Conda 常用命令

本文档列出在日常使用 Conda（Anaconda / Miniconda）时常见且实用的命令与示例，包含环境管理、包管理、导出/导入、配置与清理等常用操作。

环境管理（创建 / 激活 / 删除 / 列表）

  • 创建新环境：指定 Python 版本
1
conda create -n myenv python=3.10
  • 创建并同时安装包：
1
conda create -n myenv python=3.10 numpy pandas
  • 列出所有环境：
1
2
3
conda env list
# 或者
conda info --envs
  • 激活环境：
1
conda activate myenv
  • 停用当前环境：
1
conda deactivate
  • 删除环境：
1
conda remove -n myenv --all
  • 克隆环境：
1
conda create --name cloned_env --clone myenv

包管理（安装 / 升级 / 卸载 / 列表）

  • 在当前激活环境安装包：
1
conda install numpy
  • 在指定环境安装包：
1
conda install -n myenv scipy
  • 从特定 channel 安装（如 conda-forge）：
1
conda install -c conda-forge opencv
  • 使用 mamba（更快的替代品）：先安装 mamba，然后用 mamba 替代 conda
1
2
conda install -n base -c conda-forge mamba
mamba install -n myenv -c conda-forge somepkg
  • 升级包：
1
2
3
conda update numpy
# 或升级 conda 本身
conda update -n base -c defaults conda
  • 卸载包：
1
conda remove package_name
  • 列出环境中的包：
1
conda list

导出 / 导入 环境（共享、重现）

  • 导出当前环境为 YAML（常用于分享）：
1
conda env export > environment.yml

建议去掉 build 信息以提高可移植性：

1
conda env export --no-builds > environment.yml
  • 从 YAML 文件创建环境：
1
conda env create -f environment.yml
  • 使用 explicit 列表导出（精确包二进制 URL）：
1
2
conda list --explicit > spec-file.txt
conda create --name myenv --file spec-file.txt

环境与包调试、信息查看

  • 查看 conda 信息（配置、路径、active env）：
1
conda info
  • 搜索包：
1
conda search pandas
  • 查找包来自哪个 channel：
1
conda search numpy --info

配置与 channel 管理

  • 添加 channel（优先级低 -> 高）：
1
conda config --add channels conda-forge
  • 设置 channel 优先级（strict / flexible）：
1
conda config --set channel_priority strict
  • 查看当前配置：
1
conda config --show
  • 临时使用 channel 安装（推荐用于测试）：
1
conda install -c conda-forge somepkg

清理与维护

  • 清理未使用的包、缓存（回收磁盘空间）：
1
conda clean -a

常用选项： -p（清理包缓存），-t（清理 tarballs），-i（清理索引缓存），-a（全部）。

常见技巧与注意事项

  • 禁止自动激活 base 环境（启动时更干净）：
1
conda config --set auto_activate_base false
  • 在不激活环境下运行命令：
1
conda run -n myenv python script.py
  • 在项目中使用 environment.yml 保持可重复环境：将 environment.yml 加入仓库，使用 conda env create -f environment.yml 重建。
  • pip 与 conda 混用注意：优先使用 conda 安装包（尤其是依赖 C 库的包），必要时在 conda 环境中使用 pip install，并在 environment.yml 中把 pip 依赖放在 - pip: 下列出。

示例 environment.yml（带 pip 依赖）：

1
2
3
4
5
6
7
8
9
name: myenv
channels:
  - conda-forge
dependencies:
  - python=3.10
  - numpy
  - pip
  - pip:
      - some-pypi-package==1.2.3

conda install vs pip install

对比项 conda install pip install
包来源 默认从 Anaconda 官方仓库（defaults）或指定 channel（如 conda-forge）获取，经测试编译并打包包含二进制依赖 直接从 PyPI 下载源码或 Wheel（通常不含系统级依赖）
依赖解析 Conda 使用 SAT 求解器全局解析所有依赖，尽量给出互相兼容的包版本；可能速度较慢 pip 采用递归解析，遇到冲突只发出警告，最终环境可能出现不兼容版本
非 Python 依赖 可以同时安装 C/C++ 库、MKL、CUDA 等系统依赖，因为包里已经包含编译好的二进制 只能处理 Python 包；若需要系统库需自行安装（或依赖 OS 包管理器）
环境作用域 可以指定 -n env_name 操作任意 Conda 环境；也可全局管理环境（conda create/remove） 仅对当前激活的 Python 环境生效（如 venv、virtualenv、conda 环境）
构建方式 包在构建时统一使用 Conda build，保证 ABI 兼容；安装时通常无需编译 遇到只发布源码的包时会现场编译，需本地编译链（build tools）
适合场景 数据科学、需要加速库或系统依赖的项目，或希望全部由一个工具管理环境与包 纯 Python Web/脚本项目，或需要最新的 PyPI 包（PyPI 更新通常快于 Conda）

组合使用建议

  1. 先用 conda install 安装能在 channel 找到的包，确保二进制依赖完备。
  2. Channel 中没有的包再用 pip install，并在 environment.yml 的 - pip: 块记录版本。
  3. 同一环境内尽量避免频繁交替安装（尤其是多 channel + pip），以减少依赖冲突。

使用anaconda管理员身份打开prompt，激活相应的虚拟环境后再pip，这样就只会安装到其相应的虚环境中了

常见问题快速解答

  • conda 安装失败或依赖冲突：尝试使用 mamba，或创建新的干净环境并逐步安装；也可尝试指定 channel 或使用 --no-update-deps（谨慎）。
  • 环境太多想批量删除：用 conda env list 找到名称，再用脚本循环删除。