小花生

study & life record.

Conda & Spyder 的环境管理

发表于 分类于 ，

重温一遍 with 更详尽的指引。

Conda 使用指南

一、环境管理

  1. 查看现有环境

    • 查看当前所有 Conda 环境：

      1
      conda env list

  2. 创建新环境

    • 创建一个新的环境，并指定 Python 版本：

      1
      conda create -n myenv python=3.9

    • 创建环境并安装多个包：

      1
      conda create -n myenv python=3.9 numpy pandas

    • 创建环境时指定使用特定的包源（如 conda-forge）：

      1
      conda create -n myenv python=3.9 numpy -c conda-forge

  3. 激活/切换环境

    • 激活一个环境：

      1
      conda activate myenv

    • 如果你在 base 环境中工作，切换到其他环境时会看到环境名称前缀变化，例如：

      1
      (myenv) user@machine:~$

  4. 退出当前环境

    • 退出当前激活的环境，返回 base 环境：

      1
      conda deactivate

  5. 删除环境

    • 删除一个环境及其所有内容：

      1
      conda remove --name myenv --all

  6. 共享环境配置

    • 导出当前环境的配置（包括所有包及版本）到 YAML 文件：

      1
      conda env export > environment.yml

    • 使用 YAML 文件在其他机器上创建相同的环境：

      1
      conda env create -f environment.yml

二、包管理

  1. 查看已安装的包

    • 查看当前环境中安装的所有包：

      1
      conda list

    • 查看指定环境中的包（不需要激活该环境）：

      1
      conda list -n myenv

  2. 安装包

    • 在当前环境中安装包：

      1
      conda install package_name

    • 安装特定版本的包：

      1
      conda install package_name=1.2.3

    • 使用 pip 安装包（适用于 Conda 环境中没有的包）：

      1
      pip install package_name

  3. 更新包

    • 更新某个包：

      1
      conda update package_name

    • 更新所有包：

      1
      conda update --all

  4. 卸载包

    • 卸载某个包：

      1
      conda remove package_name

    • 卸载并清理不再需要的包：

      1
      conda remove package_name --all

  5. 查看包的依赖

    • 查看某个包的依赖项：

      1
      conda info package_name

  6. 清理 Conda 缓存

    • 清理不再使用的包缓存，释放磁盘空间：

      1
      conda clean --all

三、环境和包管理的最佳实践

  1. 为每个项目创建独立的环境：

    • 尽量避免在 base 环境中安装项目依赖。为每个项目创建独立的 Conda 环境，这样可以避免版本冲突并确保项目的可重现性。

  2. 使用 environment.yml 文件管理环境：

    • 通过 environment.yml 文件可以方便地分享环境配置，使得其他人可以轻松创建相同的环境。

      environment.yml 文件例子：

      1
      2
      3
      4
      5
      6
      7
      8
      name: myenv
      channels:
        - conda-forge
        - defaults
      dependencies:
        - python=3.9
        - numpy
        - pandas

  3. 定期清理环境：

    • 删除不再使用的环境，以释放磁盘空间。
    • 使用 conda clean --all 清理缓存和不再使用的包。

  4. 尽量通过 Conda 安装包：

    • Conda 优化了包的依赖关系和兼容性，因此尽量通过 Conda 安装库。只有在 Conda 中找不到包时，才使用 pip 安装。

  5. 避免过多依赖全局环境（base 环境）：

    • 虽然 base 环境包含了 Conda 管理工具和一些常用包，但最好避免在 base 环境中直接进行项目开发。建议每个项目都使用独立的环境。

Spyder 使用指南

一、在 Conda 环境中安装 Spyder

  1. 创建新的 Conda 环境
    首先，为项目创建一个新的 Conda 环境，并指定 Python 版本及其它所需的库。例如，创建一个名为 myenv 的环境，并安装 Python 和 SciPy 库（可以包括 Spyder）：

    1
    conda create -n myenv python=3.9 scipy

  2. 激活环境
    激活该环境：

    1
    conda activate myenv

  3. 安装 Spyder
    你可以通过 Conda 安装 Spyder，也可以选择通过 conda-forge 频道进行安装。推荐使用 conda-forge，因为它通常更新较快：

    1
    conda install spyder -c conda-forge

    安装完成后，Spyder 就会安装在当前 Conda 环境中。

二、启动 Spyder

  1. 启动 Spyder
    在 Conda 环境中安装好 Spyder 后，仍然需要在该环境中启动 Spyder。确保你在所需的 Conda 环境下激活，然后运行 Spyder：

    1
    spyder

    这会启动与当前环境绑定的 Spyder。