03-conda包管理器
conda 是跨平台、语言无关的二进制包和环境管理器。它不仅能管理 Python 包，还能管理 C/C++、R、Ruby 等任意语言的二进制依赖。
在 conda 中，环境是一等公民。它使用硬链接技术，环境创建只需几秒且极其节省磁盘空间。
安装发行版
| 发行版 | 维护者 | 默认频道 | 特点 |
|---|---|---|---|
| Miniforge | conda-forge 社区 | conda-forge | 社区驱动，完全免费，推荐首选 |
| Miniconda | Anaconda | defaults (Anaconda Repo) | 最小安装，企业使用可能受许可限制 |
| Anaconda | Anaconda | defaults | 预装数百个包，体积较大，适合新手 |
推荐：使用 Miniforge，默认配置 conda-forge 频道，避免商业许可问题。
基本使用
bash
# 创建环境（指定 Python 版本）
conda create -n myenv python=3.11
# 创建环境并安装包
conda create -n myenv python=3.11 numpy pandas scipy
# 激活/退出环境
conda activate myenv
conda deactivate
# 安装包
conda install matplotlib
conda install -n myenv scikit-learn
# 更新包
conda update numpy
conda update --all
# 卸载包
conda remove numpy
# 搜索包
conda search tensorflow环境管理进阶
指定路径创建
使用 --prefix 可以将环境创建在项目目录下，便于管理和版本控制（忽略 .gitignore 后）。
bash
# 在当前目录下创建 envs 环境
conda create --prefix ./envs python=3.11
# 激活路径环境
conda activate ./envs克隆与回滚
bash
# 克隆环境（完整复制）
conda create -n myclone --clone myenv
# 查看环境修改历史
conda list --revisions
# 回滚到指定版本
conda install --rev 2嵌套激活
保留当前环境 PATH 的同时激活新环境（常用于 root 环境有工具链的情况）：
bash
conda activate --stack myenv环境导出与复现
导出格式
| 格式 | 命令 | 说明 |
|---|---|---|
| YAML | conda export > env.yaml | 推荐，跨平台，包含依赖树 |
| History | conda export --from-history > env.yaml | 仅导出显式安装的包，最通用 |
| Explicit | conda list --explicit > spec.txt | 包含完整 URL，精确复现但仅限同平台 |
| Requirements | conda export --format=requirements > req.txt | 类似 pip 的 requirements 格式 |
导入环境
bash
# 从 YAML 创建
conda create --file environment.yml
# 从 Explicit 文件创建/安装
conda create -n myenv --file spec.txt环境 YAML 示例
yaml
name: myenv
channels:
- conda-forge
- defaults
dependencies:
- python=3.11
- numpy=1.24
- pip:
- some-pip-only-package
variables:
MY_VAR: value频道 (Channels) 管理
频道是包的存储仓库。conda 默认搜索 defaults 频道。
bash
# 添加频道（优先级递增，最后添加的最高）
conda config --add channels conda-forge
# 设置频道优先级策略
conda config --set channel_priority strict
# 查看频道配置
conda config --show channels
# 临时从指定频道安装
conda install -c bioconda samtoolsstrict 策略：确保同一包的所有依赖都来自同一频道，避免混用导致冲突。
配置文件 (.condarc)
.condarc 是 conda 的运行时配置文件，支持 YAML 语法。
文件位置与优先级
优先级从低到高：
- 系统级：
/etc/conda/.condarc - 用户级：
~/.condarc或~/.config/conda/.condarc - 环境级：
$CONDA_PREFIX/.condarc - 环境变量：
CONDA_* - 命令行参数
常用配置示例
yaml
# ~/.condarc
channels:
- conda-forge
- defaults
channel_priority: strict
show_channel_urls: true
# 自定义环境提示符
env_prompt: '({name})'
# 自动堆叠激活
auto_stack: 1
# 包缓存目录
pkgs_dirs:
- ~/.conda/pkgs
# 环境存储目录
envs_dirs:
- ~/.conda/envs国内镜像配置
bash
# 添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes高级功能
跨平台支持
bash
# 创建其他平台的环境（推荐先 dry-run）
conda create --platform linux-64 --name linux-env python --dry-run环境变量管理
bash
# 设置环境变量（持久化到环境）
conda env config vars set MY_KEY=secret -n myenv
# 查看环境变量
conda env config vars list -n myenv
# 删除环境变量
conda env config vars unset MY_KEY -n myenv设置后需重新激活环境生效。
清理缓存
bash
# 清理未使用的包和缓存
conda clean --all
# 仅清理 tarballs
conda clean --tarballs与 pip 配合
conda 环境中可以使用 pip，但需注意隔离性。
最佳实践：
- 先 conda 后 pip：尽可能用 conda 安装所有依赖。
- 避免混用：在同一个环境中，不要先用 pip 安装再用 conda 安装同一个包。
- 使用 --user 警告：不要在 conda 环境中使用
pip install --user。
bash
# 1. 创建环境
conda create -n myenv python=3.11 numpy
# 2. 激活
conda activate myenv
# 3. 用 pip 安装 conda 没有的包
pip install some-package --upgrade-strategy only-if-needed如果环境已经用 pip 安装过包，后续需要添加 conda 包时，建议重建环境以避免依赖冲突。
本章小结
┌─────────────────────────────────────────────────────────────┐
│ conda 包管理器 知识要点 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 核心特性： │
│ ✓ 跨平台、语言无关的二进制包管理 │
│ ✓ 环境是一等公民，硬链接节省空间 │
│ ✓ 预编译二进制，无需系统编译依赖 │
│ │
│ 环境管理： │
│ ✓ 创建/克隆/删除/回滚 │
│ ✓ --prefix 项目级环境 │
│ ✓ 多格式导出：YAML、Explicit、Requirements │
│ │
│ 频道与配置： │
│ ✓ conda-forge 社区频道推荐 │
│ ✓ strict 优先级策略 │
│ ✓ .condarc 多层级配置 │
│ │
└─────────────────────────────────────────────────────────────┘