使用conda管理python包

2021-02-20 氣象雜貨鋪

使用Python的一定對著名的科學計算集成環境Anaconda（miniconda）並不陌生，而無論是使用Anaconda還是miniconda都必然會用到其包管理器——conda。作為一款管理python安裝包的包管理器，其功能要比python自帶的pip強大不少。

安裝好anaconda時會默認安裝conda，以及一些python安裝包。然後可以根據個人需要，使用conda安裝其餘的第三方包，conda會自動解決包之間的依賴關係。在安裝第三方包時，由於網絡連接原因，連接默認源的速度會很慢，有時會出現連接中斷，甚至無法連接的情況。為了提高下載速度，並且順利安裝，在安裝好anaconda之後，使用conda包管理器之前，有必要更改conda的默認配置信息，尤其是源的通道。

修改源通道

先執行 conda config --show-sources 查看已有通道信息：

conda的配置信息都存儲在 .condarc 文件中（注意： .）：

從圖中可以看出，除了 defaults 之外，還有一些清華大學的通道以及 r 通道。這些通道都是後來添加的。通過執行以下命令可以添加通道：

添加 anaconda 源通道

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

添加 第三方源通道

# conda-forge 源通道，包含了很多常用的python包
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# msys2 源通道，可以非常方便的在windows上安裝 fortran 編譯器等
#  有利於解決一些在 linux下運行，而對 windows 支持不好的包的依賴
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

執行

conda config --set show_channel_urls yes

可以在安裝python包時看出包的來源。

除了清華大學設置了 anaconda 的鏡像站之外，中國科大，南京大學等國內高校都同步了anaconda的官方庫鏡像以及一些第三方庫鏡像。因此，除了清華大學的鏡像站可用之外，還有其它鏡像站同樣可用，可根據需要選擇。

注意：

如果你是清華大學的，那麼建議你使用清華大學鏡像站。因為處於清華大學內網中通過清華鏡像站安裝python庫會比在校外連接快10倍左右。如果你們學校沒有同步anaconda鏡像站，那麼可以根據網絡距離選擇距離你近的鏡像站。當然，你也可以看心情選擇。


conda config 命令也有許多可選項，支持信息寫入寫入操作，可以指定將配置信息寫入到哪個文件。比如：

--system 選項，可以將配置信息寫入系統路徑下的 .condarc 文件，而不是用戶目錄下的 .condarc 文件中。

安裝包

設置好源通道之後就可以安裝需要的python包了，比如：

conda install matplotlib

默認情況下，連接源通道之後需要確認是否安裝 matplotlib，但有時候不想確認，直接默認安裝的話，可以執行以下命令：

conda install --yes matplotlib

也可以安裝指定版本號的包

conda install matplotlib=2.0.1

上述安裝方式是為默認的python環境安裝python相關包，也可以為指定的python環境安裝相關包：

conda install -n myenv matplotlib

除此之外，還可以從指定通道安裝所需要的包：

conda install -c conda-forge wrf-python

如果有些安裝包的連接不穩定的時候，可以將安裝包下載到本地，然後通過本地安裝：

conda install --use-local 包名

可能因為需要，只想知道執行安裝命令之後會發生什麼，但是並(閒)不(的)想(無)真(聊)的(玩)安(一)裝(玩)，可以指定 --dry-run 參數（嗯，幹run）。

conda install --dry-run matplotlib

還可以強制安裝，也可以只安裝指定的安裝包，不安裝依賴。更多功能，可以執行：

conda install --help

更新包
 

更新python包的方式和安裝python包的方式類似，只是將 install 改為 update/upgrade，而且支持的可選參數項幾乎完全相同。

conda update/upgrade -n myenv matplotlib=2.0.1
conda update/upgrade --yes --use-local matplotlib

刪除包

卸載python包的命令形式與安裝操作剛好相反，但是大部分可選參數項類似，也提供了一鍵卸載所有安裝包，即整個python環境。

conda remove/uninstall --all

搜索包

如果安裝之前不確定是否存在此安裝包，或是安裝包的名稱記不太清了，都可以先搜索一下安裝包。

conda search 命令支持python正則表達式輸入，可以非常方便的進行搜索。如果搜索字符串中包含 - ，需要通過 -- 將 搜索字符串隔開，比如：

conda search -- -h

搜索結果中包含 * ，則意味著安裝到當前環境，如果包含 . ，則意味著不安裝，但會在 pkgs 目錄進行緩存。

也可以安裝平臺進行搜索：

conda search --platform linux-64

、支持的平臺名如下：

win-32,win-64,osx-64,linux-32,linux-64

除了上述命令之外，還有一些其它命令，但是不經常使用，比如 conda list 列出安裝包信息等。

相關焦點

  • Conda|Python包和版本管理利器
    本文續上篇，介紹Anaconda的強力管家Conda：可靈活管理python的包package和環境environment。Conda簡介多種程式語言的包package 和虛擬環境environment的管理；非常簡單的完成package的安裝、運行、更新、刪除、依賴問題；可操作repo.anaconda.com上7,500+ packages ；支持語言【本文只介紹對python操作】：Python、R、Ruby、Lua、Scala
  • 使用conda管理你的Python環境
    最近在學習Python，經常會使用到conda命令，conda是Python包及其依賴項和環境的管理工具。因此整理了一些常用的conda命令，以供大家和自己學習使用。4、查看已有環境conda info --envs 或者 conda env list5、創建新的環境conda create -n xxxx python=x.x
  • 使用conda建立及管理python虛擬環境
    使用conda建立及管理python虛擬環境平時我們在使用python進行各種不同的開發時，最常遇到的問題是我們需要選擇不同的python版本，以及各種各樣的包（package）。我現在發現的問題就是，有很多不經常使用python的同學不知道怎麼管理自己的開發環境，不管怎麼樣的python項目，都使用pycharm默認的編譯環境，在安裝一些某些項目需要的包（package)，經常會導致各種各樣的報錯。其實這些問題都很容易解決。我們安裝一個python的包（package）管理工具Anaconda即可。
  • Python第三方庫管理Pip和Conda
    ，例如有時候需要tensorflow 1版本，有的時候希望用最新的2.3版本，這樣導致了運行環境的管理複雜度，對於第三方庫管理推薦通過Anaconda來解決這個痛點，通過不同的env解決環境配置問題。3.4.x中的最新版本）conda create --name python34 python=3.4# 安裝好後，使用activate激活某個環境activate python34 # for Windowssource activate python34 # for Linux & Mac# 激活後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認
  • conda:基於python的軟體管理系統
    如何在一臺伺服器上同時安裝不同版本的python,不同版本的package, 而且不互相干擾，是一個令人頭痛的問題。為了解決這個問題，首先是virtualenv這個包的發明，實現了python環境的隔離，接下來就是conda的出現，conda不僅僅解決了python的環境隔離問題，還進一步擴展，支持任意軟體的隔離。
  • 用 Conda 來管理 Python 虛擬環境
    Python的時候，有可能會使用多個Python環境，有的是Python版本不同，有的則是Python的第三方模塊使用情況不同，因此，我們需要對Python進行虛擬環境管理。Python的虛擬環境管理有多種實現方式，比如Conda和Python自帶的管理工具virtualenv。本文將會介紹如何使用Conda來管理Python虛擬環境。使用Conda管理Python虛擬環境首先需要確認在你的系統中安裝了Anconda。檢查系統中是否安裝Anconda的命令為conda -V，如下：
  • Conda深度學習使用指南
    再簡單點說就是一個預裝了一些「常用」的軟體包的環境管理工具，在所有系統上都可以用。什麼是環境和虛擬環境？為什麼要使用conda？如果使用python官網安裝的python解釋器，那就只有一個默認的環境，在這個環境下某個包只能有一個版本。如果需要同時使用tensorflow 1.13和1.14版本，就無法實現。因此虛擬環境應運而生。虛擬環境就是創建不同的python解釋器，環境之間依賴是獨立的。
  • R studio/R 工具指南(十四:在Rstudio中使用python和conda)
    所以，你得有個python 環境。這裡我建議使用conda 進行管理，非常方便。而在R 中使用python，則需要安裝R 包reticulate。如果你還沒有創建conda 環境，可以參考下面的使用conda 條目。通過conda 分離不同python 或其他程序版本，可以防止因為軟體或包版本不同造成的汙染。1.
  • Conda/Bioconda實際使用體驗分享
    的經歷：最初是由於安裝幾個科學計算相關的python包出錯，尤其是Scipy包，如果直接使用pip install的方式必然會安裝失敗，雖然後面找到了解決方案，但同時搜到了一堆人推薦使用conda來管理python包的文章，本著試一試態度，就安裝了一次，不過由於當時的工作任務主要是在Windows平臺上進行，使用conda並沒有給我帶來什麼方便之處，然後就將其遺棄了，這是我與conda的第一次邂逅~
  • 必備技能,conda創建python虛擬環境,完美管理項目
    對於每個項目，都會說明所需要的基本庫/包。這裡演示linux系統下如何使用conda實現虛擬環境的創建操縱。conda版本conda -V# 輸出 conda 4.7.12（2）conda一些常用的命令1）conda list 查看安裝了哪些包
  • conda:一個當下最流行的Python虛擬環境工具
    Conda環境 Conda簡介Conda是目前為止，最流行的Python軟體包與管理環境。Conda分為 miniconda 與 anaconda 兩種。前者從名字上就能猜出是精簡版，後者預裝了很多常用的功能，但比較臃腫。實際工程中，一般都使用 miniconda，按需安裝軟體包，本文的下面篇幅也以 miniconda 為例進行說明。
  • conda安裝與使用
    anaconda是包含一些常用包的版本，miniconda則是精簡版可以根據自己的需要來安裝相應的軟體，一般安裝使用minicondaconda的安裝流程1.conda使用bash去運行腳本，以sh結尾的文件，除了bash 之外還可以使用 ./ 去運行chmod 777 Miniconda3-latest-Linux-x86_64.sh         #剛下載好的安裝包沒有可執行權限，所以需要先給權限bash Miniconda3
  • Conda入門教程
    conda安裝包的時候會從默認的channel搜索和下載。當然，我們在安裝包時，也可以指定channel：conda install scipy --channel conda-forgeConda environmentsconda environment是一個目錄，它包含了你所安裝的conda軟體包的特定集合。
  • Python系列特別篇-Conda和JupyterLab
    安裝完成、配置好環境變量後呢就可以使用conda命令了：mybook@h2r ～% conda --helpusage: conda [-h] [-V] command ...config --add channels https:conda config --add channels https:當伺服器或者本地同時存在基於不同版本Python的多個項目，抑或是Python版本一致，但是項目的依賴包的版本不一致的時候，環境管理就非常有必要了。
  • 利用conda安裝包、卸載包、升級包、查看包信息等操作
    conda下載包是通過一些chanel來訪問下載的，原本內置的有一些chanel，另外一些包需要自己添加下載所需的chanel。
  • 你不得不懂的conda和pip --還在找conda與pip?三分鐘全掌握
    Python需要運行時解釋，自然運行python程序時少不了帶上python解釋器以及python程序引用的一些模塊包，標準python解釋器裡已經附帶了一些通用包，可以直接使用，比如os，sys之類的。當我們需要使用一些標準python中沒有的包時，我們就需要安裝需要的模塊。由於python的這些特點，在我們的實際開發使用過程中，自然就避免不了帶來一些麻煩困擾。
  • python環境中的概念,conda中與環境相關指令操作
    python環境中的概念conda中與環境相關指令 操作
  • conda安裝包及設置鏡像源等命令
    #安裝包：conda install packagename#也可以安裝多個包：conda installl
  • 生信小秘: conda
    基於Linux作業系統進行生信分析，或多或少會被其五花八門的軟體安裝方式、版本控制、路徑配置、依賴包管理等搞得煩不勝煩。一個軟體裝個三五天也不是沒有可能。如此，如果能有一位得力「小秘」來協助自己快速安裝、管理各類軟體，搭建屬於自己的運行環境，必將事半而功倍。conda可謂就是這樣一位集精巧和高效於一身的負責開源軟體包與環境系統管理的「小秘」，雖非萬能，也解千愁。
  • conda常見用法
    創建虛擬環境conda create --name name python=3.8name 就是你要創建的虛擬環境的名字，python 指定版本後，就會自動尋找這個版本的最新版本。Ⅱ.使用 conda activate name 即可。Ⅲ. 退出虛擬環境conda deactivate nameⅣ.