Anaconda創(chuàng)建新環(huán)境并安裝包的完整指南
更新時間：2026年01月22日 10:08:41 作者：C系語言
文章主要介紹了Python包管理工具conda和pip的區(qū)別、混合使用時可能出現(xiàn)的問題以及如何最小化風險的方法,文章還提供了Conda和Pip+venv兩種環(huán)境管理的詳細指南,并對比了它們的操作和優(yōu)勢,感興趣的朋友跟隨小編一起看看吧
由于python包的主要安裝方式分為conda和pip，并且這兩種安裝方式混用會帶來
借用Deepseek的回答，
這是一個很好的問題！混用 conda 和 pip 不是不能用，而是 容易引發(fā)難以調(diào)試的問題。讓我詳細解釋：
?? 為什么能工作但有問題？
1. 依賴解析機制不同
conda: 使用SAT求解器，考慮所有包（包括C庫、系統(tǒng)依賴） pip: 簡單的遞歸依賴解析，只考慮Python包
- 沖突示例：conda安裝的numpy可能依賴特定的MKL庫，pip安裝的scipy可能要求不同的numpy版本
2. 包命名和版本不匹配
# 同樣的包，conda和PyPI可能有不同： conda install tensorflow-gpu # conda的命名 pip install tensorflow # pip的命名 # 版本號也可能不同步 conda: opencv 4.8.0 pip: opencv-contrib-python 4.8.1
3. 安裝位置可能重疊但不受管理
conda環(huán)境目錄: ├── site-packages/ # conda管理 └── pip-installed/ # pip安裝的包可能在這里 # pip可能覆蓋conda的文件，但conda不知道
?? 實際會發(fā)生什么？
場景A：看起來正常
# 大多數(shù)情況能正常運行
import numpy # 來自conda
import pandas # 來自conda
import requests # 來自pip
print("一切正常！") # ?場景B：隱性問題
# 安裝時無報錯，但運行時崩潰 import torch # conda安裝的CUDA版本 import some_pip_package # pip安裝 # 某天突然：Segmentation fault! # 因為pip包更新了底層依賴
場景C：更新災難
# 1. 先用conda安裝 conda install numpy==1.24.0 # 2. 再用pip"修復"問題 pip install numpy==1.26.0 # 覆蓋conda版本 # 3. 使用conda更新其他包 conda update pandas # conda檢測到numpy 1.24.0，實際是1.26.0 # 結果：環(huán)境狀態(tài)混亂，conda可能破壞pip的包
?? 混用時如何最小化風險？
如果你必須混用，按這個順序：
1. 最佳實踐順序
# 1. 先conda安裝盡可能多的包 conda install numpy pandas scipy matplotlib # 2. 再pip安裝conda沒有的包 pip install some-rare-package # 3. 避免再用conda更新（特別是基礎包）
2. 使用conda的pip
# 在conda環(huán)境中安裝pip conda install pip # 使用這個pip（在conda環(huán)境中） python -m pip install package # 而不是直接 pip install
3. 記錄所有包來源
# 導出時包含pip包 conda env export --from-history > environment.yml conda list --explicit > spec-list.txt pip freeze > requirements.txt
4. 創(chuàng)建"安全層"
# 創(chuàng)建基礎環(huán)境（conda only） conda create -n base_env python=3.9 numpy pandas # 創(chuàng)建擴展環(huán)境（繼承+添加pip包） conda create -n my_project --clone base_env conda activate my_project pip install pip_only_package
?? 實際案例對比
? 混亂的環(huán)境（你的現(xiàn)狀）
包來源: - 50% conda (numpy, mkl等) - 50% pip (colorama, GPUtil等) 問題風險: 高 更新風險: 很高 可復現(xiàn)性: 低
? 整潔的環(huán)境
# environment.yml
channels:
- conda-forge
- defaults
dependencies:
- python=3.9
- numpy=1.24
- pandas=2.3.3
- pip
- pip:
- GPUtil==1.4.0 # 僅pip有的包
- tqdm==4.67.1?? 總結建議
| 情況 | 推薦方案 |
|---|---|
| 個人項目，快速原型 | 混用也可以，但要按順序 |
| 生產(chǎn)環(huán)境，團隊協(xié)作 | 嚴格避免混用 |
| 需要特定pip包 | 用 conda install pip 后安裝 |
| 環(huán)境已混亂但有bug | 重建干凈環(huán)境 |
關鍵原則：不是"絕對不能混用"，而是"混用會增加復雜度"。如果你能接受偶爾花幾小時debug神秘的環(huán)境問題，混用也沒問題。但對于重要項目，保持環(huán)境純凈是值得的。
所以開始安裝的介紹
?? Conda 環(huán)境管理完整指南
一、Conda 創(chuàng)建和管理虛擬環(huán)境
1. 創(chuàng)建環(huán)境
# 基礎創(chuàng)建（默認python版本） conda create --name myenv # 創(chuàng)建時指定Python版本 conda create --name myenv python=3.9 # 創(chuàng)建時安裝包 conda create --name myenv python=3.9 numpy pandas matplotlib # 創(chuàng)建環(huán)境并指定頻道（優(yōu)先使用conda-forge） conda create --name myenv --channel conda-forge python=3.10 numpy scipy # 創(chuàng)建完全獨立的環(huán)境（不繼承base環(huán)境的包） conda create --name myenv --no-default-packages python=3.9
2. 激活/停用環(huán)境
# 激活環(huán)境 conda activate myenv # 停用當前環(huán)境 conda deactivate # 激活base環(huán)境 conda activate base # 直接運行某個環(huán)境中的命令（不激活） conda run -n myenv python script.py
3. 安裝/更新包
# 激活環(huán)境后安裝 conda activate myenv conda install numpy pandas # 在指定環(huán)境中安裝（無需激活） conda install -n myenv numpy scipy matplotlib # 安裝特定版本 conda install numpy=1.24.0 pandas=2.1.0 # 從特定頻道安裝 conda install -c conda-forge tensorflow conda install -c pytorch -c nvidia pytorch torchvision # 更新包 conda update numpy # 更新單個包 conda update --all # 更新所有包 # 安裝包到特定版本（降級） conda install numpy=1.21.0
4. 查看環(huán)境信息
# 列出所有環(huán)境 conda env list conda info --envs # 查看當前環(huán)境信息 conda info # 查看環(huán)境中已安裝的包 conda list conda list -n myenv # 查看特定包的信息 conda search numpy conda search "numpy>=1.20" # 查看環(huán)境位置 conda env list --json | jq '.envs[]'
5. 導出和導入環(huán)境
# 導出當前環(huán)境到y(tǒng)ml文件 conda env export > environment.yml # 導出最小依賴（僅明確安裝的包） conda env export --from-history > environment_min.yml # 從yml文件創(chuàng)建環(huán)境 conda env create -f environment.yml # 更新現(xiàn)有環(huán)境（從yml文件） conda env update -f environment.yml --prune # 導出可移植的環(huán)境spec文件 conda list --explicit > spec-file.txt conda create --name newenv --file spec-file.txt
6. 刪除環(huán)境
# 刪除環(huán)境及其所有包 conda remove --name myenv --all # 確認刪除（交互式） conda remove --name myenv --all --yes # 跳過確認 # 刪除未使用的包和緩存 conda clean --all # 刪除特定包 conda remove -n myenv numpy pandas
7. 克隆和重命名環(huán)境
# 克隆環(huán)境 conda create --name myenv_clone --clone myenv # 重命名環(huán)境（通過克隆+刪除） conda create --name new_name --clone old_name conda remove --name old_name --all # 備份環(huán)境 conda env export -n myenv > backup_$(date +%Y%m%d).yml
?? Pip + venv 環(huán)境管理完整指南
二、使用 venv（Python內(nèi)置）創(chuàng)建虛擬環(huán)境
1. 創(chuàng)建環(huán)境
# 創(chuàng)建虛擬環(huán)境 python -m venv myenv # 創(chuàng)建環(huán)境并指定Python解釋器 python3.9 -m venv myenv /usr/bin/python3.9 -m venv myenv # 創(chuàng)建包含系統(tǒng)站點包的環(huán)境（不推薦） python -m venv --system-site-packages myenv # 創(chuàng)建環(huán)境并升級pip/setuptools python -m venv myenv --upgrade-deps # 創(chuàng)建環(huán)境到指定路徑 python -m venv /path/to/myenv
2. 激活/停用環(huán)境
# Windows (PowerShell) .\myenv\Scripts\Activate.ps1 # Windows (CMD) myenv\Scripts\activate.bat # Linux/Mac source myenv/bin/activate # 停用環(huán)境 deactivate # 使用虛擬環(huán)境但不激活 myenv/bin/python script.py myenv/Scripts/python.exe script.py
3. 安裝/更新包
# 激活環(huán)境后安裝 source myenv/bin/activate pip install numpy pandas # 安裝特定版本 pip install numpy==1.24.0 pandas==2.1.0 # 從requirements文件安裝 pip install -r requirements.txt # 安裝開發(fā)依賴 pip install -e . # 當前目錄的setup.py pip install -e ".[dev]" # 額外依賴組 # 更新包 pip install --upgrade numpy pip install --upgrade -r requirements.txt # 安裝包（包含依賴） pip install package[extra_feature] # 強制重新安裝 pip install --force-reinstall numpy
4. 查看環(huán)境信息
# 列出已安裝的包 pip list pip freeze # 查看包詳情 pip show numpy # 檢查過時的包 pip list --outdated # 查看環(huán)境位置 which python # Linux/Mac where python # Windows # 查看Python版本 python --version
5. 導出和導入環(huán)境
# 導出所有包 pip freeze > requirements.txt # 導出僅項目依賴（使用pipreqs） pip install pipreqs pipreqs . --force # 從requirements文件安裝 pip install -r requirements.txt # 導出依賴圖 pipdeptree pip install pipdeptree pipdeptree > dependencies.txt # 生成約束文件（精確版本） pip freeze --exclude-editable > constraints.txt
6. 刪除環(huán)境
# 停用環(huán)境（如果已激活） deactivate # 直接刪除文件夾 rm -rf myenv # Linux/Mac rmdir /s myenv # Windows CMD # 或者手動刪除目錄 # Windows: 刪除 myenv 文件夾 # Linux/Mac: rm -rf myenv # 刪除包 pip uninstall numpy pip uninstall -r requirements.txt -y # 批量刪除 # 刪除所有包（保留環(huán)境） pip freeze | xargs pip uninstall -y
7. 實用工具和技巧
# 使用virtualenvwrapper（更方便的管理） pip install virtualenvwrapper # Linux/Mac添加到bashrc: # export WORKON_HOME=$HOME/.virtualenvs # source /usr/local/bin/virtualenvwrapper.sh # 快速激活 workon myenv # 激活 deactivate # 退出 rmvirtualenv myenv # 刪除 mkvirtualenv myenv # 創(chuàng)建 # 使用pipenv（更現(xiàn)代的包管理） pip install pipenv pipenv install numpy pandas pipenv shell # 進入環(huán)境 exit # 退出 pipenv --rm # 刪除環(huán)境 # 使用poetry（依賴管理工具） pip install poetry poetry new project_name poetry install poetry shell exit poetry env remove python
?? 對比總結
Conda vs Pip+venv 對比
| 操作 | Conda | Pip + venv |
|---|---|---|
| 創(chuàng)建環(huán)境 | conda create -n myenv | python -m venv myenv |
| 激活 | conda activate myenv | source myenv/bin/activate |
| 安裝包 | conda install numpy | pip install numpy |
| 指定版本 | conda install numpy=1.24 | pip install numpy==1.24.0 |
| 導出環(huán)境 | conda env export > env.yml | pip freeze > requirements.txt |
| 導入環(huán)境 | conda env create -f env.yml | pip install -r requirements.txt |
| 刪除環(huán)境 | conda remove -n myenv --all | rm -rf myenv |
| 查看環(huán)境 | conda env list | ls ~/.virtualenvs/ 或查看文件夾 |
| 優(yōu)勢 | 管理非Python依賴、科學計算友好 | 輕量、Python標準、速度快 |
?? 最佳實踐建議
選擇 Conda 當：
- 需要管理C++庫、CUDA等非Python依賴
- 使用科學計算棧（numpy, scipy, pandas, matplotlib）
- 需要多語言包管理
- 項目跨平臺一致性很重要
選擇 venv+pip 當：
- 純Python項目
- 需要輕量級環(huán)境
- 部署到Docker容器
- 已經(jīng)使用pyproject.toml
通用建議：
# 1. 總是為每個項目創(chuàng)建獨立環(huán)境 # 2. 記錄環(huán)境配置（requirements.txt或environment.yml） # 3. 定期清理不再使用的環(huán)境 # 4. 使用版本控制工具跟蹤環(huán)境文件 # 5. 在README中說明環(huán)境創(chuàng)建步驟
快速參考卡：
# Conda 常用命令 conda create -n proj python=3.10 # 創(chuàng)建 conda activate proj # 激活 conda install pandas # 安裝 conda env export > env.yml # 導出 conda deactivate # 退出 conda remove -n proj --all # 刪除 # Pip + venv 常用命令 python -m venv proj # 創(chuàng)建 source proj/bin/activate # 激活 pip install pandas # 安裝 pip freeze > requirements.txt # 導出 deactivate # 退出 rm -rf proj # 刪除
這樣你就有了完整的虛擬環(huán)境管理指南！需要我詳細說明某個特定部分嗎？
到此這篇關于Anaconda創(chuàng)建新環(huán)境并安裝包的完整指南的文章就介紹到這了,更多相關Anaconda創(chuàng)建新環(huán)境內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
python光學仿真面向?qū)ο蠊鈱W元件類的實現(xiàn)
這篇文章主要為大家介紹了python光學仿真面向?qū)ο蠊鈱W元件類的實現(xiàn)示例解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步2021-10-10
Python包中__init__.py文件的作用與用法實例詳解
我們新建python包時常常會看到一個__init _.py文件,下面這篇文章主要給大家介紹了關于Python包中__init__.py文件的作用與用法的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06
python使用循環(huán)實現(xiàn)批量創(chuàng)建文件夾示例
這篇文章主要介紹了python使用循環(huán)實現(xiàn)批量創(chuàng)建文件夾示例,需要的朋友可以參考下2014-03-03
本篇文章主要介紹了Python部署web開發(fā)程序的幾種方法，具有很好的參考價值。下面跟著小編一起來看下吧2017-05-05
這篇文章主要介紹了Pycharm快捷鍵配置詳細整理,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-10-10
Kmeans均值聚類算法原理以及Python如何實現(xiàn)
這個算法中文名為k均值聚類算法，首先我們在二維的特殊條件下討論其實現(xiàn)的過程，方便大家理解。2020-09-09
這篇文章主要介紹了Python class的繼承方法代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-02-02
Python的開源庫psutil為我們提供了一個強大的工具,能夠輕松獲取和分析系統(tǒng)利用率的信息,下面就跟隨小編一起深入了解一下它的具體使用吧2025-02-02
要想成功的進行字符串的匹配需要使用到正則表達式模塊，正則表達式匹配規(guī)則以及需要被匹配的字符串。本文詳細為大家介紹了如何利用正則表達式實現(xiàn)字符的匹配，感興趣的可以了解一下2022-04-04
在Python3中使用asyncio庫進行快速數(shù)據(jù)抓取的教程
這篇文章主要介紹了在Python3中使用asyncio進行快速數(shù)據(jù)抓取,asyncio是一個異步IO庫,運行效率較高,需要的朋友可以參考下2015-04-04