(Ana)conda常用命令整理

Anaconda毋庸置疑是利用Python进行科学计算最好的开源平台。这里整理一下Conda常用的命令。

管理Conda

检查conda版本

conda --version

升级当前版本conda

conda update conda

管理（虚拟）环境

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4

# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH


# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python34 --all

#作者：PeterYuan
#链接：//www.greatytc.com/p/2f3be7781451
#來源：简书
#著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

# 利用python处理生物数据可能会用到biopython
conda create --name snowflake biopython
# 这条命令给biopython创建一个新的环境，位置在Anaconda安装目录下的/envs/snowflakes

# 另外，我们可以使用conda命令替换source命令用来激活和关闭环境
conda activate python34
conda deactivate

新的开发环境会被默认安装在你conda目录下的envs文件目录下。你可以指定一个其他的路径；去通过 conda create -h了解更多信息吧。

如果我们没有指定安装python的版本，conda会安装我们最初安装conda时所装的那个版本的python。

列出所有环境

conda info -envis或者(-e)

注意conda会对当前活动的环境追加星号标记。

wangshx@wsx-liuxslab MINGW64 /d/Anaconda
$ conda info -e
# conda environments:
#
base                  *  D:\Anaconda

复制一个环境

通过克隆来复制一个环境。这儿将通过克隆snowfllakes来创建一个称为flowers的副本。

conda create -n flowers --clone snowflakes

通过

conda info –-envs

来检查环境。

删除环境

如果你不想要这个名为flowers的环境，就按照如下方法移除该环境：

conda remove -n flowers --all

管理包

conda安装和管理python包非常方便，可以在指定的python环境中安装包，且自动安装所需要的依赖包，避免了很多拓展包冲突兼容问题。
不建议使用easy_install安装包。大部分包都可以使用conda安装，无法使用conda和anaconda.org安装的包可以通过pip命令安装
使用合适的源可以提升安装的速度

查看已安装包

输入命令

conda list

使用这条命令来查看哪个版本的python或其他程序安装在了该环境中，或者确保某些包已经被安装了或被删除了。

向指定环境安装包

使用conda命令

我们在指定环境中安装Beautiful Soup包，有两种方式:

直接通过-n选项指定安装环境的名字

conda install --name bunnies beautifulsoup4

提示：你必须告诉conda你要安装环境的名字（-n bunies）否则它将会被安装到当前环境中。

激活bunnies环境，再使用conda install命令。

activate bunnies
conda install beautifulsoup4

从Anaconda官网

如果一个包不能使用conda安装，我们接下来将在Anaconda.org网站查找。

在浏览器中，去Anaconda资源官网。我们查找一个叫“bottleneck”的包，所以在左上角的叫“Search Anaconda Cloud”搜索框中输入“bottleneck”并点击search按钮。

Anaconda.org上会有超过一打的bottleneck包的版本可用，但是我们想要那个被下载最频繁的版本。所以你可以通过下载量来排序，通过点击Download栏。
点击包的名字来选择最常被下载的包。它会链接到Anaconda.org详情页显示下载的具体命令：

conda install--channel https：//conda .anaconda.ort/pandas bottleneck

通过pip命令

对于那些无法通过conda安装或者从Anaconda.org获得的包，我们通常可以用pip命令来安装包。

可以上pypi网站查询要安装的包，查好以后输入pip install命令就可以安装这个包了。

我们激活想要放置程序的python环境，然后通过pip安装一个叫“See”的程序。

# Linux, OS X
source activate bunnies
# Windows
activate bunnies
# 安装
pip install see

pip只是一个包管理器，所以它不能为你管理环境。pip甚至不能升级python，因为它不像conda一样把python当做包来处理。但是它可以安装一些conda安装不了的包。

文件安装

如果真的遇到走投无路的境地，也就是上面这些方法通通不管用，那就只能下载源码安装了，比如exe文件（双击安装）或者whl文件（pip安装）等等。还有在github上找到源码，使用python setup.py install命令安装

不建议使用setuptools 的easy_install，非常不方便管理，也不好卸载。

有些时候，Anaconda和pip下载的速度慢，访问不稳定怎么办？换个源呗，清华大学的源就很不错，当然啦，你可以自己google一些好用的源。

使用清华大学源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

很多博文谈到添加的源不是默认的，还用编辑器打开设置文档进行修改，其实通过命令

conda config --get channels

查看源的优先权，比如

$ conda config --get channels
--add channels 'defaults'   # lowest priority
--add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
--add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/'   # highest priority

如果你想要把一个源最先使用，那么重新添加一次即可。

对于包管理工具，了解这么多就够了，比较喜欢追根究底的童鞋可以移步Python 包管理工具解惑。

小技巧：在任何时候你可以通过在命令后边跟上-help来获得该命令的完整文档。很多跟在–后边常用的命令选项，可以被略写为一个短线加命令首字母。所以–name选项和-n的作用是一样的。通过conda -h或conda –-help来看大量的缩写。

移除包、环境、或者conda

移除包

假设你决定不再使用商业包IOPro。你可以在bunnies环境中移除它。

conda remove -n bunnies iopro

移除环境

我们不再需要snakes环境了，可以输入以下命令：

conda remove -n snakes --all

删除conda

Linux，OS X：

移除Anaconda 或 Miniconda 安装文件夹

rm -rf ~/miniconda 

# OR

rm -rf ~/anaconda

Windows：

去控制面板，点击“添加或删除程序”，选择“Python2.7/3.6（Anaconda）”或“Python2.7/3.6（Miniconda）”并点击删除程序。

上传和下载环境

环境可以上传到Anaconda云，这样当更换机器或者对配置推广和应用时都灰常方便。

先登录Anaconda

$ anaconda login
Using Anaconda API: https://api.anaconda.org
Username: shixiangwang
Password:
shixiangwang's login successful

然后参考官方文档上传和下载即可。

# 将配置导出为yml文件
conda env export -n my-environment -f my-environment.yml
# 上传
conda env upload -f my-environment.yml
# 下载和激活
conda env create user/my-environment
source activate my-environment

将上述代码中的my-environment和user改成你对应的即可。

参考

Anaconda常用命令大全 本文主要根据此文进行了一点修改和补充
清华Anaconda 镜像使用帮助