Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。 Conda 是为 Python 程序创建的,适用于 Linux,OS X 和Windows,也可以打包和分发其他软件。

安装最新版本:

# linux
wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# mac
wget https://repo.continuum.io/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

conda常用命令

# list all discoverable environments
# 查看环境
conda info --envs 
conda info -e 

# 列出当前的packages
conda list 

conda install conda=4.6.8 # 安装某个版本的conda

# 更新conda
conda update conda
conda update conda-build

# 更新conda
conda update -n base -c defaults conda

# 加入环境变量(需要定位到你的miniconda3路径):
echo $PATH

# Linux
export PATH="/root/miniconda3/bin/:$PATH" 
# Mac OS
export PATH="/Users/zhangqibot/miniconda3/bin:$PATH"

# conda:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 新建py_meteo环境
conda create -y -n py_meteo 

# 复制base环境为新的test环境
conda create -y -n test --clone base

# 新建py_meteo环境,并安装后面的库
conda create -y -n py_meteo basemap matplotlib pandas numpy
conda create -y -n new_venv pip python=3.7  # select python version
conda create -y -n tf_2.1 python=3.7 tensorflow-gpu==2.1.0

# 激活py_meteo环境
conda activate py_meteo
  
# 导出当前环境到指定文件
conda env export > environment.yml

# 通过环境文件建立环境,不需要指定环境名称,因为文件中包含名称字段
conda env create -f environment.yml 

# 更新运行环境
conda env update -f environment.yml

# 退出环境
conda deactivate

# 移除一个名称python36叫做环境
conda env remove --name python36 

# conda批量导出包含环境中所有组件的requirements.txt文件
conda list -e > requirements.txt
# pip批量安装requirements.txt文件中包含的组件依赖
conda install --yes --file requirements.txt

常用库安装:

conda install -y -c anaconda jupyter
conda install -c conda-forge lightgbm
conda install -c conda-forge xgboost
conda install -c conda-forge catboost
conda install -c anaconda scikit-learn
conda install -c anaconda pandas

image-20190825011218039

pip

# 添加国内的源
# pip: 
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 批量安装包:
# pip批量导出包含环境中所有组件的requirements.txt文件
pip freeze > requirements.txt
# pip批量安装requirements.txt文件中包含的组件依赖
pip install -r requirements.txt

# pip --no-cache-dir install #去除本地缓存

# If you really want to not touch dependencies, then indeed the way to go is
pip install -U --no-deps mypackage

# But what you'll usually want is to not upgrade dependencies unless it's required. In that case you can use:
pip install --upgrade --upgrade-strategy only-if-needed mypackage

linux下多个用户共用一个conda环境

只需要将conda添加到环境变量即可,不需要重复安装。

# 在用户zhangqibot中应用zq中的conda,如果要升级conda需要write权限
sudo chmod -R 777 /home/zq/miniconda3
conda update -n base -c defaults conda
sudo chmod go-w -R /home/zq/miniconda3 # 改回去

REFERENCE

Miniconda下载链接1

Miniconda下载链接2

清华大学开源软件镜像站-Anaconda 镜像使用帮助

conda cheat sheet 1

conda cheat sheet 2

best-practices-with-conda