Conda 完全使用指南从入门到精通写在前面如果你还在为 Python 版本冲突、依赖地狱、环境隔离而头疼那么这篇 Conda 教程就是为你准备的。本文将从零开始带你系统掌握 Conda 的核心用法覆盖日常开发中 90% 的场景。一、Conda 是什么为什么选它1.1 一句话理解 CondaConda 是一个跨平台的包管理器 环境管理器。它不仅能安装 Python 包还能管理 C/C 库、R 语言包等非 Python 依赖这是 pip 做不到的。1.2 Conda vs pip特性Condapip管理范围Python 非 Python 依赖仅 Python 包环境管理✅ 内置❌ 需配合 venv/virtualenv二进制分发✅ 预编译二进制⚠️ 部分需要本地编译依赖解析SAT 求解器严格一致较宽松可能冲突适用场景数据科学、多语言混合项目纯 Python Web 开发最佳实践两者并不互斥。推荐以 Conda 管理环境和底层依赖pip 作为补充安装 Conda 仓库中没有的纯 Python 包。二、安装与配置2.1 推荐安装 MinicondaAnaconda 体积庞大3GB实际开发推荐轻量版Miniconda# Linux / macOSwgethttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbashMiniconda3-latest-Linux-x86_64.sh# Windows# 从 https://docs.conda.io/en/latest/miniconda.html 下载安装包2.2 配置国内镜像加速下载conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config--setshow_channel_urlsyes验证配置conda config--showchannels2.3 更新 Conda 自身conda update-nbase conda三、环境管理核心技能3.1 创建环境# 基本创建conda create-nmyenvpython3.11# 指定精确版本conda create-nmyenvpython3.11.9# 创建时同步安装包conda create-nmyenvpython3.11numpy pandas scikit-learn# 从已有环境克隆conda create-nmyenv_clone--clonemyenv# 从 YAML 文件创建团队协作必备condaenvcreate-fenvironment.yml3.2 激活与退出conda activate myenv# 激活conda deactivate# 退出当前环境3.3 查看与管理condaenvlist# 列出所有环境conda remove-nmyenv--all# 删除整个环境conda remove-nmyenv pkg_name# 删除环境中某个包3.4 环境导出与复现# 导出完整环境condaenvexportenvironment.yml# 仅导出手动安装的包更干净推荐condaenvexport--from-historyenvironment.yml生成的environment.yml示例name:myenvchannels:-conda-forge-defaultsdependencies:-python3.11-numpy1.24-pandas2.0-pip:-some-pip-only-package1.2.3四、包管理4.1 安装包# 在当前环境安装condainstallnumpy# 在指定环境安装condainstall-nmyenv numpy# 指定版本condainstallnumpy1.24# 指定频道condainstall-cconda-forge pytorch# 同时安装多个包condainstallnumpy pandas matplotlib scikit-learn4.2 卸载与更新conda uninstall numpy# 卸载conda update numpy# 更新单个包conda update--all# 更新环境中所有包4.3 搜索与查看conda search numpy# 搜索可用版本conda list# 列出当前环境已安装包conda list-nmyenv# 列出指定环境的包conda info numpy# 查看包的详细信息4.4 混合使用 pip当 Conda 仓库中没有目标包时# ⚠️ 务必先激活目标环境conda activate myenv# 再用 pip 安装pipinstallsome-rare-package# 建议pip 安装的包记录在 environment.yml 的 pip 段落下⚠️注意事项不要在 base 环境中用 pip避免在同一环境中反复交替使用 conda 和 pip 安装同一类包pip 安装后尽量不要再 conda install否则可能覆盖 pip 包五、频道Channels管理5.1 常用频道频道说明defaultsAnaconda 官方默认频道conda-forge社区维护包最全最新bioconda生物信息学专用pytorchPyTorch 官方频道5.2 设置优先级# 添加频道并设为最高优先级conda config--prependchannels conda-forge# 查看当前频道顺序conda config--showchannels推荐将conda-forge设为首选频道其包更新更快、兼容性更好。六、高级技巧6.1 清理缓存释放空间conda clean--all# 清理索引缓存、未使用包、tarballconda clean--packages# 仅清理未使用的包6.2 解决依赖冲突# 使用 libmamba 求解器速度提升 10xcondainstall-nbase conda-libmamba-solver conda config--setsolver libmamba# 创建环境时强制重新求解conda create-nmyenvpython3.11--solverlibmamba6.3 批量操作# 从 requirements.txt 安装兼容 pip 格式whilereadrequirement;docondainstall--yes$requirement||pipinstall$requirement;donerequirements.txt6.4 环境变量与脚本集成# 在 shell 脚本中使用#!/bin/bashsource~/miniconda3/etc/profile.d/conda.sh conda activate myenv python train.py七、常见问题 FAQQ1:conda activate不生效# 初始化 shellconda initbash# 或 zsh / fish / powershell# 重启终端后生效Q2: 创建环境特别慢换国内镜像见第二节启用 libmamba 求解器见 6.2减少不必要的频道Q3: Conda 和 Mamba 的关系Mamba 是 Conda 的高性能替代品命令几乎完全兼容。如果追求极致速度condainstall-nbase mamba-cconda-forge# 之后用 mamba 替代 conda 即可mamba create-nmyenvpython3.11Q4: 如何彻底卸载 Condacondainstallanaconda-clean anaconda-clean--yesrm-rf~/miniconda3# 删除 .bashrc/.zshrc 中的 conda 相关行八、速查表操作命令创建环境conda create -n env python3.x激活环境conda activate env安装包conda install pkg卸载包conda uninstall pkg更新包conda update pkg列出环境conda env list导出环境conda env export environment.yml从YAML创建conda env create -f environment.yml删除环境conda remove -n env --all清理缓存conda clean --all搜索包conda search pkg结语Conda 的学习曲线并不陡峭核心命令不过十来个。建议收藏本文作为日常参考遇到具体问题时按需查阅。记住一个原则每个项目一个独立环境永远不要污染 base 环境。养成这个习惯你的 Python 开发体验将提升一个台阶。本文最后更新于 2026 年 7 月内容基于 Conda 24.x 版本。如有变动请以官方文档为准。