【命令】Conda - Study & Coding Just Fun!

以下是 Conda 环境管理的常用命令，按功能分类整理：

1. 环境管理基础#

命令	说明
`conda --version`	检查 Conda 版本
`conda update conda`	更新 Conda 自身
`conda env list` 或 `conda info --envs`	列出所有已创建的环境（`*` 表示当前环境）

2. 创建与删除环境#

命令	说明
`conda create --name myenv`	创建名为 `myenv` 的空白环境
`conda create --name myenv python=3.9`	创建指定 Python 版本的环境
`conda create --name myenv --clone base`	克隆 `base` 环境到 `myenv`
`conda remove --name myenv --all`	彻底删除环境 `myenv`

3. 激活与退出环境#

命令	说明
`conda activate myenv`	激活环境（Windows/macOS/Linux 通用）
`conda deactivate`	退出当前环境（返回上一级或系统环境）
`source activate myenv`	旧版 Conda（4.4 之前）激活方式（仅 Linux/macOS）

4. 包管理#

命令	说明
`conda list`	查看当前环境已安装的包
`conda search numpy`	搜索包 `numpy` 的可用版本
`conda install numpy`	安装包（默认最新版本）
`conda install numpy=1.21`	安装指定版本的包
`conda install -c conda-forge pandas`	从特定频道（如 `conda-forge`）安装包
`conda remove numpy`	卸载包
`conda update numpy`	更新指定包
`conda update --all`	更新当前环境所有包

5. 环境配置与导出#

命令	说明
`conda env export > environment.yml`	导出当前环境的包列表到 `environment.yml`（包含精确版本）
`conda env create -f environment.yml`	根据 `environment.yml` 文件创建环境
`conda env update -f environment.yml`	更新当前环境以匹配 `environment.yml`

6. 高级操作#

命令	说明
`conda clean --all`	清理未使用的包和缓存
`conda config --show`	查看 Conda 配置（如默认频道、环境路径）
`conda config --set env_prompt "({name}) "`	自定义终端提示符的环境名称显示格式

7. 环境路径与信息#

命令	说明
`conda info`	查看 Conda 系统信息（包括环境存储路径）
`which python`（Linux/macOS）或 `where python`（Windows）	查看当前 Python 解释器路径

常用场景示例#

从零创建并管理环境#

# 创建 Python 3.10 环境
conda create --name myproject python=3.10
conda activate myproject

# 安装必要包
conda install numpy pandas matplotlib
conda install -c conda-forge scikit-learn

# 导出环境配置
conda env export > environment.yml

# 退出环境
conda deactivate

克隆并清理环境#

# 克隆现有环境
conda create --name myproject_backup --clone myproject

# 删除旧环境
conda remove --name myproject --all

注意事项#

频道优先级：使用 -c 指定频道时，优先级高于默认频道。
跨平台兼容性：导出的 environment.yml 可能因操作系统不同导致依赖冲突（需手动调整）。
混合使用 Conda 和 Pip：在 Conda 环境中使用 pip install 可能导致依赖冲突，建议优先使用 Conda 包。

掌握这些命令后，你可以高效管理 Python 项目依赖和环境！如果有其他问题，随时告诉我具体场景，我会提供更针对性的建议。