Anaconda 是一个用于科学计算的开源 Python 发行版，集成了包和 conda 环境管理器，包括了很多数据科学中常用的包，特别适合数据科学和机器学习。

与之类似的还有 Miniconda，它和 Anaconda 的主要区别就是：Miniconda 在安装时只包括了必要部分，并没有附带很多科学计算常用的包，因此本身的安装包很小，在使用时需要手动下载很多包，除此之外没什么区别。

事实上，Anaconda 和 Miniconda 之间还可能存在一些差别，并且不同版本之间，在不同的系统上的行为都可能存在差异。

Miniconda 默认不包含很多科学计算常用的基础库，可以在 base 环境中进行下载安装，例如：

1
conda install numpy scipy matplotlib sympy jupyter tqdm

Anaconda 公司对 defaults 仓库的商用行为存在限制，开源社区提供的替代品为 miniforge，与 miniconda 的主要区别是修改了默认的 channel 为开源社区的 anaconda.org，此外还额外提供了 mamba 可以替代 conda。

安装 Anaconda/Miniconda

Anaconda 的下载和安装都非常简单，只需要按照官网上的步骤进行即可，实践中也可以选择安装 Miniconda 而非 Anaconda，安装包的体积会小很多。

下面简单描述 Linux/Windows 安装 Miniconda/Anaconda 的过程，值得注意的是：

  • Linux 系统通常有系统自带的 Python 环境，而 Windows 并没有；
  • Linux 系统需要严格区分 root 和普通用户的操作，而 Windows 对此并不严格。

Linux 安装 Miniconda：参考官网给出的安装过程即可

1
2
3
4
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

Linux 安装 Anaconda

1
2
3
wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
bash Anaconda3-2024.06-1-Linux-x86_64.sh
rm Anaconda3-2024.06-1-Linux-x86_64.sh

在安装过程中需要选择安装位置，默认是当前用户的家目录下，安装脚本可能提示自动进行conda init，可以选择确定，也可以选择稍后手动操作。

卸载只需要对上述操作反向进行即可，包括：

  • 删除主目录，例如 ~/miniconda3
  • 删除 shell 初始化配置，例如 ~/.bashrc 的代码段
  • 删除相关数据目录，包括 ~/.conda/，~/.cache/conda*

如果是 root 用户进行全局安装，将安装目录修改为/opt/anaconda3即可。

官方网站显示，它其实提供了卸载脚本 uninstall.sh，直接执行即可。

root 用户需要考虑安装目录的权限，最好不允许其它用户写入，这样可以保证 base 环境的安全性：其它用户即使在 base 环境安装新的包，也只能 fallback 安装到自己的本地路径上（默认是 ~/.local/ 的路径），不会影响其它用户。

Windows 安装 Miniconda：直接下载安装程序执行即可，注意修改一下安装位置和 PATH 的处理。

安装程序可能会提示是否修改 PATH 环境变量，可以直接确定，也可以稍后手动进行，此时需要将一些路径手动到 PATH 中，有两种选择，对应两种使用方式：

第一种选择是把下面几个路径全部加上去

1
2
3
D:/miniconda3
D:/miniconda3/Scripts
D:/miniconda3/Library/bin

这样做的效果是 base 环境“隐式全局化”：不需要激活 conda 环境也可以直接用 Python，也就是 conda base 环境提供的 Python。

与 Linux 不同，Windows 本身并没有全局自带的 Python 环境，因此可以直接将 conda base 环境作为全局默认的 Python 环境。由于 Miniconda 可能还含有各种包和软件，包括一些可执行文件，为了避免潜在的版本冲突（比如覆盖在外部单独安装的其它软件），建议将这几个路径放在 PATH 靠后的位置。

第二种选择是只添加 condabin 对应的路径

1
D:/miniconda3/condabin

这样做的效果是：默认 conda 环境的 Python 是不可用的，只有手动激活后，conda 才会把对应环境的路径加到 PATH 中。（这适合对 Python 环境进行精细管理的用户）

conda init

安装完成之后，需要在 shell（bash，fish，pwsh 等）执行初始化命令

1
conda init

这个命令的核心作用是使当前 shell 支持 conda activate 和 conda deactivate 等基础操作。

这个操作实际会自动在 shell 的启动脚本中添加一段配置，例如对于 bash，会在 .bashrc 的末尾添加如下内容

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/path/to/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/path/to/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/path/to/anaconda3/etc/profile.d/conda.sh"
    else
        export PATH="/path/to/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

说明：

  • 如果直接执行 conda init 报错找不到 conda，可以使用 conda 的完整路径来执行，例如
1
~/miniconda3/condabin/conda init bash

  • 执行 conda init 之后，最好重新加载配置文件（source ~/.bashrc）或者退出 shell 重新进入，即可实现在 shell 中操作 conda 环境。默认情况下，会在进入 shell 时自动激活 base 环境，此时在命令行提示符中通常会显示 (base)，这代表已经进入了默认的 base 环境。

  • conda init 在 Linux 平台默认对 bash 进行配置，在 Windows 平台默认对 pwsh 进行配置，注意默认行为并不是对当前 shell，因此对于 Linux 平台的 fish，不可以省略参数：conda init fish

  • 如果是 root 用户在 Linux 平台进行的全局安装，可以选择让每个用户手动配置，也可以进行全局的启动配置，对应脚本通常为 /etc/profile.d/conda.sh

conda 命令实际在 Linux 中只是个入口脚本（在Windows上会略有不同，但是仍然也只是脚本），内容很简单

1
2
3
4
5
6
7
8
9
10
11
12
# -*- coding: utf-8 -*-
import sys
# Before any more imports, leave cwd out of sys.path for internal 'conda shell.*' commands.
# see https://github.com/conda/conda/issues/6549
if len(sys.argv) > 1 and sys.argv[1].startswith('shell.') and sys.path and sys.path[0] == '':
    # The standard first entry in sys.path is an empty string,
    # and os.path.abspath('') expands to os.getcwd().
    del sys.path[0]

if __name__ == '__main__':
    from conda.cli import main
    sys.exit(main())

激活、退出 conda 环境

注意使用 venv 创建的虚拟环境和 conda 创建的 conda 环境并不一样。

conda 激活指定的 conda 环境（缺省环境名时会自动激活 base 环境）

1
2
3
conda activate

conda activate myenv

退出 conda 环境

1
conda deactivate

conda 会通过修改 PATH 以及一些 CONDA_ 开头的环境变量来实现不同环境的切换，这使得在不同环境中使用 python 命令会指向不同目录下的 Python 解释器。

为了避免 anaconda 和 miniconda 的一些可执行文件造成的影响，在不激活的状态下，只需要把 condabin 这个子目录加到 PATH 即可，
此时，在激活某个 conda 环境时，就会自动把此环境中 Python 解释器所在的路径（例如 /opt/anaconda3/bin）也添加到 PATH 中，而且为了保证优先级，通常是添加到 PATH 的头部。

如果在未激活 conda 环境时已经把 base 环境的路径（例如 /opt/anaconda3/bin）添加到 PATH，会导致 base 环境“隐式全局化”：即使看起来没有激活 base 环境，但是实际上已经在使用 base 环境的 Python 和其它可执行文件。

除了修改 PATH，在 Linux 中，conda 还会做一些其他事情，例如为了解决 Linux glibc 版本过低的问题，conda 会修改 glibc 的链接路径，将其替换为 conda 提供的 glibc，从而使得程序可以正常运行。

除了先执行conda init，再执行conda activate，也可以使用下面的方式进行一次性的配置和环境激活，这对于纯脚本执行的情况很使用

1
source /opt/anaconda3/etc/profile.d/conda.sh && conda activate base

conda 环境管理

默认情况下，conda 会自动创建一个名为 base 的 conda 环境作为基础，我们也可以创建其它的 conda 环境：

  • 创建一个全空的 conda 环境（不推荐）
1
conda create --name myenv1
  • 创建一个新的 conda 环境，指定 Python 版本
1
conda create --name myenv2 python=3.12.1
  • 克隆已有的 conda 环境来创建新的 conda 环境
1
conda create --name myenv3 --clone myenv

注意：

  • 在创建新的 conda 环境时最好指定 Python 版本，全空的环境甚至不包括 Python 和 pip 等基础包，可能导致错误使用；
  • 支持指定 Python 版本是 conda 环境相比于 venv 虚拟环境的一大优势，后者无法改变 Python 版本。
  • 不要尝试升级或降级环境中的 Python 版本，因为所有的包都依赖于固定的 Python 的版本号，这几乎会毁掉整个环境，对于切换 Python 版本的需求应该直接新建一个 conda 环境并指定 Python 版本；

列出当前的所有 conda 环境

1
conda env list

查看当前 conda 环境的信息

1
conda info

删除 conda 环境的所有包和 conda 环境自身

1
conda remove --name myenv --all

与 venv 虚拟环境的局部化思路不同，conda 环境是全局化的，conda 环境并不会在当前目录中存放，而是会存放在一个全局路径中的单独文件夹中。
对于 Windows 和 Linux，名为 base 和 myenv 的 conda 环境对应的路径可能是

1
2
3
4
5
6
7
8
9
10
11
# base
D:/miniconda3/

# myenv
D:/miniconda3/envs/myenv/

# base (root)
/opt/anaconda3/

# myenv (user)
/home/user/.conda/envs/myenv/

可以通过查询当前 Python 的位置来查找对应的 conda 环境路径

1
which python

conda 配置

使用下面的命令可以查看 conda 现有的配置

1
conda config --show

通常不希望登陆时自动激活 base 环境，可以使用下面的命令关闭自动激活行为

1
conda config --set auto_activate False

对于旧版本，需要把 auto_activate 改成 auto_activate_base。

如果网络环境不好，可以添加国内的镜像，例如

1
2
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

这两个配置实际会存储在用户家目录下的配置文件 ~/.condarc 中，内容如下

1
2
3
4
5
auto_activate_base: false
channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - defaults

conda 包管理

在当前 conda 环境中列出已安装的包（与 pip list 的内容并不完全一样）

1
conda list

在 conda 仓库中查找包

1
conda search package_name

安装包（可以指定包的版本）

1
2
conda install package_name
conda install package_name=1.2.3

一次性安装多个包比逐个安装包更好，因为这会让 conda 更容易处理版本依赖关系。

更新包

1
conda update package_name

更新所有包（谨慎操作，这可能会破坏不同包之间的版本依赖关系）

1
conda update --all

卸载包

1
conda remove package_name

有趣的是，conda update 和 conda upgrade 是完全一样的，conda remove 和 conda uninstall 是完全一样的。

清理当前环境所有的缓存文件和索引数据

1
conda clean --all

conda 环境导出和恢复

下面提供两种 conda 环境迁移的方法。

第一种方法，使用如下命令导出包列表

1
conda list --explicit > spec-list.txt

其中的内容大致为

1
2
3
4
5
6
7
8
# This file may be used to create an environment using:
# $ conda create --name <env> --file <this file>
# platform: win-64
@EXPLICIT
https://repo.anaconda.com/pkgs/main/win-64/blas-1.0-mkl.conda
https://repo.anaconda.com/pkgs/main/win-64/ca-certificates-2024.7.2-haa95532_0.conda
https://repo.anaconda.com/pkgs/main/win-64/icc_rt-2022.1.0-h6049295_2.conda
...

然后在别的位置可以通过 spec-list.txt 文件创建 conda 环境

1
conda create --name newenv --file spec-list.txt

第二种方法，使用如下命令导出 conda 环境信息

1
conda env export > environment.yml

其中的内容大致为

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
name: base
channels:
  - defaults
dependencies:
  - altgraph=0.17.3=py312haa95532_0
  - anyio=4.2.0=py312haa95532_0

    ...

  - zstd=1.5.5=hd43e919_0
  - pip:
      - dukpy==0.4.0
      - mutf8==1.0.6
      - you-get==0.4.1718
prefix: D:/anaconda3

然后在别的位置可以通过 environment.yml 文件创建 conda 环境

1
conda env create -f environment.yml

两种方式的区别：

  • 第一种方式导出的信息是和平台（操作系统）相关的，因此不能在不同的平台之间迁移；第二种方式则可以跨平台迁移。
  • 第一种方式得到的信息更精确，可以精确复刻；第二种方式得到的信息则比较粗略，因为考虑到不同平台上可能存在的差异。

这两种方式都只是导出了一个信息列表，因此还需要在目标平台上进行联网下载和安装；除此之外，Conda-pack 也是一种环境迁移的方式，并且它是包括二进制文件的，大致相当于直接打包，因此显然需要保证二进制文件在目标平台仍然可以顺利运行，无法跨平台。

这里导出的包通常很多，但是绝大多数我们都不需要，我们实际只关注那些通过命令手动安装的包，conda 支持这样的操作，可以基于 conda 的日志导出必要的包

1
conda env export --from-history > env_minimal.yml

conda 对比 pip + venv

关于 conda 和 pip 混用：

  • 对于 Python 来说，conda 可以安装的包的数量还是远没有 pip 那么丰富，有的库（例如最新版的 PyTorch）甚至不提供 conda 包，只提供 pip 包，此时我们就面临着在 conda 环境中混合使用 conda 和 pip 的问题。
  • conda 和 pip 自身都会尝试解决各个包之间的版本要求和依赖关系等，conda 的依赖管理比 pip 更强大，显然混用 conda 和 pip 时更容易产生额外的风险。
  • conda 环境中通常都自带单独的 pip，使用 conda 环境中的 pip 安装的包就可以在这个 conda 环境中使用，因此需要注意必须在激活 conda 环境后使用这个环境中的 pip，而不要误用 Linux 系统的 pip 或者 base 环境的 pip，不确定时可以使用 which pip 检查。

对比一下 pip + venv 和 conda 这两种包和虚拟环境管理方案：

  • pip + venv 是 Python 官方支持的方案，使用更加自然，适合各种编程方向；Anaconda/Miniconda 是为科学计算设计的。
  • 在处理依赖关系时，pip 的处理非常简单保守：下载时递归获取依赖，卸载则不处理依赖；conda 会解析依赖关系，但是卸载时仍然不会自动卸载依赖，不过提供了相应的选项清理不需要的依赖。
  • pip + venv 的使用可以严格限制在具体项目中，虚拟环境非常轻量级，并且独立性很强；conda 环境相对较重，默认存放在全局的目录中，与项目之间的联系并不密切。
  • venv 不能切换 Python 版本；conda 支持切换 Python 版本。
  • pip 只能管理 Python 包，但是 conda 可以管理其它包。
  • conda 提供了完整的操作记录，包括包的版本变化历史，但是 pip 缺少此功能。

补充

关于 Windows 的环境变量

这里需要补充说明一下 Windows 的环境变量，环境变量不区分大小写。
Windows 提供了系统级和用户级环境变量，其中最重要的是 PATH。

如果我们在用户级环境变量和系统级环境变量中创建除了 PATH 以外的同名变量，那么 Windows 会将用户级变量覆盖系统级变量。
但是 windows 对于 PATH 变量的处理方式很特别：将用户级 PATH 添加到系统级 PATH 后面，呈现的效果是系统级 PATH 的优先级反而更高。

在默认情况下，Windows 的用户级 PATH 中有一个特别的路径

1
C:\Users\<用户名>\AppData\Local\Microsoft\WindowsApps

这个路径下存放了很多只有 0kb，起到特殊占位作用的 exe 文件，例如 python.exe，点击会跳转到微软应用商店的 Python 下载页面。
因此，为了保证 python 的正常使用，在向环境变量中添加 anaconda3/miniconda3 的相关路径时，必须保证路径排序在它之前。

1
2
3
D:\ProgramLang\miniconda3
D:\ProgramLang\miniconda3\Scripts
D:\ProgramLang\miniconda3\Library\bin

conda 底层细节

conda 在管理虚拟环境的过程中，实际上除了修改 PATH 环境变量，还会控制如下几个特殊的环境变量：

  • CONDA_DEFAULT_ENV：表示当前激活的 conda 环境的名称
  • CONDA_EXE：指向 conda 可执行文件的完整路径
  • CONDA_PREFIX：执行当前激活的 conda 环境的路径
  • CONDA_PROMPT_MODIFIER：用于修改命令行提示符的环境变量，通常是环境的名称加括号，例如 (base)，并且会出现在命令行提示符的前面
  • CONDA_PYTHON_EXE：指向当前 conda 环境中 Python 解释器的路径
  • CONDA_SHLVL：表示当前激活的 conda 环境的层级：没有激活是为0，激活后变成1，允许嵌套激活。conda 似乎会进行一些更灵活的处理，比如反复激活同一个环境并不会造成嵌套，不会修改 CONDA_SHLVL 的值）

这些变量都是由 conda 管理的，会影响 conda 和其它工具的行为。

对于 Python 自身来说，实际的运行也会涉及到一些 PYTHON 开头的环境变量，例如 PYTHONPATH。

可以使用如下方法查看当前的所有 CONDA 开头的环境变量

1
2
3
4
5
# powershell
Get-ChildItem Env: | Where-Object { $_.Name -like "CONDA*" }

# bash
env | grep '^CONDA'

在完成 conda init 配置，并设置 conda 不自动激活环境时，登陆 shell 时的默认情况通常为

1
2
3
4
5
6
7
8
# Windows(powershell)
CONDA_EXE                      D:\miniconda3\Scripts\conda.exe
CONDA_PROMPT_MODIFIER          False

# Linux(bash)
CONDA_EXE=/home/user/miniconda3/bin/conda
CONDA_SHLVL=0
CONDA_PYTHON_EXE=/home/user/miniconda3/bin/python

这里 Windows(powershell) 和 Linux(bash) 的表现略有不同。手动激活环境（或者设置自动激活环境），相关的环境变量就会变为

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# Windows(powershell)
CONDA_DEFAULT_ENV              base
CONDA_EXE                      D:\miniconda3\Scripts\conda.exe
CONDA_PREFIX                   D:\miniconda3
CONDA_PROMPT_MODIFIER          (base)
CONDA_PYTHON_EXE               D:\miniconda3\python.exe
CONDA_SHLVL                    1

# Linux(bash)
CONDA_EXE=/home/user/miniconda3/bin/conda
CONDA_PREFIX=/home/user/miniconda3
CONDA_PROMPT_MODIFIER=(base)
CONDA_SHLVL=1
CONDA_PYTHON_EXE=/home/user/miniconda3/bin/python
CONDA_DEFAULT_ENV=base

conda init 的 powershell 启动优化

在 Windows 的 Powrshell 中，conda init 命令会自动在 Powershell 的配置文件 profile.ps1 中添加以下内容：

1
2
3
4
5
6
#region conda initialize
# !! Contents within this block are managed by 'conda init' !!
If (Test-Path "/path/to/conda.exe") {
   (& "/path/to/conda.exe" "shell.powershell" "hook") | Out-String | ?{$_} | Invoke-Expression
}
#endregion

这段命令非常影响启动速度，即使不激活 base 环境，还是有 1s 左右的耗时，因此考虑优化一下。

解读一下这段命令可知，本质就是获取一个字符串然后在pwsh中执行，这个字符串的内容在固定的平台上也是固定的，所以我们可以直接手动执行一次以获取结果

1
(& "/path/to/conda.exe" "shell.powershell" "hook") | Out-String

然后将输出的内容硬编码到 profile.ps1 中，输出内容形如

1
2
3
4
5
6
7
8
9
$Env:CONDA_EXE = "/path/to/conda.exe"
$Env:_CE_M = $null
$Env:_CE_CONDA = $null
$Env:_CONDA_ROOT = "/path/to/miniconda3"
$Env:_CONDA_EXE = "/path/to/conda.exe"
$CondaModuleArgs = @{ChangePs1 = $True}
Import-Module "$Env:_CONDA_ROOT\shell\condabin\Conda.psm1" -ArgumentList $CondaModuleArgs

Remove-Variable CondaModuleArgs

可能还有conda activate base，将其删掉，不用激活环境。

注：powershell 在文档路径下有很多名称相似的启动脚本，涉及到各种权限细节，需要注意一下

  1. WindowsPowershell/profile.ps1：这是旧版 windows powershell 的启动脚本，无需考虑；
  2. Powershell/profile.ps1：这是新版 pwsh 的启动脚本；
  3. Powershell/Microsoft.PowerShell_profile.ps1：这也是新版 pwsh 的启动脚本，而是还是 $PROFILE 的值。

conda init 命令会在前两个 profile.ps1 都添加启动命令片段，通常建议用户对 pwsh 的启动配置写在第三个脚本中，
按照官网的说法，它代表 CurrentUserCurrentHost，而第二个脚本代表 CurrentUserAllHosts。pwsh 在启动时会先加载第二个脚本，然后加载第三个脚本。

习惯上新版 powershell 不会加上前缀 windows，用于和旧版区分，有时还会使用缩写 pwsh。