跳到主要内容

Anaconda 笔记

由旧稿重新整理版本,精炼为 4 章节结构:概述与定位 / 命令速查表 / Ubuntu 实战 / 命令详解。旧稿目录已清理,当前以本文为准。

1. 概述与定位​

1.1 三个相关概念的关系​

名称本质体积适用场景
Anaconda Distribution预装 300+ 科学计算包的发行版2~4 GB教学、需要一键拥有全套工具
Miniconda只含 conda + Python + 依赖< 100 MB生产环境 / 按需装包(推荐)
conda-forge社区驱动的包仓库(channel)—第三方包、版本更新更快

关键区分:conda 是包管理工具本身(类似 pip),Anaconda/Miniconda 是发行版(类似 Python 的官方安装包),conda-forge 是包仓库(类似 PyPI)。

1.2 怎么选​

  • 推荐 Miniconda:轻量、按需装、磁盘友好、生产环境无冗余
  • 选 Anaconda Distribution:教学 / 培训 / 不想自己装 numpy、pandas、scipy 等全套
  • 不要把 Anaconda Distribution 的 base 环境当开发环境用(容易污染 base、依赖混乱)

1.3 什么时候用 conda(vs venv vs uv)​

工具优势场景
conda跨语言包(R / C / CUDA)、需要预编译二进制、系统库依赖复杂的科学计算栈
uv纯 Python 项目、追求速度、现代 Python 工程实践
venv标准库、零依赖、临时隔离

2026 年默认建议:纯 Python 项目用 uv 即可;只有真正需要 conda 生态(如 PyTorch + CUDA、复杂科学计算栈)时才用 conda。

1.4 三平台安装(Miniconda)​

Ubuntu / Linux

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 按提示回车 / yes / 选择安装路径(默认 ~/miniconda3)

macOS

# Intel x86_64
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh

# Apple Silicon (M1/M2/M3)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

或者直接下 pkg 双击安装:https://docs.anaconda.com/miniconda/install/#quick-command-line-install

Windows

下 exe 双击安装:https://docs.anaconda.com/miniconda/install/#quick-command-line-install

安装后初始化(关键,否则 conda activate 会报 CommandNotFoundError)

conda init bash # bash
conda init zsh # zsh
conda init fish # fish
# 装完重启 shell 或 source ~/.bashrc 让 PATH 生效

验证

conda --version

1.5 卸载​

Linux / macOS

# 1. 删除安装目录
rm -rf ~/miniconda3
# 或者 rm -rf ~/anaconda3(如果是 Anaconda Distribution)

# 2. 删除用户级配置和缓存
rm -rf ~/.conda
rm -rf ~/.continuum

# 3. 清理 ~/.bashrc / ~/.zshrc 里的 conda init 段
# 一般是这几行:
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
# ...
# <<< conda init <<<

Windows

通过「控制面板 → 程序与功能」卸载 Anaconda / Miniconda,然后删 C:\Users\<user>\.conda 和 C:\Users\<user>\.continuum。


2. 命令速查表​

# ===== 环境管理 =====
conda create -n <env> # 创建空环境
conda create -n <env> python=3.12 # 创建时指定 Python 版本
conda create -n <env> python=3.12 numpy pandas # 创建时直接装包
conda activate <env> # 激活环境
conda deactivate # 退出当前环境(回到 base)
conda env list # 列出所有环境
conda info --envs # 同上
conda env remove -n <env> # 删除指定环境
conda env rename -n <old> <new> # 重命名环境
conda env export > environment.yml # 导出环境配置
conda env export --from-history > environment.yml # 只导出显式装的包(推荐)
conda env create -f environment.yml # 从文件创建环境
conda env update -f environment.yml # 按文件更新已有环境
conda env update --prune -f environment.yml # 更新并移除 yml 中不存在的包

# ===== 包管理 =====
conda install <pkg> # 装包到当前环境
conda install <pkg>=2.3.4 # 装指定版本
conda install <pkg>=2 # 仅指定主版本
conda install -n <env> <pkg> # 装到指定环境
conda install -c conda-forge <pkg> # 指定 channel 装包
conda install --channel conda-forge --name <env> <pkg>
conda update <pkg> # 升级包
conda update --all # 升级当前环境所有包
conda update -n base conda # 升级 conda 自身
conda remove <pkg> # 卸包
conda remove -n <env> --all # 删除环境中所有包(保留空环境)
conda list # 列出当前环境的包
conda list -n <env> # 列出指定环境的包
conda search <pkg> # 搜索包
conda clean --all # 清理缓存(tarballs + 索引 + lock)

# ===== 信息查询 =====
conda --version # conda 版本
conda info # 系统信息(Python 路径、envs 目录、channels 等)
conda list # 当前环境已装包

# ===== 配置 =====
conda config --show # 查看所有配置
conda config --get channels # 查看 channel 列表与优先级
conda config --add channels conda-forge # 添加 channel(追加到末尾)
conda config --prepend channels conda-forge # 添加 channel(插到首位,优先级最高)
conda config --remove channels conda-forge # 移除 channel
conda config --set show_channel_urls yes # 装包时显示来源 URL
conda config --set auto_activate_base false # 新 shell 不自动激活 base(推荐)
conda config --set env_prompt '({name}) ' # shell prompt 显示当前环境名

# ===== 导出与共享 =====
conda env export > environment.yml
conda env export --from-history > environment.yml
conda env create -f environment.yml

3. Ubuntu 实战(数据分析场景)​

完整最小可运行流程:

# 1. 装 Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
# -b 静默模式;-p 指定安装路径;装完手动 source 一次
source ~/miniconda3/etc/profile.d/conda.sh

# 2. 初始化 shell(之后重启 shell 自动生效)
conda init bash
source ~/.bashrc

# 3. 关掉 base 自动激活(推荐,避免污染)
conda config --set auto_activate_base false

# 4. 创建数据分析环境
conda create -n data python=3.12 numpy pandas jupyter matplotlib

# 5. 激活 + 验证
conda activate data
python --version # 应为 3.12
python -c "import numpy, pandas, matplotlib; print('OK')"

# 6. 写个最小 demo.py
cat > demo.py <<'EOF'
import numpy as np
import pandas as pd

arr = np.array([1, 2, 3, 4, 5])
print("mean:", arr.mean())

df = pd.DataFrame({"a": [1, 2], "b": [3, 4]})
print(df)
EOF

python demo.py

# 7. 导出环境配置(推荐 --from-history,只导出显式装的包)
conda env export --from-history > environment.yml
cat environment.yml
# 输出类似:
# name: data
# channels:
# - defaults
# dependencies:
# - python=3.12
# - numpy
# - pandas
# - jupyter
# - matplotlib

# 8. 共享给队友 / 另一台机器
# 把 environment.yml 传过去,然后:
conda env create -f environment.yml -n data

3.1 常用后续动作​

# 加包
conda install scikit-learn
# 或指定 channel
conda install -c conda-forge geopandas

# 卸包
conda remove pandas

# 升级当前环境所有包(谨慎,可能破坏依赖)
conda update --all

# 看当前环境装了什么
conda list

# 退出当前环境
conda deactivate

# 彻底删除环境
conda env remove -n data

# 清理缓存(释放磁盘)
conda clean --all

3.2 environment.yml 协作时的最小提交集合​

  • environment.yml(导出文件)
  • 协作方 clone 后 conda env create -f environment.yml 即可还原

注意:原笔记提到的 environment.yml 默认导出方式会包含所有间接依赖(几百行),不方便跨平台协作;--from-history 只导出显式装的包,更精简可读。


4. 命令详解​

4.1 环境管理​

conda create​

conda activate / conda deactivate​

conda env list / conda info --envs​

conda env remove -n <env>​

conda env rename​

4.2 包管理​

conda install​

conda update / conda update --all​

conda remove​

conda clean --all​

4.3 共享环境​

conda env export​

conda env create -f / conda env update -f​

environment.yml 结构详解​

name: data # 环境名
channels: # 包仓库优先级(从上到下)
- conda-forge # 优先 conda-forge
- defaults # 找不到再走 defaults
dependencies: # conda 装的包
- python=3.12
- numpy
- pandas
- pip # 想在环境内用 pip 时显式声明
- pip: # pip 子段:在 conda 环境内用 pip 装的包
- Flask-Testing
- some-private-pkg

4.4 Channel 机制​

Channel说明优先级策略
defaultsAnaconda 官方维护,包较少、更新慢默认
conda-forge社区驱动,包多、更新快、跨平台好显式 -c 或 prepend
自建 channel企业内部 / 私有包自建索引

关键概念:装包时按 channels 列表顺序检索;找不到就报 PackagesNotFoundError

  • 建议:现代项目以 conda-forge 为主、defaults 兜底
# 把 conda-forge 设为最高优先级
conda config --prepend channels conda-forge

4.5 配置(.condarc)​

  • 用户级配置文件:~/.condarc(Linux/macOS)或 C:\Users\<user>\.condarc(Windows)
  • 常用配置:
# ~/.condarc
channels:
- conda-forge
- defaults

show_channel_urls: true # 装包时打印来源 URL
auto_activate_base: false # 新 shell 不自动激活 base
env_prompt: '({name}) ' # shell 提示符显示当前环境名
ssl_verify: true

4.6 conda vs uv 协作模式​

两种主流用法:

1. 完全替代:现代 Python 项目直接用 uv,跳过 conda

# 等价的 uv 流程
uv init myproj
uv python pin 3.12
uv add numpy pandas
uv run python demo.py

2. 混用:conda 管 Python + 系统依赖(Cuda、MKL、GDAL),uv 加速装纯 Python 包

# conda 创建基础环境
conda create -n geo python=3.11 gdal
conda activate geo

# uv 在该环境内加速装纯 Python 依赖
uv pip install --python $CONDA_PREFIX/bin/python geopandas shapely

经验法则:能 uv 就 uv;只有真正需要系统级二进制包(Cuda、FFmpeg、GDAL、R 包)才上 conda。

4.7 常见踩坑​

conda activate 报 CommandNotFoundError​

原因:没执行 conda init,shell 不知道 conda 函数定义。

解决:

conda init bash # 或 zsh / fish
source ~/.bashrc # 或重启 shell

装包时一直转圈或超时​

原因:默认源下载慢。

解决:换 conda-forge + 国内镜像

conda config --prepend channels conda-forge
# 清华源(仅作示例,按需启用)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

Solving environment: failed 依赖冲突​

  • 优先看错误里的冲突包,指定版本范围
  • 加 --strict-channel-priority 让 channel 优先级更严格,避免混装
  • 实在不行就新建干净环境,逐一装包定位冲突源

base 环境被污染怎么办​

# 1. 看 base 里装了什么
conda list -n base

# 2. 把不需要的包全卸了
conda remove -n base <pkg>

# 3. 实在乱就重装
rm -rf ~/miniconda3
# 重装 Miniconda

共享包缓存(shared package cache)​

离线安装 conda 包​