整理Python中常用的conda命令操作

1 conda介绍

conda是一个python的包管理器,用来管理、安装、更新python的包和相关的依赖。另外,conda可以为特定任务创建独立的环境,每个环境中可以只安装需要用到的包和依赖,还可以将环境导出成yml文件,然后别人可以通过你导出的yml文件可以创建一样的环境。

1.1 查看版本

conda -V
#或
conda info

1.2 更新到当前版本

conda update conda

1.3 查看某个命令帮助文档

conda [command] --help

例如conda create --help

2 环境 (environment)

每个环境相当于一个独立的文件目录,目录下是已经安装了的包。切换到哪个环境,conda就会把包安装在哪个环境的目录下。默认的环境为base

2. 1 查看所有环境

conda info --envs

2.2 创建环境

#创建一个名为ENVNAME的环境
conda create --name ENVNAME

#创建一个名为ENVNAME的环境,并在该环境下包含某个版本的python
conda create --name ENVNAME python=3.9

#创建环境的同时,安装某个包
conda create --name ENVNAME python=3.9 PKG1 PKG2

--name也可以写作-n

例如conda create --name zyy创建了一个名为zyy的环境。通过命令conda list --name zyy查看zyy环境下有哪些包,可以发现此时该环境是空的,没有任何包。

2.3 激活和关闭环境

#激活ENVNAME环境
conda activate ENVNAME
#关闭退出当前环境
conda deactivate

2.4 查看某个环境下安装的包

#当前环境的包
conda list
#名为ENVNAME的环境的包
conda list --name ENVNAME
#或
conda list -n ENVNAME

2.5 删除环境

conda remove --name ENVNAME --all

2.6 导出环境到yml文件

#将ENVIRONMENT环境导出到env.yml文件中(包括所有安装的包以及依赖)
conda env export --name ENVIRONMENT > env.yml
#或
conda env export -n ENVIRONMENT > env.yml

#将ENVIRONMENT环境导出到env.yml文件中(不包括附带安装的依赖)
conda env export --from-history	 --name ENVIRONMENT > env.yml

2.7 根据yml文件创建环境

conda env create --file envname.yml
#或
conda env create -f envname.yml

2.8 环境变量设置

有时候在某个环境下需要设置环境变量。

查看当前的环境变量:conda env config vars list

设置环境变量:conda env config vars set my_var=value

取消环境变量:conda env config vars unset my_var

3 安装和卸载包

#在目前所在环境下安装名为PKG的包
conda install PKG

#在目前所在环境下安装某个版本的包
conda install PKG=3.1.4

#安装PKG包到指定环境ENVIRONMENT
conda install PKG --name ENVIRONMENT
#或
conda install PKG -n ENVIRONMENT

#从名字为CHANNEL的源中安装名字为PKG包
conda install PKG --channel CHANNEL

#从当前环境卸载某个包
conda uninstall PKG

#卸载指定环境中的某个包
conda uninstall PKG --name ENVIRONMENT

4 源 (channel)

conda的channel就是各个python包所在的远程地址,中文常常称作"源"。python的包存放在某个channel中,然后每个人在安装某个package的时候,此package便通过网络从远程的channel下载到本地然后安装到当前的环境(environment)中。

默认channel是 https://repo.anaconda.com/pkgs/,可能会收费。而conda-forge是免费的。

4.1 查看channel:

conda config --show

输入上述命令后,可以在命令行看到下列结果,发现只有两个channels,一个是conda-forge,一个是defaults。可以看到default_channels来源有两个:https://repo.anaconda.com/pkgs/mainhttps://repo.anaconda.com/pkgs/r

命令conda config --show除了显示channels之外,还会显示别的配置,如果只需要查看channels及其优先级,可以用

conda config --get channels

4.2 添加channel:

#在channel list最上面添加channel,使其优先级最高
conda config --prepend channels CHANNEL
#或
conda config --add channels CHANNEL

#在channel list最下方添加channel,使其优先级最低
conda config --append channels CHANNEL

添加北外镜像的源:

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
#Conda Forge
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
#pytorch
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

添加之后,再看看有没有添加成功,conda config --get channels

除了defaults和conda-forge,还多了四个我们刚刚添加的源,说明添加成功。

4.3 删除channel

conda config --remove channels CHANNEL

例如,刚刚添加了北外镜像的源,现在我们来删掉:

conda config --remove channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --remove channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --remove channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
conda config --remove channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

再次查看当前的channels, conda config --get channels

5 一个完整示例

查看channel

conda config --get channels

添加北外的源:

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

查看现在的channel

查看当前系统有多少个环境

conda env list

显示:

表明现在只有一个base环境。

创建新环境zyy,并且同时安装python3.9, matplotlib, numpy, netcdf4

conda create --name zyy python=3.9 matplotlib numpy netcdf4

Proceed ([y]/n)?输入 y继续。然后开始安装包和相关的依赖。

最后显示:

表明环境创建成功。

然后切换到zyy环境:

conda activate zyy

切换环境后,发现前面括号中的内容已经由(base)变为(zyy)。

然后查看系统中存在哪些环境:

conda env list

接着导出当前环境

conda env export --name zyy --from-history my_env.yml

my_env.yml内容如下:

接下来我们看如何从已有的yml文件中导入环境。

conda env create --file my_env.yml

显示这个错误: CondaValueError: prefix already exists: /home/yyzhong/anaconda3/envs/zyy

因为zyy环境已经存在了。为此,我们可以先把my_env.yml第一行中的zyy改称zyy2。然后

conda env create --file my_env.yml

然后通过

conda env list

可以看到,现在存在3个环境了。

到此这篇关于整理Python中常用的conda命令行操作的文章就介绍到这了,更多相关conda命令行常用操作内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • 详解Anconda环境下载python包的教程(图形界面+命令行+pycharm安装)

    一:图形界面安装 1.打开Anconda 2.点击Environment 3. 将Installed点击为Not installed 4. 搜索django,勾选django之后点击绿色标识 5.点击Apply然后等待安装完成. 二.命令行(程序员都是这么搞的) 1.直接同时按Windows+R 2. 输入cmd,点击确定 3.输入pip install django执行 4.等待安装完成. 三.pycharm安装: 1.在项目中点击File中打开设置 2. 点击右侧+号,搜索django并安装

  • conda安装tensorflow和conda常用命令小结

    1. 在conda的一个环境下安装tensorflow 1)先查看它的各个版本: conda search tensorflow 或者 conda search tensorflow-gpu 2)选择一个版本安装: conda install tensorflow=0.10.0rc0 其他命令 更新: conda update xxx 删除包: conda remove xxx 2. conda的一些命令 添加环境: (e.g. 名称为py36,python版本为3.6) conda creat

  • Anaconda之conda常用命令介绍(安装、更新、删除)

    anaconda用法: 查看已经安装的包: pip list 或者 conda list 安装和更新: pip install requests pip install requests --upgrade 或者 conda install requests conda update requests 更新所有库 conda update --all 更新 conda 自身 conda update conda 更新 anaconda 自身 conda update anaconda anaco

  • 基于anaconda下强大的conda命令介绍

    我们来探究window下面,使用conda命令来操作anaconda,安装库. conda -V 检验是否安装:以及当前的anaconda版本 conda list 查看安装了那些库 conda ev list 查看当前虚拟环境 conda info -e 查看当前虚拟环境 conda update conda 检查当前的conda conda create python3 创建了python3的虚拟环境 activate python3 进入你的python3的虚拟环境(我的python3安装

  • 整理Python中常用的conda命令操作

    1 conda介绍 conda是一个python的包管理器,用来管理.安装.更新python的包和相关的依赖.另外,conda可以为特定任务创建独立的环境,每个环境中可以只安装需要用到的包和依赖,还可以将环境导出成yml文件,然后别人可以通过你导出的yml文件可以创建一样的环境. 1.1 查看版本 conda -V #或 conda info 1.2 更新到当前版本 conda update conda 1.3 查看某个命令帮助文档 conda [command] --help 例如conda

  • 十个Python中常用的pip命令总结

    目录 安装 如何使用 升级 安装某个版本的包 卸载或者是更新包 查看某个包的信息 查看需要被升级的包 查看兼容问题 指定国内源来安装 下载包但是不安装 批量安装软件包 小编相信对于大多数熟悉Python的人来说,一定都听说并且使用过pip这个工具,但是对它的了解可能还不一定是非常的透彻,今天小编就来为大家介绍10个使用pip的小技巧,相信对大家以后管理和使用Python当中的标准库会有帮助. 安装 当然在Python 3.4版本之后以及Python 2.7.9版本之后,官网的安装包当中就已经自带

  • python中常用的各种数据库操作模块和连接实例

    工作中,经常会有用python访问各种数据库的需求,比如从oracle读点配置文件或者往mysql写点结果信息之类的.这里列一下可能用到的各个模块. sqlite3: 内置模块用sqlite,有时候确实很方便,我觉得它确实做到了宣称的"零配置".python自2.5版以来,就内置了对sqlite3的支持,使用也非常简单,按照文档上来: 复制代码 代码如下: #打开db文件,获得连接conn = sqlite3.connect('数据文件名')#获得游标c = conn.cursor()

  • Python中常用的os操作汇总

    Python自动的os库是和操作系统交互的库,常用的操作包括文件/目录操作,路径操作,环境变量操作和执行系统命令等. 文件/目录操作 获取当前目录(pwd): os.getcwd() 切换目录(cd): os.chdir('/usr/local/') 列出目录所有文件(ls):os.listdir('/usr/local/') 创建目录(mkdir):os.makedirs('/usr/local/tmp') 删除目录(rmdir):os.removedirs('/usr/local/tmp')

  • 在 Python 中使用 7zip 备份文件的操作

    我在按照 Byte of python一步步的学习Python, 在学到'解决方案'的时候,原文的实例 "backup_ver1.py" 是用zip备份文件. 这里面我有几点不一样的地方: 我的电脑没有zip,我用的是7zip: 原文直接用'zip'命令备份,我直接使用7z命令报错. 使用7z命令备份之前,需要把7zip的安装目录添加到系统环境变量Path中:这时候我可以在CMD中执行7z,但是在python中还是报错,"7z is not recognized as an

  • Python中常用信号signal类型实例

    本文研究的主要是Python中的Signal 信号的相关内容,具体如下. 常用信号类型 SIGINT 终止进程 中断进程,不可通过signal.signal()捕捉(相当于Ctrl+C) SIGTERM 终止进程 软件终止信号,可通过signal.signal()捕捉(默认信号,当os.kill()没有指明信号类型时,默认的是该信号) SIGKILL 终止进程 杀死进程,不可捕捉(相当于linux下的kill命令,windows下使用会抛出异常) SIGALRM 闹钟信号 可以通过signal.

  • 详解python中的三种命令行模块(sys.argv,argparse,click)

    Python作为一门脚本语言,经常作为脚本接受命令行传入参数,Python接受命令行参数大概有三种方式.因为在日常工作场景会经常使用到,这里对这几种方式进行总结. 命令行参数模块 这里命令行参数模块平时工作中用到最多就是这三种模块:sys.argv,argparse,click.sys.argv和argparse都是内置模块,click则是第三方模块. sys.argv模块(内置模块) 先看一个简单的示例: #!/usr/bin/python import sys def hello(name,

  • 浅谈python中常用的excel模块库

    openpyxl openpyxl是⼀个Python库,用于读取/写⼊Excel 2010 xlsx / xlsm / xltx / xltm⽂件. 它的诞⽣是因为缺少可从Python本地读取/写⼊Office Open XML格式的库. 如何安装: 使用pip安装openpyxl $ pip install openpyxl 使用效果之⼀: 比如可以直接读取表格数据后综合输出写⼊到后⾯的⼀列中 xlwings xlwings是BSD许可的Python库,可轻松从Excel调用Python,同样

  • Python 中使用 argparse 解析命令行参数

    目录 1.Python 中的参数解析 2.类型 3.子命令 4.程序架构 使用 argparse 模块为应用程序设置命令行选项. 有一些第三方库用于命令行解析,但标准库 argparse 与之相比也毫不逊色. 无需添加很多依赖,你就可以编写带有实用参数解析功能的漂亮命令行工具. 1.Python 中的参数解析 使用 argparse 解析命令行参数时,第一步是配置一个 ArgumentParser 对象.这通常在全局模块内完成,因为单单_配置_一个解析器没有副作用. import argpars

  • 深入学习Python+Opencv常用四种图像处理操作

    目录 改变色彩空间: cv.cvtColor() 改变图像大小:cv.resize() 二维卷积操作 常用模糊 opencv图像处理(深度学习中常用的) 改变色彩空间: cv.cvtColor() cv.cvtColor(img, flag) img:原图像 flag:要改变的类型 常用的flag有:cv.COLOR_BGR2GRAY (BGR->GRAY).cv.COLOR_BGR2HSV img = cv.imread(r'E:\0_postgraduate\test.jpg') gray

随机推荐