【python环境一键搞定！】从入门到进阶，Conda 环境管理 + Pip 环境管理全攻略！

橙子小哥的代码世界

已于 2025-03-30 22:00:59 修改

阅读量1.7k

点赞数 25

分类专栏：基础知识文章标签： conda pip python 人工智能

于 2025-01-06 18:18:32 首次发布

本文链接：https://blog.csdn.net/weixin_41645791/article/details/144969403

版权

基础知识专栏收录该内容

9 篇文章

订阅专栏

前言

还在手动配置各种 Python 环境？还在为包冲突秃头？这篇文章将手把手教你如何使用 Conda 来管理环境、并和 Pip 并行作战，附送国内镜像源设置方法，让你轻松告别“网络延迟”与“安装失败”！

一、Conda 是啥？

Conda 是一个开源的包管理器 + 环境管理工具，常用于 Python/R 等多语言项目。它可以让你在同一台电脑上创建多个互不干扰的“虚拟环境”，从此大大减少包冲突和版本不兼容的困扰。

二、下载安装 Conda

1. 选 Anaconda 还是 Miniconda？

1. Anaconda：附带大量常用的数据科学包（Numpy、Pandas、Matplotlib 等），包体积较大，一步到位。

2. Miniconda：只有 Conda 核心，体积小巧，想装什么包自己来。

官方下载地址：

• Miniconda (官方)

• Anaconda (官方)

建议：如果对包体积敏感或者只需核心功能，选择 Miniconda。初学者或一次配齐所有数据分析库，则可选 Anaconda。

2. 安装步骤（以 Miniconda 为例）

• Windows：下载 .exe，双击安装，按提示 “Next”->“I Agree”-> 选择安装目录->“Install”-> “Finish”。

• macOS / Linux：下载 .sh，在终端执行：

bash Miniconda3-latest-Linux-x86_64.sh

# 或

bash Miniconda3-latest-MacOSX-x86_64.sh

全程“Enter” + “yes” 即可完成，之后重开一个终端，即可使用 conda 命令。

3. 验证安装

conda --version

若输出诸如 conda 23.x.x，恭喜你成功安装！

三、基本操作命令（Conda + Pip 并行）

1. Conda 常用命令

conda --version # 查看 conda 版本

conda update conda # 更新 conda 本身

conda info # 查看 conda 基本信息

conda create -n myenv python=3.8 # 创建名为 myenv 的环境，Python 3.8

conda activate myenv # 激活 myenv 环境

conda deactivate # 退出当前环境，回到上层（通常是 base）

conda env list # 列出所有环境

conda install numpy # 在当前环境安装 numpy

conda list # 查看已安装的包

conda remove numpy # 卸载 numpy

conda update numpy # 更新 numpy

conda remove --name myenv --all # 删除 myenv 环境（一次性清理）

# 或者：

conda env remove -n myenv

conda clean --all # 清理未使用的包和缓存

2. Pip 常用命令

在 Conda 环境下，Pip 依然可以使用，但请尽量先用 conda install 安装库，因为 Conda 会更好地处理依赖关系。某些 Conda 中没有的包，再用 Pip 来安装。

pip install requests # 安装 requests

pip uninstall requests # 卸载 requests

pip list # 列出已安装的包

pip freeze > requirements.txt # 导出 pip 包信息

pip install -r requirements.txt # 通过文件安装 pip 包

3.Conda + Pip 并行可行吗？

• 可以，但需注意尽量在 Conda 环境中优先用 conda install 安装常见科学计算包（如 numpy、pandas 等），这样能减少冲突。

• 对于 Conda 没有收录的第三方库，可以使用 pip install xxx。

• 一般情况下，两者能够并行运行，但若出现冲突，建议新建一个环境，分别测试哪些包更适合用 conda 安装，哪些用 pip 安装，以达到最佳兼容性。

四、如何导出 & 导入环境（Conda + Pip 双保险）

1. Conda 方式

# 导出当前环境依赖到 environment.yml

conda env export > environment.yml

# 通过 environment.yml 创建新环境

conda env create -f environment.yml

# 在已存在的环境中，更新环境使其与 environment.yml 同步

conda env update -f environment.yml

2. Pip 方式

如果你也用 Pip 安装了一些包，希望别人用 Pip 的方式一键还原，则可以：

# 导出 pip 包信息到 requirements.txt

pip freeze > requirements.txt

# 通过 requirements.txt 一键安装

pip install -r requirements.txt

建议：为了保证团队共享环境的完整一致性，最好同时导出 environment.yml 和 requirements.txt，这样无论他人用 Conda 还是 Pip，都能按需安装对应的包。

五、国内镜像源配置（Conda & Pip）

1. Conda 设置国内镜像源

国外服务器经常因网络原因导致下载失败或速度感人。幸运的是，我们可以添加国内镜像源（如清华 TUNA、阿里云等）。以下以 清华镜像 为例：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

conda config --set show_channel_urls yes

• channels：添加替换的仓库源地址。

• show_channel_urls：让 Conda 显示具体源信息，方便调试。

有时需要移除官方默认源，或调换优先级；也可手动修改 ~/.condarc 文件（macOS/Linux）或 C:\Users\<用户名>\.condarc（Windows）。

2. Pip 设置国内镜像源

同样地，Pip 也可使用国内镜像。编辑/创建 ~/.pip/pip.conf（macOS/Linux）或 C:\Users\<用户名>\pip\pip.ini（Windows），写入：

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

timeout = 6000

这样，未来 pip install 都会走国内镜像，速度快到飞起！

六、实操演示：开发全流程

1. 安装 & 更新：

conda update conda

2. 创建环境：

conda create -n mydata python=3.9

conda activate mydata

3. 镜像设置（可选，提升下载速度）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda config --set show_channel_urls yes

4. 安装依赖：

conda install numpy pandas

# 如果某些库 conda 没有，则用 pip

pip install requests

5. 开发 & 测试代码

6. 导出环境：

# Conda 环境

conda env export > environment.yml

# Pip 包

pip freeze > requirements.txt

7. 分享给队友：

# 队友可以用 Conda

conda env create -f environment.yml

# 也可以只想用 pip

pip install -r requirements.txt

8. 环境维护：

conda clean --all

让硬盘清爽又干净！