Anaconda创建、激活、退出、删除环境及管理环境中的包相关命令——最新全面直观版

本博客基于Windows系统，以下命令建议在Anaconda Prompt命令行窗口中执行：

使用 conda create -n your_env_name python=X.X（2.7、3.6等），anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。 指定python版本为2.7，注意至少需要指定python版本或者要安装的包， 在不指定python版本时，自动安装最新python版本

conda create -n env_name python=2.7
# 同时安装必要的包（如numpy和matplotlib）
conda create -n env_name numpy matplotlib python=2.7

使用如下命令即可激活创建的虚拟环境

activate your_env_name(虚拟环境名称)

 激活完当前环境后再使用python --version可以检查当前python版本是否为想要的（即虚拟环境的python版本）。

直接使用如下命令退回到默认虚拟环境（视具体情况而定，如果Anaconda安装时没有自己命名虚拟环境，那么默认环境应该是称为base）

conda deactivate

conda remove -n your_env_name(虚拟环境名称) --all

要查询、增加、删除虚拟环境中的包，需要先按照上述命令激活你想要进行操作的环境

当前环境激活后在命令行窗口中输入conda list或者pip list，但是推荐conda list，能够给出各个包的Build Channel

conda list

conda install -n 虚拟环境名称 包名==包版本

不强调虚拟环境也可：

conda install 包名==包版本

也可以用pip命令，直接将上面的conda命令中的conda换成pip就行 

conda remove package_name

或者·：

pip uninstall package_name

查看所有环境： conda env list或 conda info -e

在当前环境更新包： pip/conda update 包名

搜索特定包：conda search package_name

导出与还原：

a.导出当前虚拟环境的命令格式为conda env export --file 路径/文件名.yaml
注意！文件名与环境名无关。当前路径情况下为：conda env export --file ./文件名.yaml

b.还原导出的虚拟环境的命令格式为：conda env create -f 路径/文件名.yaml

(还原时，不能存在与原环境重复的环境)

requirements.txt 用来记录项目所有的依赖包和版本号，只需要一个简单的 pip 命令就能完成：

pip freeze > requirements.txt

或者：

conda list -e > requirement.txt

生成的文件会像这个样子：

xgboost==0.90
pandas==1.1.5
geatpy==2.2.2
statsmodels==0.10.1
scipy==1.3.1
tensorflow==1.12.0
minepy==1.2.4

再用如下命令来一次性安装 requirements.txt 里面所有的依赖包： 

pip install -r requirements.txt

a.直接使用网站上给出的conda命令安装：(适合大部分常见包）:: Anaconda.orghttps://anaconda.org/，直接在搜索框搜索制定包，找到符合你的版本和系统要求的那个进入详情页，直接复制详情页的conda命令去命令行粘贴，一般都是可行的 

b.从国内镜像源仓库中找到该Python版本对应的.whl格式或者tar.gz的包，下载到本地，然后在已经激活的环境中使用如下命令安装：

pip install whl文件存放路径whl文件名

例如：pip install D:Python依赖包xgboost-0.90-py2.py3-none-win_amd64.whl 

也可以直接切换为whl文件所在文件夹后pip install 文件名

PS：python依赖包的下载网站有：

Python Extension Packages for Windows - Christoph Gohlke (uci.edu)https://www.lfd.uci.edu/~gohlke/pythonlibs/#pandas Simple Index (aliyun.com)http://mirrors.aliyun.com/pypi/simple/

PyPI · The Python Package Indexhttps://pypi.org/ Simple Index (doubanio.com)http://pypi.doubanio.com/simple/