【Python】超全常用 conda 命令整理

Conda命令整理文档，结合官方指南与高频使用场景分类说明，每个命令都有对应的解释

一、环境管理

1. 创建环境

• 基本创建

  conda create --name my_env  # 创建名为my_env的空环境   
  conda create -n my_env python=3.11  # 指定Python版本   
  conda create --prefix ./my_env  # 在指定路径创建非默认环境   
  

• 克隆环境

  conda create --name new_env --clone old_env  # 克隆现有环境   
  

• 通过文件创建

  conda create --file requirements.txt  # 根据包列表文件创建   
  conda env create -f environment.yml    # 从YAML文件创建   
  

2. 环境操作

• 列出环境

  conda env list        # 查看所有环境   
  conda info --envs     # 等效命令   
  

• 激活/退出环境

  conda activate my_env  # 激活环境   
  conda deactivate       # 退出当前环境   
  

• 删除环境

  conda remove --name my_env --all  # 删除指定环境   
  conda env remove --all            # 删除所有未激活环境   
  

3. 环境导出与共享

• 导出环境配置

  conda env export --no-builds > environment.yml  # 生成无构建号的YAML文件   
  conda list --explicit > requirements.txt        # 生成显式包列表   
  

• 导入环境更新

  conda env update --file environment.yml         # 用YAML更新当前环境   
  conda install --name my_env --file requirements.txt  # 导入包列表   
  

---

二、包管理

1. 安装与更新

• 基础安装

  conda install numpy          # 当前环境安装   
  conda install -n my_env scipy# 指定环境安装   
  conda install --channel conda-forge pandas  # 指定频道安装   
  

• 批量安装

  conda install --file requirements.txt  # 从文件安装   
  

• 更新与降级

  conda update numpy          # 更新单个包   
  conda update --all          # 更新所有包   
  conda install numpy=1.21    # 指定版本安装/降级   
  

2. 查询与移除

• 包查询

  conda list                  # 当前环境包列表   
  conda list -n my_env        # 指定环境包列表   
  conda search tensorflow    # 搜索可用版本   
  

• 包移除

  conda remove numpy         # 移除包（保留依赖）   
  conda remove --force numpy # 强制移除（可能破坏依赖）   
  

---

三、配置管理

1. 配置操作

• 查看配置

  conda config --show         # 显示全部配置   
  conda config --show-sources # 显示配置来源文件   
  

• 频道管理

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/  # 添加清华镜像   
  conda config --remove channels conda-forge  # 移除频道   
  

• 修改配置项

  conda config --set auto_update_conda false  # 禁用自动更新conda   
  conda config --remove-key auto_update_conda # 删除配置项   
  

2. 缓存清理

conda clean --all          # 清理所有缓存（包、索引、临时文件）   
conda clean --packages     # 删除未使用的包缓存   

---

四、高级功能

1. 环境打包迁移

conda pack -n my_env -o my_env.tar.gz  # 打包环境为压缩文件   
tar -xzf my_env.tar.gz -C ./my_env     # 解压到目标目录   
source my_env/bin/activate && conda-unpack  # 激活并修复路径   

2. 跨环境执行命令

conda run -n my_env python script.py  # 在指定环境运行脚本   

3. Python版本管理

conda install python=3.12  # 变更当前环境Python版本   

---

五、常用全局参数

参数	说明	示例
--yes	自动确认提示	conda remove -n my_env --all --yes
--dry-run	模拟操作不执行	conda install numpy --dry-run
--quiet	静默模式（仅输出错误）	conda update --all --quiet
--json	输出JSON格式	conda list --json

---

六、注意事项

1. 环境路径冲突：非默认路径环境需通过完整路径激活（如conda activate /path/to/env）。
2. 混用conda与pip：优先使用conda安装，避免依赖冲突；必要时通过pip install --user补充安装 。
3. 镜像配置失效：若下载速度慢，检查.condarc文件或重置频道配置 。
4. 企业版功能：conda server等命令需订阅许可证 。

其他命令可参考Conda官方文档或通过conda <command> --help查看子命令详情。