在Windows上的安装与使用Miniconda

python 虚拟环境的重要性已经无需多言了, 目前所有支持 python 虚拟环境的工具中最好用的应该就是 conda 了, 最重要的一点是可以一键创建不同版本的 python 环境以适应不同的需求.

Anaconda 比较臃肿, 本文使用无 GUI 的 miniconda。

####Minicanda安装

下载
进入清华大学开源软件镜像站网址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

建议下载最新版本：
Miniconda3-latest-Windows-x86_64.exe

安装
一路Next即可

设置环境变量
自行将Miniconda的路径(第二步所选择的安装位置)添加到系统的环境变量中，确保你可以在任何位置运行conda命令。这一步非常关键，它将为你在Windows系统上使用conda提供便利。

建议增加的路径
```
path\to\your\miniconda
path\to\your\miniconda\Library\bin
path\to\your\miniconda\Scripts
```

完成安装
安装完成后，打开一个新的命令提示符窗口（win+cmd），输入conda --version来验证是否安装成功。如下图所示，如果你能看到了conda的版本信息，那么恭喜你！安装成功啦！你现在可以在Windows系统上愉快地使用Miniconda了！

####备注与常用命令

添加镜像仓库
由于anaconda的仓库在国外，这里先添加清华的镜像仓库
```
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 true
```

创建新环境
因为不同的工程会需要不同的环境，创建不同的虚拟环境便于管理项目。
cd到刚刚安装到的miniconda3文件夹里，然后创建一个python3.9的环境，其中py37是该虚拟环境的名字，输入指令：
```
conda create -n python39 python=3.9
```
![](https://ciniao.me/usr/uploads/2024/12/67731476.png)

**基础操作**
```
#查询 conda 版本
conda --version

#更新 conda
conda update conda

#查看conda环境详细信息
conda info

#查看当前有哪些虚拟环境
conda env list

#或者使用如下命令：
conda info --envs

#创建一个新的虚拟环境
conda create --name jupyter_venv python=3.8

#其中，通过 -n或--name 来自定义的环境名称，如：#jupyter_venv；同时，指定Python的版本。

#激活虚拟环境
conda activate jupyter_venv

#退出当前虚拟环境
conda deactivate

#删除某个虚拟环境
conda remove -n your_env_name --all
#其中，-n与--name等价，表示虚拟环境名

#复制某个虚拟环境
conda create --name new_env_name --clone old_env_name

#分享/备份一个虚拟环境
#一个分享环境的快速方法就是给他一个你的环境的.yml文件。
#首先激活要分享的环境，在当前工作目录下生成一个environment.yml文件。

conda env export > environment.yml

#对方拿到environment.yml文件后，将该文件放在工作目录下，可以通过以下命令从该文件创建环境即可。

conda env create -f environment.yml

#安装包
conda install [package] (如：conda install numpy)

#指定包版本
conda install xlrd=1.2.0
#也可以使用pip install安装：
pip install xlrd==1.2.0

#批量安装 requirements.txt 文件中包含的组件依赖
conda install --yes --file requirements.txt

#批量导出依赖包
#批量导出包含环境中所有依赖包到requirements.txt文件。
conda list -e > requirements.txt

#删除当前环境中的某个包
conda remove [package]

#注意：这里并非conda uninstall，只有在pip指令下才有pip uninstal。

#升级当前环境中的某个包
conda update [package]

#升级所有包：
conda update --all

#搜索包
conda search [package]

#删除没有用的安装包
#Conda 安装的包都在目录Anaconda/pkgs下。随着使用，conda 安装的包也越来越多；有时候会出现以下不好的情况：
#有些包安装之后，从来没有使用过；
#一些安装包的tar包也保留在了计算机中；
#由于依赖或者环境等原因，某些包的不同版本重复安装。
#上面的这些情况使得anaconda显得更加冗余，并且浪费储存；对于这些情况可以使用conda clean 净化Anaconda。

conda clean -p
#或者
conda clean --packages

#删除tar包
conda clean -t
#或者
conda clean --tarballs

#删除所有的安装包及cache
#删除索引缓存、锁定文件、未使用过的包和tar包。

conda clean -y --all
```

**官方文档**
https://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html

在Windows上的安装与使用Miniconda

添加新评论

本文目录

最新文章

分类

其它