Anaconda 虚拟环境完全指南:创建、管理与实战
Anaconda 的虚拟环境功能是解决 Python 项目依赖冲突的核心工具,尤其适合多项目并行开发(如同时维护 Python 3.6 的旧项目和 Python 3.11 的新项目)。
为什么要使用多个环境?
| 项目 | 需要的 Python 版本 | 需要的包 |
|---|---|---|
| 项目 A(TensorFlow 1.x) | Python 3.6 | tensorflow==1.15 |
| 项目 B(PyTorch 最新版) | Python 3.9 | torch>=2.0 |
| 项目 C(数据分析) | Python 3.8 | pandas, jupyter |
如果不使用环境,这些依赖会冲突。使用环境可以完全隔离。
环境创建:从基础到进阶
1. 基础创建:指定 Python 版本
创建环境时必须明确 Python 版本(避免默认版本不匹配),语法如下:
1 | # 格式:conda create -n 环境名 python=具体版本 |
- 版本选择原则:优先选择项目依赖包支持的稳定版本(如 PyTorch 2.0+ 推荐 Python 3.8-3.10)。
- 命名规范:建议包含「项目类型 + Python 版本」(如
django32-py310),避免混淆。
2. 进阶创建:一键安装依赖包
创建环境时直接安装核心包,减少后续操作步骤:
1 | # 创建环境并安装 numpy、pandas、jupyter(数据科学常用包) |
适用场景:新建项目时已知需要的核心依赖(如开发 Flask 项目时,可直接安装
flask gunicorn)。通道选择:若默认通道安装慢,可指定
conda-forge通道(社区维护,包更全):1
conda create -n ml-py310 python=3.10 -c conda-forge scikit-learn xgboost
环境管理
1. 环境激活:跨平台差异
不同操作系统的激活命令一致,但终端显示略有不同: