【Canda】常用命令+虚拟环境创建到选择

目录

一、conda常用命令

二、conda 环境

2.1  创建虚拟环境

 2.2  conda环境切换

2.3  查看conda环境

2.4  删除某个conda环境

2.5  克隆环境

 三、依赖包管理

3.1 安装命令

3.2 更新包

 3.3 卸载包

 3.4 查看环境中所有包

3.5 查看某个包的版本信息

3.6 搜索包

四、环境导入导出

五、实操演示

5.1 打开conda命令窗口

5.2 查看已有环境

5.3 设置环境存储路径（只需一次）

5.4 创建虚拟环境

 5.5 再查看已有环境

 5.6 切换到虚拟环境

 5.7 查看当前的所有包

 5.8 安装依赖包

5.9 再次查看虚拟环境的所有包

5.10 vs code项目选择虚拟环境

---

本文详细介绍了Conda的常用命令及其在虚拟环境管理中的应用。首先，文章列举了Conda的基本命令，如查看帮助、信息、版本及更新等。接着，重点讲解了如何创建、切换、查看、删除和克隆Conda虚拟环境，以及如何管理环境中的依赖包，包括安装、更新、卸载和查看包信息。此外，文章还介绍了如何导入导出环境配置，并通过实操演示了从打开Conda命令窗口到在VSCode中选择虚拟环境的完整流程。这些内容为使用Conda进行项目依赖管理和环境隔离提供了全面的指导。

一、conda常用命令

conda -help                    # 查看帮助
conda info                      # 查看 conda 信息
conda --version              # 查看 conda 版本
conda update conda      # 更新 conda（慎用）
conda clean -all             # 清理不再需要的包
conda <指令> --help      # 查看某一个指令的详细帮助
conda config --show      # 查看 conda 的环境配置
conda clean -p               # 清理没在用、没有安装的包
conda clean -t                # 清理 tarball
conda clean --all            # 清理所有包和 conda 的缓存文件

---

二、conda 环境

2.1  创建虚拟环境

通过创建虚拟环境，一个项目一个虚拟环境，可以方便对项目的依赖包做管理，不同项目之间的环境依赖也能够相互隔离。创建命令如下：

# 语法
conda create --name <env_name> python=<version> [package_name1] [package_name2] [...]

# 示例 创建一个名为 learn 的环境，python 版本为 3.11
conda create --name learn python=3.11  # --name 可以简写为 -n
 

 (可选)如果要指定conda环境的路径，需要设置envs_dirs，命令如下

只需要执行一次!

conda config --add envs_dirs D:/conda_envs

---

 2.2  conda环境切换

# 语法

conda activate env_name

# 样例 切换到 learn 环境

conda activate learn

# 退出当前环境，回到基础环境

conda deactivate

---

2.3  查看conda环境

# 查看当前电脑上所有的 conda 环境

conda env list

---

2.4  删除某个conda环境

# 语法

conda remove -- name < env_name > -- all

# 样例

conda remove -- name learn -- all

---

2.5  克隆环境

 # 语法

conda create -- name < new_evn_name > -- clone < old_env_name >

# 样例

conda create -- name myclone -- clone myenv

---

 三、依赖包管理

3.1 安装命令

#在激活的环境中安装包

pip install 包名

#指定包的版本安装

pip install 包名==版本号

#从requirements.txt文件中安装

pip install -r requirements.txt

3.2 更新包

通过该条命令会直接将包名版本更新到最新：

#更新单个依赖包

pip install --upgrade 包名

# 将当前环境中的所有包信息保存到 requirements.txt 文件中

pip freeze > requirements.txt

# 卸载所有包

pip uninstall - r requirements.txt

# 重新安装所有包

pip install - r requirements.txt

 3.3 卸载包

pip uninstall 包名

 3.4 查看环境中所有包

pip list

3.5 查看某个包的版本信息

pip show 包名

3.6 搜索包

 conda search 包名

---

四、环境导入导出

#导出环境：导出为一个YAML文件，方便共享

 conda env export > environment.yml

#从文件创建环境

conda env create -f envirorment.yml

---

五、实操演示

5.1 打开conda命令窗口

 

---

5.2 查看已有环境

conda env list

 开始会有一个base的环境

 

---

5.3 设置环境存储路径（只需一次）

设置为虚拟环境创建后，都存放在该路径下：D:\computer_soft\conda_envs（自定义）

conda config --add envs_dirs D:\computer_soft\conda_envs

 

---

5.4 创建虚拟环境

创建了一个learn的虚拟环境

conda create --name learn python=3.11

---

 5.5 再查看已有环境

conda env list

 可以发现多了一个learn环境

---

 5.6 切换到虚拟环境

切换到刚刚创建的虚拟路径

conda activate D:\computer_soft\conda_envs\learn

 切换成功后可以发现，命令的前面多了（D:\computer_soft\conda_envs\learn）作为前缀，这就表示成功切换到该虚拟环境中。

---

 5.7 查看当前的所有包

pip list

 

---

 5.8 安装依赖包

这里演示安装了一个numpy的库

pip install numpy

 

---

5.9 再次查看虚拟环境的所有包

 这一步主要演示验证numpy包是否正常安装在了该虚拟环境中。

pip list

 

---

 

5.10 vs code项目选择虚拟环境

注意：vscode打开右下角如果没有出现选择解释器选项，就重新打开vscode