如何用Anaconda管理虚拟环境

目录

前言

一、到底什么是虚拟环境

二、Anaconda管理虚拟环境的便捷性

三、Anaconda终端管理虚拟环境

总结

前言

       本人初学python,为了提高学习效果，同时也希望能够给和我一样初学习python的小伙伴提供一些参考，把一些学习心得和问题分享出来。

---

一、到底什么是虚拟环境

首先，我们知道应用和程序需要在特定的操作环境才能成功运行，包括软件运行的平台，如Windows、macOS、Linux；CPU、内存、硬盘、网络接口等物理设备；各种依赖库；配置文件；环境变量；开发工具和编译器等等。而对于Python,大家知道有Python2和Python3,而且是不兼容的，像很多的第三方库和框架（如tensorflow）也都有不同版本兼容问题。因此，不同程序的运行环境大都是不同的，如果你只有一个全局环境，那么运行不同程序就会出现问题。

虚拟环境就是为了解决这个问题而生。虚拟环境的主要特点包括：

• 环境隔离：每个虚拟环境都是独立的，拥有自己的Python解释器和库，不会影响系统中的其他Python环境。
• 依赖管理：你可以为每个项目安装特定的依赖，而不必担心它们之间发生冲突。
• 版本控制：虚拟环境允许你为特定项目使用特定版本的Python和库，即使这些版本在全局环境中不可用或与全局环境的版本不同。
• 开发灵活性：开发者可以根据项目需求灵活地创建、删除和切换虚拟环境。
• 易于共享：虚拟环境可以被复制或打包，使得项目环境的配置变得容易共享和部署。
• 安全性：通过隔离环境，可以避免不同项目间的潜在安全风险。

二、Anaconda管理虚拟环境的便捷性

        大家在社区逛逛，就能发现很多人都推荐使用Anaconda管理虚拟环境，那么Anaconda的便捷性在哪里呢？

• 依赖性管理：Anaconda可以轻松地管理项目所需的依赖性，包括不同版本的Python和第三方库。
• 环境隔离：每个虚拟环境都是独立的，这意味着不同项目可以有不同的依赖性，而不会相互冲突。
• 易于共享：Anaconda允许你将环境导出为一个YAML文件，这可以很容易地与他人共享或在不同机器上重建相同的环境。
• 跨平台：Anaconda支持Windows、MacOS和Linux，使得跨平台开发和管理变得简单。
• 预构建的包：Anaconda拥有一个庞大的预构建包集合，这些包经过了测试和优化，以确保它们能够协同工作。
• 易于安装：Anaconda提供了一个简单的安装过程，特别是对于数据科学相关的库。
• 性能：Anaconda使用Conda包管理器，它通常比Python的pip更快，特别是在处理大量依赖性时。
• 社区支持：Anaconda有一个活跃的社区，你可以在遇到问题时获得帮助。
• 管理方便：Anaconda提供了Anaconda Prompt和Anaconda Navigator两种工具，分别用于命令行和图形界面管理。
• 集成工具：Anaconda Navigator提供了一个集成的仪表板，可以用于启动和管理Anaconda应用程序，如Jupyter Notebook、JupyterLab、Qt Console等。
• 通道：Conda支持不同的通道，你可以从Anaconda官方通道、其他第三方通道或自己创建的通道中安装包。
• 自动更新：Anaconda可以自动更新其包和环境，确保你使用的是最新和最安全的版本。
• 节省时间：对于需要多个库和复杂依赖关系的项目，使用Anaconda可以节省配置和安装时间。
• 适合初学者和专业人士：无论是初学者还是有经验的开发者，Anaconda都提供了易于使用的工具和强大的功能。

这里是我在base环境安装的应用

这里是用来管理虚拟环境的界面，可以看到我这里有两个环境，一个base,一个META_TTE(推荐大家起名字简单一点，我这个起的不好)，左下角有五个选项，分别是create（创建）、clone（克隆）、import（导入）、backup(备份)、remove(移除)。

这里是一些库的官方文档，大家可以点进去看。但是是英文的，如果英语不好可以用浏览器插件把它翻译成中文。虽然现在翻译工具的水平越来越高，但是最好的办法还是学一下英语，就学一下常用的专业名词就好，其实剩下的英语就高中水平。

这是一些论坛社区的入口。

三、Anaconda终端管理虚拟环境

1. 安装Anaconda

安装可以在CSDN搜一下教程，很简单

2. 打开Anaconda Prompt：在Windows上，你可以在开始菜单中找到Anaconda Prompt。在Mac或Linux上，你可以打开终端。

3. 创建新的虚拟环境：

conda create --name **** python=3.9

这里name后****的是你为新环境指定的名称，python=3.9指定了Python的版本

4. 激活虚拟环境：

   conda activate myenv

 激活环境后，你的命令行提示符会显示环境名称，表明你现在在该环境中工作。

5. 安装包：在激活的环境中，你可以安装所需的包。

  conda install numpy pandas

  这将在当前激活的环境中安装`numpy`和`pandas`。

6. 退出虚拟环境：

conda deactivate

    这将使你返回到基础环境或先前激活的环境中。

7. 查看所有虚拟环境：

conda info --envs

  这将列出所有已创建的环境。

8. 删除虚拟环境（如果需要）：

conda env remove --name myenv

 这将删除名为`myenv`的环境。

9. 更新虚拟环境：你可以更新环境中的包。

conda update --all

  或者更新特定的包：

conda update numpy

10. 克隆虚拟环境：

 conda create --name myclone --clone myenv

  这将创建一个名为`myclone`的新环境，它是`myenv`环境的克隆。

11. 配置环境变量：你可以配置环境变量，例如添加新的路径或变量。

conda config --add envs_dirs /path/to/another/envs/directory

12. 搜索包：你可以搜索Anaconda中的包。

conda search scipy

---

总结

以上是我的一些学习经验和心得，如有不对，敬请指正。