Knowledge

conda使用教程|pip使用教程|依赖安装_使用教程

conda常用命令

# 1. 创建新的环境（指定Python版本）
conda create -n env_name python=3.8

# 2. 激活环境
conda activate env_name

# 3. 安装包（在当前环境）
conda install package_name

# 4. 列出当前环境的已安装包
conda list

# 5. 退出当前环境
conda deactivate

# 6. 列出所有环境
conda env list

# 7. 更新所有包
conda update --all

# 8. 删除指定环境
conda env remove -n env_name

# 9. 搜索可用包
conda search package_name

# 10. 卸载包
conda remove package_name

# 11. 查看Conda版本
conda --version

# 12. 更新Conda
conda update conda

# 13. 导出当前环境到文件
conda env export > environment.yml

# 14. 从文件创建环境
conda env create -f environment.yml

# 15. 创建环境并指定多个包
conda create -n env_name python=3.8 numpy pandas

# 16. 批量安装requirements.txt中的包
conda install --file requirements.txt

# 17. 导出当前环境的包列表到requirements.txt
conda list --export > requirements.txt

# 18. 安装特定版本的包
conda install package_name=1.2.3

# 19. 指定通道安装包
conda install -c channel_name package_name

# 20. 查看当前配置的通道
conda config --show channels

# 21. 添加新的通道
conda config --add channels channel_name

# 22. 清理未使用的包和缓存
conda clean --all

# 23. 克隆现有环境
conda create --name new_env_name --clone env_name

# 24. 在特定环境中运行命令
conda run -n env_name command

# 25. 临时使用某个环境运行命令（不激活）
conda run -n env_name python script.py

# 26. 查看环境的历史修订版本
conda list --revisions

# 27. 回滚到特定版本的包
conda install package_name --revision N

# 28. 设置通道优先级（优先使用指定通道）
conda config --set channel_priority strict

# 29. 启用/禁用自动激活base环境
conda config --set auto_activate_base false

# 30. 查看Conda配置信息
conda config --show

# 31. 设置环境变量
conda env config vars set VARIABLE_NAME=value

# 32. 查看环境变量
conda env config vars list

# 33. 取消环境变量
conda env config vars unset VARIABLE_NAME

# 34. 列出包的依赖关系
conda info --dependencies package_name

# 35. 列出环境的安装历史
conda list --show-channel-urls

# 36. 移除指定通道
conda config --remove channels channel_name

# 37. 检查Conda环境的完整性
conda doctor

# 38. 在离线模式下安装包
conda install --offline package_name

# 39. 安装本地下载的Conda包
conda install /path/to/package_file.tar.bz2

# 40. 查看Conda的缓存位置
conda info --cache

conda安装

# linux
 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh 
cd ~   # 如果按照路径不是~/miniconda，需要执行   安装路径/miniconda/bin/conda init ,然后在cd ~
source .bashrc
标题内容
windwos安装minicondaCSDN
ubtuntu安装minicondaCSDN

conda 创建/删除 一个环境

创建

conda create --name your_env_name numpy scipy
或者
conda create -n your_env_name python=3.5 numpy scipy

删除

# 如果环境正在使用
conda deactivate
# 删除环境
conda remove --name ENV_NAME --all
或
conda remove -n ENV_NAME --all

ENV_NAME表示要移除/删除的环境名称。在删除环境之前，请确保通过运行conda deactivate命令来停用该环境。 使用–all标志会删除安装在该环境中的所有软件包

pip 使用指南

pip 是 Python 的默认包管理工具，用于安装、升级和卸载 Python 包。它通常与 Python 一起安装，适用于大多数 Python 项目。

基本用法

  1. 检查 pip 版本

    pip --version

    确保你使用的是最新版本，可以通过以下命令升级：

    pip install --upgrade pip

  2. 安装包

    pip install 包名

    示例：安装 requests 库

    pip install requests

    指定版本：

    pip install requests==2.28.1

  3. 列出已安装的包

    pip list

  4. 升级包

    pip install --upgrade 包名

  5. 卸载包

    pip uninstall 包名

  6. 安装 requirements.txt 文件中的依赖
    如果项目有 requirements.txt，可以通过以下命令批量安装：

    pip install -r requirements.txt

    生成 requirements.txt：

    pip freeze > requirements.txt

实用建议

  • 使用虚拟环境：避免全局安装冲突，推荐使用 venv：
    python -m venv myenv
source myenv/bin/activate  # Linux/Mac
myenv\Scripts\activate     # Windows
  • 代理设置：如果网络受限，可通过代理安装：
    pip install 包名 --proxy=http://代理地址:端口
  • 换源加速：国内用户可使用镜像源（如清华源）：
    pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

配置镜像源

pip 镜像源

pip 默认使用 PyPI（https://pypi.org/）作为包的来源，以下是常用的国内镜像源：

  1. 清华大学镜像

    https://pypi.tuna.tsinghua.edu.cn/simple

    使用方法：

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

  2. 阿里云镜像

    https://mirrors.aliyun.com/pypi/simple/

    使用方法：

    pip install 包名 -i https://mirrors.aliyun.com/pypi/simple/

  3. 中国科技大学镜像

    https://pypi.mirrors.ustc.edu.cn/simple/

    使用方法：

    pip install 包名 -i https://pypi.mirrors.ustc.edu.cn/simple/

  4. 豆瓣镜像

    http://pypi.douban.com/simple/

    使用方法：

    pip install 包名 -i http://pypi.douban.com/simple/

  5. 华为云镜像

    https://repo.huaweicloud.com/pypi/simple/

    使用方法：

    pip install 包名 -i https://repo.huaweicloud.com/pypi/simple/

永久配置 pip 源

为了避免每次手动指定，可以全局配置：

  • Linux/Mac：编辑 ~/.pip/pip.conf（没有就创建）
    [global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
  • Windows：编辑 %USERPROFILE%\pip\pip.ini 同上内容。

conda 镜像源

conda 默认使用 Anaconda 官方仓库，以下是常用的国内镜像源：

  1. 清华大学镜像

    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

    配置方法：

    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 --set show_channel_urls yes

  2. 中国科技大学镜像

    https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

    配置方法：

    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes

  3. 中科院镜像

    https://mirror.sjtu.edu.cn/anaconda/pkgs/main/
https://mirror.sjtu.edu.cn/anaconda/pkgs/free/

    配置方法：

    conda config --add channels https://mirror.sjtu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirror.sjtu.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes

  4. 阿里云镜像

    https://mirrors.aliyun.com/anaconda/pkgs/main/
https://mirrors.aliyun.com/anaconda/pkgs/free/

    配置方法：

    conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free
conda config --set show_channel_urls yes

conda-forge 源

conda-forge 是一个社区维护的广泛使用的附加源，可以与上述源一起使用：

conda config --add channels conda-forge

查看和清除配置

  • 查看当前配置：
    conda config --show channels
  • 恢复默认源（清除自定义源）：
    conda config --remove-key channels

把自己的代码安装到conda环境中

step1： 安装setuptools库

pip install setuptools

step2：创建一个如下的setup.py程序

比如我的代码包的文件夹名是 nirapi,setup.py文件必须放在和nirapi文件同一级的目录

|----nirapi
|		|------utils.py
|       |------test.py
|
|----setup.py

# coding=utf-8
from setuptools import setup

setup(
    author="zata",
    description="This is a nir analyse api, writen by zata",   ### 一句话概括一下
    name="nirapi",   ### 给你的包取一个名字
    version="1.0",   ### 你的包的版本号
    packages=["nirapi", "nirapi/AnalysisClass"],# 这里写的是需要从哪个文件夹下导入python包，如果找不到会报错，默认你下载下来解压之后的文件夹名就是nirapi，如果文件夹里面还有子文件夹也要输入进去
    package_data={
        'nirapi': ['*'],  # 特定子文件夹中的所有文件，这行代码和上面那行好像只要一个就是，不过不管了，都写吧
    },
	exclude_package_date={'':['.gitignore'], '':['dist'], '':'build', '':'utility.egg.info'},    ### 这是需要排除的文件，也就是只把有用的python文件导入到环境变量中

)

step3：安装 (到setup.py的路径下面)

 pip install .

一些问题和解决方案

配置

希望 pip 忽略版本冲突并继续安装其他包/忽略报错


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

# 强制安装，即使版本冲突
pip install -r requirements.txt --force-reinstall

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

安装完成后，在执行source.bashrc后，输入命令conda --version并没有弹出conda，显示没有此命令

一般来说，miniconda会默认安装在~/miniconda3目录下，执行上面的cd ~ 和 source .bashrc后，会将conda添加到环境变量中，但是有时候，默认安装位置也会发生变化，在本次事件中，我发现conda的默认安装位置变成了opt目录下（在1panel平台上的容器中使用），所以需要手动添加环境变量，

验证 Conda 是否正常工作：

/opt/miniconda3/bin/conda --version
  • 如果输出类似 conda 24.1.2 的版本号，说明 Conda 已正确安装，只是未添加到 Shell 环境中。
  • 如果报错（例如文件不存在），检查 /opt/miniconda3/bin/conda 是否存在，可能需要重新安装。

如果conda能正常使用，那么 执行下面的命令

# 这会在你的 ~/.bashrc 文件中添加 Conda 的初始化脚本，指向 /opt/miniconda3 目录。
/opt/miniconda3/bin/conda init  

# 添加环境变量到 Shell 会话
source ~/.bashrc

上面操作后就成功了，可以 检查 conda 命令是否全局可用：

conda --version
  • 如果成功输出版本号，说明配置完成。

配置过程

如何修改当前环境的名称

# 克隆 myenv 到 newenv
conda create --name newenv --clone myenv

# 删除 myenv
conda env remove --name myenv

conda install 和pip install区别

参考-csdn

conda install 和 pip install 都是用于安装 Python 包的工具，但它们有以下主要区别：

  1. 包管理范围：

    • conda install：管理 Python 包和非 Python 依赖（如 C 库、编译器等），适用于科学计算和数据科学环境。
    • pip install：主要管理 Python 包，依赖系统级库或预编译轮子（wheels）。

  2. 环境管理：

    • conda install：与 Conda 环境紧密集成，安装的包默认进入当前激活的 Conda 环境，隔离性强。
    • pip install：默认安装到全局 Python 环境或虚拟环境（如 venv），需要额外配置隔离。

  3. 包来源：

    • conda install：从 Conda 仓库（默认或自定义通道，如 conda-forge）获取包，包通常预编译，兼容性好。
    • pip install：从 PyPI 仓库获取包，可能需要编译源码，兼容性依赖系统环境。

  4. 依赖解决：

    • conda install：使用更严格的依赖解析器，优先考虑整个环境的兼容性，可能安装较旧版本以确保稳定性。
    • pip install：依赖解析较宽松，可能导致版本冲突，需手动处理。

  5. 使用场景：

    • conda install：适合需要复杂依赖（如 NumPy、TensorFlow）或跨平台环境的场景，常见于数据科学和机器学习。
    • pip install：适合轻量级 Python 项目或 Conda 仓库中不可用的包。

注意：两者可结合使用，但在 Conda 环境中优先用 conda install，仅在包缺失时用 pip install，以避免环境冲突。

pip问题 get_installed_distributions 出错

项目场景：开源项目 graph-tiger

在跑这个项目的时候，有一行代码一直报错

from pip._internal.utils.misc import get_installed_distributions

这一行代码一直有问题，一开始我以为是环境的问题，后来才发现是pip版本的问题，好像在pip21.3版本之后就不支持这样写了

解决方案：

降级pip版本，可以降级到21.2版本

pip install -u pip==21.2
或者
pip intall pip==21.2
或者其他降级方法

如何生成依赖

pip freeze > requirements.txt


pipreqs ./
© 2024 - 2025 Example Person
使用 Hugo 构建
主题 Stack 由 Jimmy 设计