎么样。另外，也可以在conda install的同时，显式的指定频道：conda install --prefix=/tmp/miniconda3/pyenv/py36 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ pytorch torchvision cuda91 -c pytorch

Conda不仅仅可以用conda install安装软件，同时也可以继续用pip，就和普通Python环境下操作没太有什么区别：python -m pip install xxx并不是所有的软件都可以用pip安装。最佳实践是只在conda找不到包时，才用pip安装。不要使用user参数，避免权限问题。退出

直接运行conda deactivate，然后可以通过which python来确认。

Conda环境导出与恢复

Conda支持直接导出环境，命令如下：conda env export > env.yml

这里，推荐在熟悉的情况下，去掉二级依赖库(依赖的依赖)。一方面减少文件内容，第二有可能二级依赖在后面会被取消。

环境恢复使用命令：conda env create -n revtest -f=/tmp/env.yml

这里比较关键是导出的yaml文件，通过编译器查看可知，其是一个标准的yaml文件。里面主要包括：name: 环境名字channels： - 频道urls ……dependencies： - 软件名=版本号=编译环境prefix：环境路径Conda环境包含pip依赖

上面的环境依赖都是conda自己就可以安装，如果所需要的依赖正好没有conda资源怎么办？其实，conda早就可以直接在环境里使用pip依赖：name: hyperparam_examplechannels: - defaultsdependencies: - python=3.6 - numpy=1.14.3 - pandas=0.22.0 - scikit-learn=0.19.1 - matplotlib=2.2.2 - tensorflow-mkl==1.13.1 - keras==2.2.2 - pip: - mlflow>=1.0 - Gpy==1.9.2 - GpyOpt==1.2.5 - pyDOE==0.3.8 - hyperopt==0.1

这个环境文件参考自mlflow项目，从这里我们就可以看到两点：利用conda就可以同时管理好conda和pip依赖

conda 的环境管理，已经成为一种标准，被mlflow这样的项目所使用。

那么最后一个问题，conda和pip到底有什么不同？conda还负责依赖检查和维护。Conda不仅仅安装Python库这么简单，他还能把Python库需要的外部依赖也同时安装进来，并且维护每个软件库对应的各种依赖版本关系，每次conda安装都要进行比较复杂的处理来维护好依赖关系。

conda这个包管理命令不仅仅可以用在Python上，还可以用来管理R等其他语言。

不能提供egg或whl时，pip只能从源代码编译。而conda install一直都是安装编译好的二进制。

conda默认就支持虚拟环境；而pip是靠virtualenv或venv来支持

conda是Python的外部工具

conda的托管网站是Anaconda，而pip的托管网站是PyPI

注释：本文内容来自公众号AI派，作者：Leon Wang，现为中科院特别研究助理 (博士后)，在 AI、数据科学和科学计算等方面相关的工程实践上积累了丰富的经验。