conda和python是什么关系（怎么用conda创建Python虚拟环境）

conda和python是什么关系（怎么用conda创建Python虚拟环境）Anaconda安装程序：https://www.anaconda.com/products/individualAnaconda或者Miniconda的安装很简单，你只需根据你的操作系统选择相应的安装程序，一步一步安装就可以了。Anaconda是一个大杂烩，包含了conda程序，同时还包含许多用于数据分析的模块，比如Numpy、Pandas、Seaborn等。另外Anaconda还有个很适合进行数据分析和机器学习的Python IDE—Spyder。Spyder使用起来非常方便，可以很方便地查看程序中的变量和程序的输出，如果你用Python进行数据分析，可以试试使用Spyder。相比之下Miniconda则是一个精简版，只含有conda和一些必须的模块，体量很小，安装很方便。如果你是conda新手，或者经常需要使用数据分析的模块，那么建议使用Anaconda，所有的模块都是现成的。如果你

Python虚拟环境是一个相对独立、隔绝的环境，该环境内Python模块是独立的，不会受到外部系统的影响。

在上篇怎么用venv创建Python虚拟环境中，我们介绍了如何运用传统的virtualenv/venv来创建Python虚拟环境。使用virutalenv/venv来创建虚拟环境很简便，可移植性很强，是创建Python虚拟环境的首选方式，但是有时用virtualenv/venv却不能满足我们的要求。首先，在使用virtualenv/venv时，我们不能在不同的虚拟环境里面使用不同的Python版本；其次，有的模块用pip安装不太方便（特别是在Windows系统）比如网络爬虫模块Scrapy，因为这些模块复杂的库依赖不能用pip方便地解决，这时conda的优势就体现出来了。

什么是conda？

conda是一个开源的模块及虚拟环境管理系统。我们可以把conda看做是pip和venv的合体，也就是说使用conda既可以创建、删除虚拟环境，也可以安装、更新和删除库。另外venv只能创建Python的虚拟环境，conda则不限于Python，还可以用于其他语言比如R语言。

安装conda

要使用conda，我们首先得安装Anaconda或者Miniconda。

Anaconda是一个大杂烩，包含了conda程序，同时还包含许多用于数据分析的模块，比如Numpy、Pandas、Seaborn等。另外Anaconda还有个很适合进行数据分析和机器学习的Python IDE—Spyder。Spyder使用起来非常方便，可以很方便地查看程序中的变量和程序的输出，如果你用Python进行数据分析，可以试试使用Spyder。

相比之下Miniconda则是一个精简版，只含有conda和一些必须的模块，体量很小，安装很方便。

如果你是conda新手，或者经常需要使用数据分析的模块，那么建议使用Anaconda，所有的模块都是现成的。如果你是conda老油条了，不想默认安装一堆自己不了解的库，只想用conda创建虚拟环境并且只安装自己想要的库，那么Miniconda则是一个更好的选择。

Anaconda或者Miniconda的安装很简单，你只需根据你的操作系统选择相应的安装程序，一步一步安装就可以了。

Anaconda安装程序：https://www.anaconda.com/products/individual

Miniconda安装程序：https://docs.conda.io/en/latest/miniconda.html

设置及启动conda

在MacOS及Linux环境下，如果在安装时你选择将conda加入.bashrc或者.profile里面，则新开的终端会自动启动conda。如果你没有选择那个选项或者不想默认启动conda，可以生成一个脚本来手动启动conda。该脚本的内容在安装Anaconda或者Miniconda的时候会显示在屏幕上，你只需要将它们拷到一个脚本文件里面即可，比如说$HOME/activate_conda.sh，在需要使用conda的时候手动跑这个脚本即可。

在Windows下，你可以搜索“Anaconda prompt”来启动conda运行环境。另外如果你更喜欢使用图形操作界面，你可以使用Anaconda Navigator，在搜索框里面搜索Anaconda Navigator即可找到。本文将重点介绍命令行的使用，这些命令在任何操作系统上都能使用。

Anaconda Navigator

base环境

当打开Anaconda Prompt或者打开Linux/MacOS的终端的时候，默认的环境是base。这个是conda自动生成的环境，如果你没有创建新的环境，则所有的操作都在base环境里面进行。如果你只是用Anaconda来进行数据分析，你可能并不需要创建虚拟环境，但是如果你想安装不同版本的模块，甚至不同版本的Python时，则需要使用创建新的虚拟环境。

创建新的环境

conda create --name scrapy-env

这样我们生成了一个名为scrapy-env的环境。

这个环境里面只有一些系统基本的模块，我们后续可以根据自己的需要在其中安装自己所需要的模块。

如果我们我们想指定环境里面的Python版本，可以使用

conda create --name python38-env python=3.8

这里我们创建了一个名为python38-env的虚拟环境，该环境里Python的版本指定为Python3.8，这个是conda相比virtualenv/venv最重要的一点，因为在用virtualenv/venv时环境中Python的版本受系统Python版本的限制，而在使用conda时，环境里Python的版本则不受系统Python版本的限制。

列举所有的虚拟环境

conda info -e # or conda env list激活虚拟环境

我们将使用环境scrapy-env：

conda activate scrapy-env

这里我们要安装的是网络爬虫模块Scrapy，安装Scrapy是使用conda的一个很好的例子。因为Scrapy有很复杂的库依赖，在Windows上用pip安装时经常会出现问题，所以在Windows上推荐使用conda来安装Scrapy。

conda install --channel conda-forge scrapy

在安装时我们可以看到除了主模块Scrapy，所有Scrapy运行所需要的程序和模块都会自动安装。特别需要注意的是，在该环境里面我们并有预先没安装Python，conda在安装Scrapy的时候会自动给我们下载和安装所需要的Python版本。

另外这里我们并没有指定Scrapy模块的版本，则默认安装其最新的版本，我们也可以指定安装某个特定的版本：

conda install --channel conda-forge scrapy=2.4

另外需要指出的是--channel指定的是该模块所来自的频道，常见的频道有anaconda和conda-forge，如果不指定频道，则默认从anaconda频道安装。对于特殊的模块还有其特定的频道，比如机器学习/深度学习模块PyTorch就有自己pytorch频道。同一个模块在不同频道里面的最新版本可能会不一样，在用conda安装某个模块时，可以在该模块的官网找到所推荐的频道。

如果我们需要更新某个模块，则可以使用

conda update --channel conda-forge scrapy

同样，在更新模块时，也需要指定频道，因为不同频道里面相同模块的最新版本可能会不一样。

复制环境

首先查看环境中安装的所有模块：

conda list

我们可以将环境中的模块设置导出到文件

conda list --explicit > conda-requirements.txt

使用--explict在输出中会列举模块的URL，这样便于查看和后续的安装。

我们可以从配置文件中克隆一个完全一样的环境，这个和用pip从requirements.txt文件克隆环境是一样的。

conda create --name scrapy-env-clone --file conda-requirements.txt删除环境

当我们不需要某个环境时，可以将其删除：

conda env remove --name scrapy-clone结语

本文介绍了conda的基本概念和常用命令，你可根据自己的需要来决定是使用venv还是conda来创建Python虚拟环境。一般情况是，如果不需要使用特定的Python版本或者特殊的有复杂库依赖的模块，可以使用venv创建环境，因为其更轻便、更容易复制和移植。但如果有上述这两个特殊情况时，则conda是更好的选择。以上列举的conda的命令在大多数情况下已经够用了，如果你需要学习其他conda命令，可以参考conda的官网。