Conda 完全使用指南：从入门到精通

Conda 完全使用指南：从入门到精通

写在前面：如果你还在为 Python 版本冲突、依赖地狱、环境隔离而头疼，那么这篇 Conda 教程就是为你准备的。本文将从零开始，带你系统掌握 Conda 的核心用法，覆盖日常开发中 90% 的场景。

一、Conda 是什么？为什么选它？

1.1 一句话理解 Conda

Conda 是一个跨平台的包管理器 + 环境管理器。它不仅能安装 Python 包，还能管理 C/C++ 库、R 语言包等非 Python 依赖，这是 pip 做不到的。

1.2 Conda vs pip

💡 最佳实践：两者并不互斥。推荐以 Conda 管理环境和底层依赖，pip 作为补充安装 Conda 仓库中没有的纯 Python 包。

二、安装与配置

2.1 推荐安装 Miniconda

Anaconda 体积庞大（3GB+），实际开发推荐轻量版 Miniconda：

# Linux / macOS
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# Windows
# 从 https://docs.conda.io/en/latest/miniconda.html 下载安装包

2.2 配置国内镜像（加速下载）

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

验证配置：

conda config –show channels

2.3 更新 Conda 自身

conda update -n base conda

三、环境管理（核心技能）

3.1 创建环境

# 基本创建
conda create -n myenv python=3.11

# 指定精确版本
conda create -n myenv python=3.11.9

# 创建时同步安装包
conda create -n myenv python=3.11 numpy pandas scikit-learn

# 从已有环境克隆
conda create -n myenv_clone –clone myenv

# 从 YAML 文件创建（团队协作必备）
conda env create -f environment.yml

3.2 激活与退出

conda activate myenv # 激活
conda deactivate # 退出当前环境

3.3 查看与管理

conda env list # 列出所有环境
conda remove -n myenv –all # 删除整个环境
conda remove -n myenv pkg_name # 删除环境中某个包

3.4 环境导出与复现

# 导出完整环境
conda env export > environment.yml

# 仅导出手动安装的包（更干净，推荐）
conda env export –from-history > environment.yml

生成的 environment.yml 示例：

name: myenv
channels:
– conda–forge
– defaults
dependencies:
– python=3.11
– numpy=1.24
– pandas=2.0
– pip:
– some–pip–only–package==1.2.3

四、包管理

4.1 安装包

# 在当前环境安装
conda install numpy

# 在指定环境安装
conda install -n myenv numpy

# 指定版本
conda install numpy=1.24

# 指定频道
conda install -c conda-forge pytorch

# 同时安装多个包
conda install numpy pandas matplotlib scikit-learn

4.2 卸载与更新

conda uninstall numpy # 卸载
conda update numpy # 更新单个包
conda update –all # 更新环境中所有包

4.3 搜索与查看

conda search numpy # 搜索可用版本
conda list # 列出当前环境已安装包
conda list -n myenv # 列出指定环境的包
conda info numpy # 查看包的详细信息

4.4 混合使用 pip

当 Conda 仓库中没有目标包时：

# ⚠️ 务必先激活目标环境
conda activate myenv

# 再用 pip 安装
pip install some-rare-package

# 建议：pip 安装的包记录在 environment.yml 的 pip 段落下

⚠️ 注意事项：

• 不要在 base 环境中用 pip
• 避免在同一环境中反复交替使用 conda 和 pip 安装同一类包
• pip 安装后尽量不要再 conda install，否则可能覆盖 pip 包

五、频道（Channels）管理

5.1 常用频道

5.2 设置优先级

# 添加频道并设为最高优先级
conda config –prepend channels conda-forge

# 查看当前频道顺序
conda config –show channels

💡 推荐：将 conda-forge 设为首选频道，其包更新更快、兼容性更好。

六、高级技巧

6.1 清理缓存释放空间

conda clean –all # 清理索引缓存、未使用包、tarball
conda clean –packages # 仅清理未使用的包

6.2 解决依赖冲突

# 使用 libmamba 求解器（速度提升 10x+）
conda install -n base conda-libmamba-solver
conda config –set solver libmamba

# 创建环境时强制重新求解
conda create -n myenv python=3.11 –solver libmamba

6.3 批量操作

# 从 requirements.txt 安装（兼容 pip 格式）
while read requirement; do conda install –yes $requirement || pip install $requirement; done < requirements.txt

6.4 环境变量与脚本集成

# 在 shell 脚本中使用
#!/bin/bash
source ~/miniconda3/etc/profile.d/conda.sh
conda activate myenv
python train.py

七、常见问题 FAQ

Q1: conda activate 不生效？

# 初始化 shell
conda init bash # 或 zsh / fish / powershell
# 重启终端后生效

Q2: 创建环境特别慢？

• 换国内镜像（见第二节）
• 启用 libmamba 求解器（见 6.2）
• 减少不必要的频道

Q3: Conda 和 Mamba 的关系？

Mamba 是 Conda 的高性能替代品，命令几乎完全兼容。如果追求极致速度：

conda install -n base mamba -c conda-forge
# 之后用 mamba 替代 conda 即可
mamba create -n myenv python=3.11

Q4: 如何彻底卸载 Conda？

conda install anaconda-clean
anaconda-clean –yes
rm -rf ~/miniconda3
# 删除 .bashrc/.zshrc 中的 conda 相关行

八、速查表

结语

Conda 的学习曲线并不陡峭，核心命令不过十来个。建议收藏本文作为日常参考，遇到具体问题时按需查阅。记住一个原则：每个项目一个独立环境，永远不要污染 base 环境。 养成这个习惯，你的 Python 开发体验将提升一个台阶。

📝 本文最后更新于 2026 年 7 月，内容基于 Conda 24.x 版本。如有变动请以官方文档为准。