Knowledge

conda使用教程|pip使用教程|依赖安装_使用教程

详细介绍conda与pip的常用命令、环境管理、镜像配置、包安装及常见问题解决方案

📚 目录

1. Conda 基础与常用命令

🚀 核心命令

# 环境管理
conda create -n env_name python=3.8      # 创建新环境
conda activate env_name                   # 激活环境
conda deactivate                          # 退出环境
conda env list                            # 列出所有环境
conda env remove -n env_name              # 删除环境

# 包管理
conda install package_name                # 安装包
conda install package_name=1.2.3         # 安装特定版本
conda install -c channel_name package_name # 指定通道安装
conda remove package_name                 # 卸载包
conda list                                # 列出已安装包
conda search package_name                 # 搜索包

# 系统维护
conda --version                           # 查看版本
conda update conda                        # 更新conda
conda update --all                        # 更新所有包
conda clean --all                         # 清理缓存
🔧 点击展开更多高级命令
# 环境导入导出
conda env export > environment.yml       # 导出环境
conda env create -f environment.yml      # 从文件创建环境
conda list --export > requirements.txt   # 导出包列表

# 批量操作
conda create -n env_name python=3.8 numpy pandas  # 创建时安装多个包
conda install --file requirements.txt              # 批量安装
conda run -n env_name python script.py            # 在特定环境运行命令

# 配置管理
conda config --show channels             # 查看通道配置
conda config --add channels channel_name # 添加通道
conda config --remove channels channel_name # 移除通道
conda config --set channel_priority strict # 设置通道优先级
conda config --set auto_activate_base false # 禁用自动激活base

# 环境变量
conda env config vars set VAR_NAME=value # 设置环境变量
conda env config vars list               # 查看环境变量
conda env config vars unset VAR_NAME     # 删除环境变量

# 诊断工具
conda info --cache                       # 查看缓存位置
conda doctor                             # 检查环境完整性
conda list --revisions                   # 查看历史版本
conda install package_name --revision N  # 回滚到特定版本

2. Conda 安装与环境管理

📦 Conda 安装

Linux 系统安装

# 下载Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 安装
bash Miniconda3-latest-Linux-x86_64.sh

# 初始化环境
cd ~
source ~/.bashrc

其他系统安装参考

操作系统安装教程
WindowsCSDN教程
UbuntuCSDN教程

🏗️ 环境管理

创建环境

# 基本创建
conda create -n your_env_name python=3.8

# 创建时安装多个包
conda create -n your_env_name python=3.8 numpy scipy pandas

# 从现有环境克隆
conda create --name new_env --clone existing_env

删除环境

# 退出环境（如果正在使用）
conda deactivate

# 删除环境
conda remove -n ENV_NAME --all
# 或者
conda env remove -n ENV_NAME

⚠️ 注意：删除环境前请确保已退出该环境，使用 --all 标志会删除环境中的所有包。

3. Pip 使用指南

🔧 基本用法

版本管理

pip --version                    # 查看版本
pip install --upgrade pip       # 升级pip

包管理

# 安装包
pip install package_name         # 安装最新版本
pip install package_name==2.28.1 # 安装指定版本
pip install package_name>=2.0.0  # 安装最低版本

# 升级和卸载
pip install --upgrade package_name # 升级包
pip uninstall package_name         # 卸载包

# 查看信息
pip list                          # 列出已安装包
pip show package_name             # 显示包详情
pip search package_name           # 搜索包（部分版本可用）

批量操作

# 批量安装
pip install -r requirements.txt

# 生成依赖文件
pip freeze > requirements.txt

# 生成项目依赖（推荐）
pip install pipreqs
pipreqs ./

💡 实用建议

虚拟环境使用

# 创建虚拟环境
python -m venv myenv

# 激活虚拟环境
source myenv/bin/activate  # Linux/Mac
myenv\Scripts\activate     # Windows

# 退出虚拟环境
deactivate

网络配置

# 使用代理
pip install package_name --proxy=http://代理地址:端口

# 使用国内镜像源
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple

# 信任主机（解决SSL问题）
pip install package_name --trusted-host pypi.org --trusted-host pypi.python.org

4. 镜像源配置

🌐 Pip 镜像源

常用国内镜像源

镜像源地址特点
清华大学https://pypi.tuna.tsinghua.edu.cn/simple速度快，更新及时
阿里云https://mirrors.aliyun.com/pypi/simple/稳定性好
中科大https://pypi.mirrors.ustc.edu.cn/simple/教育网友好
豆瓣http://pypi.douban.com/simple/老牌镜像
华为云https://repo.huaweicloud.com/pypi/simple/企业级稳定

临时使用

pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple

永久配置

Linux/Mac 系统：

# 创建配置目录
mkdir -p ~/.pip

# 编辑配置文件
vim ~/.pip/pip.conf

Windows 系统：

# 配置文件位置：%USERPROFILE%\pip\pip.ini

配置内容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

🔄 Conda 镜像源

常用国内镜像源

镜像源主要地址配置命令
清华大学https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
中科大https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main
上海交大https://mirror.sjtu.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirror.sjtu.edu.cn/anaconda/pkgs/main
阿里云https://mirrors.aliyun.com/anaconda/pkgs/main/conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main

配置示例（清华源）

# 添加清华源
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/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

# 显示通道地址
conda config --set show_channel_urls yes

conda-forge 源

# 添加conda-forge社区源
conda config --add channels conda-forge

管理配置

# 查看当前配置
conda config --show channels

# 恢复默认源
conda config --remove-key channels

# 移除特定通道
conda config --remove channels channel_name

5. 将自定义代码包安装到环境

📁 项目结构准备

project/
├── nirapi/                 # 你的代码包
│   ├── __init__.py
│   ├── utils.py
│   ├── test.py
│   └── AnalysisClass/
│       └── __init__.py
└── setup.py               # 安装配置文件

⚙️ 安装步骤

Step 1: 安装setuptools

pip install setuptools

Step 2: 创建setup.py文件

# coding=utf-8
from setuptools import setup, find_packages

setup(
    name="nirapi",                              # 包名
    version="1.0.0",                            # 版本号
    author="zata",                              # 作者
    author_email="your.email@example.com",     # 邮箱
    description="This is a nir analyse api, written by zata",  # 简短描述
    long_description=open("README.md").read() if os.path.exists("README.md") else "",
    long_description_content_type="text/markdown",
    
    # 自动发现包
    packages=find_packages(),
    
    # 或手动指定包
    # packages=["nirapi", "nirapi.AnalysisClass"],
    
    # 包含的数据文件
    package_data={
        'nirapi': ['*.txt', '*.json', '*.yaml'],  # 包含特定文件类型
    },
    
    # 排除的文件
    exclude_package_data={
        '': ['.gitignore', '*.pyc', '__pycache__'],
        'nirapi': ['tests/*'],
    },
    
    # 依赖包
    install_requires=[
        'numpy>=1.19.0',
        'pandas>=1.2.0',
        # 其他依赖...
    ],
    
    # Python版本要求
    python_requires='>=3.6',
    
    # 分类信息
    classifiers=[
        "Development Status :: 3 - Alpha",
        "Intended Audience :: Developers",
        "License :: OSI Approved :: MIT License",
        "Programming Language :: Python :: 3",
        "Programming Language :: Python :: 3.6",
        "Programming Language :: Python :: 3.7",
        "Programming Language :: Python :: 3.8",
    ],
)

Step 3: 安装包

# 开发模式安装（推荐）
pip install -e .

# 或正常安装
pip install .

# 从其他位置安装
pip install /path/to/your/package

🔍 验证安装

# 测试导入
import nirapi
print(nirapi.__version__)

# 或
from nirapi import utils

6. 常见问题与解决方案

❗ 安装与配置问题

6.1 pip 忽略版本冲突

# 忽略依赖检查
pip install -r requirements.txt --no-dependencies

# 强制重新安装
pip install -r requirements.txt --force-reinstall

# 跳过失败的包继续安装
while read requirement; do
    pip install "$requirement" || echo "Failed to install $requirement, continuing..."
done < requirements.txt

6.2 conda 命令不可用

问题现象：安装后 conda --version 提示命令不存在

解决步骤：

  1. 验证安装位置

    # 常见安装位置
ls ~/miniconda3/bin/conda     # 默认位置
ls /opt/miniconda3/bin/conda  # 容器环境常见位置

  2. 手动初始化

    # 根据实际路径调整
/opt/miniconda3/bin/conda init bash
source ~/.bashrc

  3. 验证配置

    conda --version

配置过程示例

6.3 环境名称修改

# 方法：克隆 + 删除原环境
conda create --name new_env_name --clone old_env_name
conda env remove --name old_env_name

🐛 包管理问题

6.4 pip get_installed_distributions 报错

问题：from pip._internal.utils.misc import get_installed_distributions 报错

原因：pip 21.3+ 版本移除了该函数

解决方案：

# 降级pip到21.2版本
pip install pip==21.2

# 或使用新的替代方案
pip install importlib-metadata

6.5 依赖文件生成

# 方法1：使用pip freeze（包含所有包）
pip freeze > requirements.txt

# 方法2：使用pipreqs（仅项目依赖，推荐）
pip install pipreqs
pipreqs ./ --force  # --force 覆盖现有文件

# 方法3：手动筛选核心依赖
pip freeze | grep -E "(numpy|pandas|requests)" > requirements.txt

🔧 环境问题

6.6 虚拟环境激活失败

# 检查虚拟环境路径
ls venv/bin/activate  # Linux/Mac
ls venv\Scripts\activate  # Windows

# 重新创建虚拟环境
rm -rf venv
python -m venv venv
source venv/bin/activate

6.7 包版本冲突

# 查看包依赖
pip show package_name

# 创建干净环境重新安装
conda create -n clean_env python=3.8
conda activate clean_env
pip install -r requirements.txt

7. Conda 与 Pip 区别对比

📊 详细对比表

维度conda installpip install
包管理范围Python包 + 非Python依赖（C库、编译器等）仅Python包
环境管理与Conda环境紧密集成，强隔离需要额外配置虚拟环境
包来源Conda仓库（预编译，兼容性好）PyPI仓库（可能需要编译）
依赖解决严格的依赖解析，优先整体兼容性相对宽松，可能出现版本冲突
安装速度较快（预编译包）可能较慢（需要编译）
包数量相对较少但质量高包数量庞大
适用场景科学计算、数据科学、机器学习通用Python开发、Web开发
平台支持跨平台一致性好依赖系统环境

🎯 使用建议

优先级策略

# 1. 在Conda环境中优先使用conda
conda install numpy pandas matplotlib

# 2. conda仓库没有的包使用pip
pip install some-special-package

# 3. 避免混合使用导致冲突

最佳实践

# ✅ 推荐做法
conda create -n myproject python=3.8
conda activate myproject
conda install numpy pandas scikit-learn  # 科学计算包用conda
pip install flask                        # Web框架用pip

# ❌ 避免做法
pip install numpy  # 在conda环境中用pip安装科学计算包

🔄 迁移建议

从pip迁移到conda

# 1. 创建conda环境
conda create -n new_env python=3.8

# 2. 尝试用conda安装主要依赖
conda install numpy pandas matplotlib

# 3. 剩余包用pip安装
pip install remaining-packages

环境同步

# 导出完整环境（包括pip安装的包）
conda env export > environment.yml

# 在新环境中重建
conda env create -f environment.yml

8. 将Python包发布到GitHub并通过pip安装

最后更新：2025-07-15

📦 创建Python包结构

构建以下目录结构：

your_package/
├── your_package/
│   ├── __init__.py
│   └── your_module.py
├── setup.py
├── README.md
├── LICENSE
└── requirements.txt

📝 编写关键文件

setup.py 示例：

from setuptools import setup, find_packages

setup(
    name='your_package_name',
    version='0.1.0',
    packages=find_packages(),
    install_requires=[
        'requests>=2.25.1',
    ],
    author='Your Name',
    author_email='your.email@example.com',
    description='A short description of your package',
    long_description=open('README.md').read(),
    long_description_content_type='text/markdown',
    url='https://github.com/yourusername/your_package',
    classifiers=[
        'Programming Language :: Python :: 3',
        'License :: OSI Approved :: MIT License',
    ],
)

your_package/init.py：

__version__ = '0.1.0'

🚀 初始化Git并上传到GitHub

git init
git add .
git commit -m "Initial commit"
git remote add origin https://github.com/yourusername/your_package.git
git branch -M main
git push -u origin main

🏷️ 创建GitHub Release（可选，但推荐）

  1. 访问GitHub仓库页面，点击"Releases" -> “Create a new release”
  2. 输入版本号（如v0.1.0），发布

📥 通过pip安装

直接从GitHub安装：

pip install git+https://github.com/yourusername/your_package.git

指定分支：

pip install git+https://github.com/yourusername/your_package.git@branch_name

指定版本（需要有release）：

pip install git+https://github.com/yourusername/your_package.git@v0.1.0

🌐 发布到PyPI（可选，允许标准pip安装）

安装工具：

pip install twine build

构建包：

python -m build

上传到PyPI：

twine upload dist/*

之后可使用：

pip install your_package_name

⚠️ 注意事项

  • 确保setup.py信息准确
  • 设置清晰的GitHub仓库描述和topics
  • 使用MIT或其他合适的许可证
  • 编写详细的README.md，包含安装和使用说明
  • 发布到PyPI需注册账号并配置API token

🔧 实际案例演示

以我的包为例：

GitHub包结构

首先，无需任何修改，直接尝试pip install（我将其改为public）：

安装失败

然而安装失败了。

将包发送给AI，AI帮助修改代码，包括创建nirapi目录，2个__init__.py文件，并修改setup.py：

AI代码修改

推送到远程后，使用：

uv pip install git+https://github.com/zata-zhangtao/API_FOR_NIR_ANALYSIS.git@test_pip_git

安装成功

安装成功！

让我们看看一些关键文件：

1. setup.py

# setup.py
# coding=utf-8
from setuptools import setup, find_packages

# Read the contents of README file
with open("README.md", "r", encoding="utf-8") as fh:
    long_description = fh.read()

setup(
    name="nirapi",
    version="1.0.0",
    author="zata",
    description="A Near-Infrared Spectroscopy Analysis API",
    long_description=long_description,
    long_description_content_type="text/markdown",
    packages=find_packages(),
    package_data={
        'nirapi': ['*.pkl'],  # Include pickle files
    },
    include_package_data=True,
    python_requires=">=3.8",
    install_requires=[
        "numpy",
        "pandas",
        "scikit-learn",
        "scipy",
        "matplotlib",
        "seaborn",
        "plotly",
        "optuna",
        "pybaselines",
        "xgboost",
        "catboost", 
        "lightgbm",
        "obspy",
        "tqdm",
        "requests",
        "pymysql",
        "joblib",
    ],
    classifiers=[
        "Development Status :: 4 - Beta",
        "Intended Audience :: Science/Research", 
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
        "Programming Language :: Python :: 3",
        "Programming Language :: Python :: 3.8",
        "Programming Language :: Python :: 3.9",
        "Programming Language :: Python :: 3.10",
        "Programming Language :: Python :: 3.11",
        "Topic :: Scientific/Engineering :: Chemistry",
        "Topic :: Scientific/Engineering :: Information Analysis",
    ],
    keywords="NIR spectroscopy analysis machine-learning",
)

2. nirapi/init.py

"""
NIR API - A Near-Infrared Spectroscopy Analysis Package

This package provides tools for Near-Infrared spectroscopy analysis including:
- Data loading and preprocessing
- Machine learning models
- Visualization tools
- Analysis utilities
"""

__version__ = "1.0.0"
__author__ = "zata"
__description__ = "A Near-Infrared Spectroscopy Analysis API"

# Import main modules for easier access - only if dependencies are available
try:
    from . import utils
    from . import load_data
    from . import preprocessing
    from . import draw
    from . import analysis
    from . import ML_model
    from . import featsec
    from . import model_class
    
    # Make AnalysisClass available
    from . import AnalysisClass
    
    __all__ = [
        'utils',
        'load_data', 
        'preprocessing',
        'draw',
        'analysis',
        'ML_model',
        'featsec',
        'model_class',
        'AnalysisClass'
    ]
except ImportError:
    # If dependencies are not available, provide a minimal interface
    __all__ = []
    
    def __getattr__(name):
        """Lazy import for modules when dependencies are available."""
        if name in ['utils', 'load_data', 'preprocessing', 'draw', 'analysis', 
                   'ML_model', 'featsec', 'model_class', 'AnalysisClass']:
            try:
                import importlib
                module = importlib.import_module(f'.{name}', __name__)
                return module
            except ImportError as e:
                raise ImportError(f"Module {name} requires additional dependencies: {e}")
        raise AttributeError(f"module '{__name__}' has no attribute '{name}'")

3. nirapi/AnalysisClass/init.py

"""
AnalysisClass subpackage for NIR API

Contains specialized analysis classes for different NIR analysis tasks.
"""

from . import Create_rec_task
from . import Create_train_task
from . import CreateTrainReport
from . import DataAnalysisReport

__all__ = [
    'Create_rec_task',
    'Create_train_task', 
    'CreateTrainReport',
    'DataAnalysisReport'
]
© 2024 - 2025 Example Person
使用 Hugo 构建
主题 Stack 由 Jimmy 设计