如果你第一万次否定自己，那我希望我可以一万零一次大声称赞你

                                                                                                —— 25.5.22

一、什么是conda

        conda是一个开源的包管理系统和环境管理系统，主要用于Python语言，但也可以用于其它语言的项目

---

二、为什么要使用conda

        ① 多环境共存，多个环境相互隔离

        ② 方便支持和管理包依赖

        ③ 支持多平台，如Windows、Linux、Mac OS

---

三、下载conda

Download Now | Anaconda

1.Anaconda 和 Miniconda的区别

对比项	Anaconda	Miniconda
安装包内容	预装 Python、conda 包管理器，以及超过 1500 个科学计算库（如 NumPy、Pandas、Jupyter Notebook、Spyder 等）。	仅包含 Python 和 conda 包管理器，无预装科学计算库。
安装包大小	约 500MB-1GB（下载包），安装后占用 3-5GB 磁盘空间478。	约 50-100MB（下载包），安装后初始占用约 100-200MB，具体取决于后续安装的包。
默认工具和包	包含 Jupyter Notebook、Spyder IDE、Matplotlib、Scikit-learn 等开箱即用的工具。	无默认工具，需手动安装（例如通过conda install jupyter）。
适用场景	新手入门、快速搭建数据科学 / 机器学习环境，适合需要一站式解决方案的用户。	资源受限环境（如服务器）、自定义环境需求，或希望最小化安装的用户。
包管理方式	直接使用 conda 安装 / 更新包，默认包含大量常用库。	需手动安装所需包，可通过conda install anaconda升级为完整 Anaconda 环境。
GUI 支持	内置 Anaconda Navigator 图形界面，方便管理环境和包。	无图形界面，需通过命令行或第三方工具（如 PyCharm）管理。
安装配置步骤	自动配置环境变量，开箱即用。	需手动配置环境变量（部分系统默认不自动添加）。
灵活性	预装库较多，灵活性较低，适合标准化需求。	高度灵活，用户可按需安装 / 卸载包，避免冗余。
推荐场景	本地开发、数据分析、机器学习等需要快速启动的场景。	服务器部署、Docker 容器、轻量级 Python 运行环境。
版本更新影响	预装库版本可能与最新版存在差异，需手动更新。	环境更纯净，版本冲突风险较低，适合需要严格控制依赖的项目。

---

2.安装Miniconda

① 开始安装： 

② 选择安装的用户权限：

③ 选择安装位置：

④ 开始安装：

---

3.添加到系统环境变量

---

4.验证是否添加成功

Win + r，输入cmd，打开命令提示符窗口，输入：conda --version验证是否添加成功。

---

四、常用操作

1.创建新环境

使⽤ conda create 命令来创建⼀个新的虚拟环境。例如，创建⼀个 Python 3.13 环境：

conda create --name 环境名 python=3.13

---

2.激活环境

创建环境后，使用 conda activate 环境名命令激活该环境

---

3.查看所有已创建的环境

conda env list，这会列出所有的环境及其路径

---

4.查看当前激活的环境

① conda env list

② conda info

---

5.安装或更新包

在激活环境后，你可以安装或更新包，例如：安装numpy包

conda install numpy 或 pip3 install numpy

---

6.切换环境

切换环境，只需要使用conda activate 环境名

---

7.退出环境

conda deactivate 会将你直接带回到base环境或者是默认系统环境

---

五、conda环境中执行Python脚本

1.激活对应的conda环境然后运 行脚本

① conda activate 环境名

② python python文件名

---

2.在命令行中直接指定环境运行脚本

conda run -n 环境名 python python文件名

conda run -n 环境名  set PYTHONIOENCODING=设置编码 && python python文件名

---

3.在Python文件中使用不同的环境

        如果你需要在⼀个Python文件中根据不同的需求运⾏不同的 Python 代码（例如，调⽤不同环境的包），你可以在Python文件中利⽤ subprocess 模块启动外部进程来运⾏不同环境的 Python 文件。

示例：

        假设你有两个脚本 script1.py 和 script2.py ，分别需要在不同环境中运⾏，你可以在 main_script.py 中，通过 subprocess 模块来启动外部进程，指定不同的 conda 环境来执⾏它们。

import subprocess
# 在 env1 环境中运⾏ script1.py
subprocess.run(['conda', 'run', '-n', 'env1', 'python', 'script1.py'])
# 在 env2 环境中运⾏ script2.py
subprocess.run(['conda', 'run', '-n', 'env2', 'python', 'script2.py'])

这样，这个Python文件就会在不同的环境中执行对应的脚本