Conda是一個開源的包管理和環境管理系統，主要用于Python/R等科學計算領域，可以輕松管理不同項目的依賴關系。以下是Conda的詳細使用方法：

一、安裝與配置

1.安裝Miniconda/Anaconda

Miniconda是精簡版，只包含conda和Python
Anaconda是完整版，包含大量科學計算包
下載地址：https://www.anaconda.com/download/success

2.常用配置

# 查看配置
conda config --show# 添加清華鏡像源(國內推薦)
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

二、環境管理

1.創建環境

# 創建名為env_name的環境，指定Python版本
conda create -n env_name python=3.8# 創建環境并安裝指定包
conda create -n env_name numpy pandas matplotlib

2.查看環境

# 列出所有環境
conda env list
# 或
conda info --envs

3.激活/停用環境

# 激活環境
conda activate env_name# 停用環境
conda deactivate

4.刪除環境

conda env remove -n env_name

5.克隆環境

conda create -n new_env --clone old_env

6.導出/導入環境（經常用于備份和恢復）

# 導出環境到YAML文件
conda env export > environment.yml# 從YAML文件創建環境
conda env create -f environment.yml

三、包管理

1.安裝包

# 安裝最新版本
conda install package_name# 安裝指定版本
conda install package_name=1.2.3# 從特定channel安裝
conda install -c channel_name package_name

2.查看已安裝包

# 列出當前環境所有包
conda list# 列出指定環境的包
conda list -n env_name

3.更新包

# 更新特定包
conda update package_name# 更新所有包
conda update --all

4.搜索包

conda search package_name

5.刪除包

conda remove package_name

四、高級用法

1.清理緩存

# 清理未使用的包和緩存
conda clean --all

2.查看conda信息

conda info

3.使用pip與conda混合管理

建議在conda環境中優先使用conda安裝包
對于conda中沒有的包再用pip安裝
注意：避免conda和pip重復安裝相同包

4.跨平臺共享環境

# 導出跨平臺環境文件(不包含平臺特定信息)
conda env export --from-history > environment.yml

5.Jupyter內核管理

# 在環境中安裝ipykernel
conda install ipykernel# 將環境添加到Jupyter
python -m ipykernel install --user --name env_name --display-name "顯示名稱"

五、常見問題

1.conda命令找不到

需要將conda加入PATH環境變量
或使用絕對路徑執行

2.解決包沖突

conda update --all

或創建新環境重新安裝

3.恢復損壞的環境

conda install --revision 0 ?# 恢復到初始狀態
conda list --revisions ? ? ?# 查看歷史版本

4.加速conda操作

使用國內鏡像源

減少channel數量

定期清理緩存

六、Conda 與 Pip 的區別與協作

1. 區別

Conda：支持跨語言包管理，適合數據科學和科學計算。
Pip：專注于 Python 包管理，依賴 setuptools 和 wheel。

2. 協作建議

優先使用 Conda 安裝包，尤其是需要二進制依賴的包（如 NumPy、SciPy）。
對于 Conda 未收錄的包，可使用 Pip 安裝，但需確保在 Conda 環境中操作：

conda activate myenv
pip install package_name