4. Anaconda 基础：管理你的数据科学环境

安装好 Anaconda 只是第一步。Anaconda 的真正强大之处在于它的环境管理功能。学会使用 conda 命令来管理你的环境和包，是每一个数据科学从业者的必备技能。

什么是 Conda 环境？

想象一下，你正在同时进行两个项目：

• 项目 A： 一个比较老的项目，需要使用 pandas 0.25 版本。
• 项目 B： 一个新项目，你希望使用最新版的 pandas 1.3 版本。

如果你只有一个 Python 环境，这两个项目就会产生冲突。你无法同时满足它们对不同版本 pandas 的要求。

Conda 环境 就是为了解决这个问题而生的。你可以为每个项目创建一个独立的、隔离的 Python 环境。每个环境都有自己独立的 Python 解释器和一套独立的库。这样，你在项目 A 的环境中安装 pandas 0.25，在项目 B 的环境中安装 pandas 1.3，它们之间互不干扰，天下太平。

使用 Conda 环境的好处是：

• 避免包版本冲突： 这是最核心的功能。
• 保持主环境清洁： Anaconda 安装后会有一个默认的 base 环境。我们应该尽量避免在 base 环境中安装过多的包，保持它的干净和稳定。
• 项目可复现： 你可以导出一个环境的配置文件，让其他人能够快速地创建出一个和你一模一样的环境，保证了代码在不同电脑上都能以相同的方式运行。

Conda 核心命令

管理 Conda 环境主要通过在命令行（cmd, PowerShell, Terminal）中输入 conda 命令来完成。下面是一些最核心的命令，你需要熟练掌握它们。

1. 查看环境

首先，让我们看看当前我们有哪些环境。

conda env list
# 或者简写为
conda info --envs

执行后，你会看到一个列表。base 环境是默认存在的，前面带 * 号的表示你当前所在的活动环境。

# conda environments:
#
base                  *  C:\Users\YourUsername\anaconda3

2. 创建新环境

假设我们要为一个新的数据分析项目创建一个名为 my_project 的环境，并指定使用 Python 3.9。

conda create --name my_project python=3.9

• conda create 是创建命令。
• --name 或 -n 用来指定新环境的名称。
• python=3.9 用来指定这个环境中 Python 的版本。

Conda 会自动为你解决依赖关系，并列出将要安装的包。输入 y 并按回车确认即可。

最佳实践： 为每一个新项目创建一个新的 Conda 环境。

3. 激活（进入）环境

创建好环境后，它并不会自动进入。你需要“激活”它。

conda activate my_project

激活后，你会发现命令行提示符的前面，(base) 变成了 (my_project)。这表明你已经成功进入了 my_project 环境。在此之后，你所有关于 python 和 pip 的操作，都将只在这个环境中生效。

图：激活后，命令行提示符会显示当前环境名称（例如：(base)），如上图所示。

4. 在环境中安装包

现在我们已经进入了 my_project 环境，让我们来安装一些数据科学常用的包，比如 pandas 和 matplotlib。

# 推荐使用 conda 命令安装
conda install pandas matplotlib

# 如果 conda 源中没有某个包，也可以使用 pip
# pip install some-package

Conda 会再次检查依赖，并提示你将要安装的内容。输入 y 确认。

conda vs pip： conda 和 pip 都是包管理器。优先使用 conda install，因为它会更好地处理包之间的复杂依赖关系，特别是对于非 Python 写的库（如 cudatoolkit）。当 conda 的源（channel）里找不到某个包时，再使用 pip install 作为补充。

5. 查看已安装的包

想看看当前环境中都安装了哪些包？

conda list

这会列出当前环境（my_project）中所有已安装的包及其版本号。

6. 退出环境

当你完成了在 my_project 环境中的工作，希望回到 base 环境时，可以使用以下命令：

conda deactivate

你会发现命令行提示符前面的 (my_project) 又变回了 (base)。

7. 删除环境

如果一个项目已经完成，你不再需要 my_project 这个环境了，可以将其彻底删除以释放硬盘空间。

# 首先要退出该环境
conda deactivate

# 然后删除
conda env remove --name my_project

总结：一个典型的工作流程

1. 开始新项目： conda create -n new_project python=3.9
2. 进入项目环境： conda activate new_project
3. 安装所需要的包： conda install numpy pandas scikit-learn jupyter
4. 启动 Jupyter 开始工作： jupyter notebook
5. 工作完成，退出环境： conda deactivate

掌握了这套流程，你就掌握了 Conda 环境管理的核心。这将为你的数据科学项目提供一个稳定、干净、可复现的基础。