在實際中，更為流行的是用Conda來管理Python環境。今天這篇文章就為大家介紹這方面的相關內容。
Conda環境
Conda簡介
Conda是目前為止，最流行的Python軟件包與管理環境。Conda分為 miniconda 與 anaconda兩種。前者從名字上就能猜出是精簡版，後者預裝了很多常用的功能，但比較臃腫。實際工程中，一般都使用 miniconda，按需安裝軟件包，本文的下面篇幅也以 miniconda 為例進行說明。
Conda安裝
首先利用wget下載安裝腳本文件：
wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
如果速度較慢，可以換用axel或aria2c下載
利用chmod命令修改sh文件為可執行文件，然後運行安裝腳本：
chmod 755 Miniconda3-latest-Linux-x86_64.sh
bash ./Miniconda3-latest-Linux-x86_64.sh
在出現的提示界面中，根據提示選擇yes或no。一般來說，我們保持默認即可，但需要留意下最後一步會自動在.bashrc文件添加conda的PATH路徑。如果conda的環境存在與你日常使用的程序有衝突的命令，就有可能會出現問題。
當然，還有一種方式是在添加PATH路徑時選擇no，然後在每次需要conda的時候手動找到conda下的active命令激活下。這種方式比較靈活，如果不嫌麻煩建議使用這種方式。
注意不要把激活conda與激活虛擬環境搞混。
Conda常用命令
在conda環境中，常用的命令格式為：
conda [命令 [參數]]
包管理
與python -m pip list類似，conda可以列出當前環境下的所有包：
conda list
版本與升級
conda有一套特別的機制，用於管理和維護依賴庫之間的關係。在不同版本的conda中，我們可以直接使用的Python與依賴庫的版本都不同，為了確定當前使用的conda版本，可以運行以下命令：
conda --version
有時，我們想用的某個庫在conda中有問題，或者默認模塊安裝的版本比較舊，可以先嚐試升級解決：
conda update conda
環境管理
conda環境中的虛擬環境比起原生Python更為強大，可以指定Python的版本，並自動安裝相關的C++依賴庫（Windows下自動下載相關的c++ runtime）。
- 建立
建立虛擬環境命令：
conda create -n env_demo
如果要指定python版本，同時指定虛擬環境生成的路徑，可以這樣：
conda create python=3.6 -p /tmp/test
這樣，Conda就為你生成了一個在/tmp/下叫test的虛擬環境，並且環境裡的python版本是3.6。
conda create默認並不會把基礎環境的依賴複製給新建的虛擬環境。如果要實現類似的依賴複製，需要加參數--clone，例如conda create -n test3 --clone base
我們也看一下這個路徑下的內容：
ls /tmp/test
bin conda-meta include lib share ssl
在bin目錄中，就存在python等常用的可執行命令：
2to3 idle3 pydoc3 python3.6-config pyvenv-3.6 wish8.5
2to3-3.6 idle3.6 pydoc3.6 python3.6m sqlite3 xz
c_rehash openssl python python3.6m-config tclsh8.5
easy_install pip python3 python3-config unxz
easy_install-3.6 pydoc python3.6 pyvenv wheel
因為這裡是虛擬環境的bin目錄，所以沒有conda、activate等命令。這些命令都在當前conda默認的bin目錄中。
- 激活
激活一個虛擬環境，就需要用bin下的activate：
conda activate /tmp/test
其中，/tmp/test是虛擬環境的路徑，可以從conda list中查看。
激活後，可以用which python確認是否成功。如果成功，當前python應該指向的是/tmp/test/bin/python
- 安裝依賴
激活一個Conda的虛擬環境後，安裝依賴主要用以下命令：
conda install xxx
這條命令主要從默認的頻道中去尋找xxx軟件包。比如，我們可以用conda install pandas來安裝pandas軟件包。要注意，Conda裡有頻道的概念，類似電視機買回來一般都有個默認頻道一樣，默認的Conda有一個defaults的頻道。如果我們需要更多的下載源，就需要和加入Ubuntu軟件源類似，加入Conda頻道：
conda config --add channels conda-forge
如果大家還記得上次文章，裡面給大家介紹了Python的pip安裝時怎麼配置鏡像地址來加速國內下載速度。同樣的操作在Conda裡面，則是通過配置頻道來實現。比如，我們添加清華的Conda鏡像：
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/
配置完成後，可以通過下面命令來確認是否配置成功：
conda config --show
當然，更直接的是直接下載一個依賴庫，看實際下載速度怎麼樣。另外，也可以在conda install的同時，顯式的指定頻道：
conda install --prefix=/tmp/miniconda3/pyenv/py36 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ pytorch torchvision cuda91 -c pytorch
Conda不僅僅可以用conda install安裝軟件，同時也可以繼續用pip，就和普通Python環境下操作沒太有什麼區別：
python -m pip install xxx
並不是所有的軟件都可以用pip安裝。最佳實踐是隻在conda找不到包時，才用pip安裝。不要使用user參數，避免權限問題。
- 退出
直接運行conda deactivate，然後可以通過which python來確認。
Conda環境導出與恢復
Conda支持直接導出環境，命令如下：
conda env export > env.yml
這裡，推薦在熟悉的情況下，去掉二級依賴庫(依賴的依賴)。一方面減少文件內容，第二有可能二級依賴在後面會被取消。
環境恢復使用命令：
conda env create -n revtest -f=/tmp/env.yml
這裡比較關鍵是導出的yaml文件，通過編譯器查看可知，其是一個標準的yaml文件。裡面主要包括：
name: 環境名字
channels：
- 頻道urls
……
dependencies：
- 軟件名=版本號=編譯環境
prefix：環境路徑
- Conda環境包含pip依賴
私信小編01 領取完整項目！上面的環境依賴都是conda自己就可以安裝，如果所需要的依賴正好沒有conda資源怎麼辦？其實，conda早就可以直接在環境裡使用pip依賴：
name: hyperparam_example
channels:
- defaults
dependencies:
- python=3.6
- numpy=1.14.3
- pandas=0.22.0
- scikit-learn=0.19.1
- matplotlib=2.2.2
- tensorflow-mkl==1.13.1
- keras==2.2.2
- pip:
- mlflow>=1.0
- Gpy==1.9.2
- GpyOpt==1.2.5
- pyDOE==0.3.8
- hyperopt==0.1
這個環境文件參考自mlflow項目（https://github.com/mlflow/mlflow/blob/master/examples/hyperparam/conda.yaml），從這裡我們就可以看到兩點：
- 利用conda就可以同時管理好conda和pip依賴
- conda 的環境管理，已經成為一種標準，被mlflow這樣的項目所使用。
那麼最後一個問題，conda和pip到底有什麼不同？
- conda還負責依賴檢查和維護。Conda不僅僅安裝Python庫這麼簡單，他還能把Python庫需要的外部依賴也同時安裝進來，並且維護每個軟件庫對應的各種依賴版本關係，每次conda安裝都要進行比較複雜的處理來維護好依賴關係。
- conda這個包管理命令不僅僅可以用在Python上，還可以用來管理R等其他語言。
- 不能提供egg或whl時，pip只能從源代碼編譯。而conda install一直都是安裝編譯好的二進制。
- conda默認就支持虛擬環境；而pip是靠virtualenv或venv來支持
- conda是Python的外部工具
- conda的託管網站是Anaconda，而pip的託管網站是PyPI（https://pypi.org/）
閱讀更多 有趣的程序媛 的文章
