Conda python环境管理

conda存在形态

交互入口环境配置环境文件罗列环境创建环境切换环境删除环境
Anaconda Prompt 命令行终端(CLI)~\.condarc
(定义加密，envs目录，包目录，源定义)		..\envsconda env listconda create -n py314 python=3.14conda activate py314conda env remove -y -n py314
Anaconda Navigator 客户端(GUI)env列表点击创建env点环境点remove
pycharm 设置(IDE)interpreter>local conda点创建conda点exist condashow all>移除，逻辑删
  • 隐藏终端的激活环境信息长路径：conda config --set env_prompt ‘({name})’
  • 残留wheel.exe.c~.conda_trash.conda_trash：

conda部署

  • 安装miniconda后就可以用conda命令了
  • 检查环境：conda doctor
  • 变动记录：conda list --revisions
  • 修复元数据：conda repair
  • 版本回滚：conda install --revision REV_NUM 回滚重置当前环境，默认为0
  • 清理卸载
    • 卸载 miniconda3
    • 删除用户配置文件和缓存：rd /s /q "%USERPROFILE%\.conda" "%USERPROFILE%\.condarc" "%USERPROFILE%\.continuum"
    • 删除pip残留：rd /s /q "%APPDATA%\Python"
    • 清理终端启动逻辑：reg delete "HKCU\Software\Microsoft\Command Processor" /v "AutoRun" /f
    • 清理环境变量：搜conda
    • 验证：where conda

conda源管理

  • conda info 查看当前所有的源信息
  • conda config --show-sources（罗列本地源和仓库源）
  • conda config --show channels（罗列仓库源）
  • conda config --remove channels 源名称或链接 （移除仓库源）
  • conda config --add channels 源名或链接 （添加仓库源）
ssl_verify: true
show_channel_urls: true

## custom local dir
envs_dirs:
  - D:\codePython\python\anaconda3
pkgs_dirs:
  - D:\codePython\anaconda3\pkgs

#proxy_servers:
#  http: http://127.0.0.1:1081

channels:
  - defaults

# channel - qinghua
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

conda自身升级

  • Anaconda Prompt
    • conda activate base
    • conda clean --tarballs
    • conda update conda
    • conda update --all
    • conda init --reverse
  • pycharm报错lateinit propety envs_dir has not been initialized
    • conda降级 conda install conda=25.9.1
    • conda info --envs
    • pycharm 按 Shift+Shift，搜索 "Invalidate Caches" > Invalidate and Restart
    • conda init --reverse > pycharm重启 > conda init

python环境管理

  • 可用python版本：conda search python
  • 环境目录：conda config --show envs_dirs
  • 环境列表
    • conda env list
    • conda info --envs
  • 终端初始化：conda init  切换不过去时需要执行一下
  • 切换环境：conda activate tx314
  • 当前环境：Get-Command python | Select-Object Source
  • 创建环境：
    • 指定源：conda create -n py314 python=3.14 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    • 指定源 + 安装包：conda create -n py314 python=3.14 numpy pandas -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    • 32位：conda create -n py314 python=3.14 -override-channels --subdir win-32 -c https://repo.anaconda.com/pkgs/main
    • 临时代理：set ALL_PROXY=socks5://127.0.0.1:7890 只在当前终端临时生效
    • 克隆：conda create -n new_env --clone old_env
  • 删除环境
    • 移出列表：conda remove -n test
    • 物理删除：conda remove -n test --all
    • 清理conda安装包缓存：conda clean -t
    • 清理环境未使用的包缓存：conda clean -p -n test
  • pip安装包
    • 查看包来源
      • python -m site
      • conda info
    • 查看pip配置：pip config list
      • 安装时，用了 --user, 会安装到用户级python包环境下，并被conda创建的环境共享
      • 解决：激活环境下，把这些包都卸载了。再次安装即可
    • pip指定源安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision （优先使用这个，结尾会打印一共装了哪些包，方便做笔记）
    • pip指定源安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn  torch torchvision
    • conda搜索包：conda search torch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    • conda安装：conda install -c conda-forge ffn
    • conda安装加速：conda install -c conda-forge ffn --solver=libmamba
    • conda指定源安装：conda install -n myenv torch torchvision -c pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    • conda安装cpu版本：conda install torch torchvision -c pytorch
    • conda安装gpu版本：conda install -n myenv torch torchvision pytorch-cuda=12.1 -c pytorch -c nvidia

  • 环境重置脚本

    #!/usr/bin/env python3
# coding=utf-8
"""
@File : utils_reset_python_env.py
@Author  : AT
@Create  : 2023/6/16 15:52
@Desc    : 切换到需要重置清空的python环境，运行main方法或本文件即可
"""
import sys
import platform
import pkg_resources
import subprocess

def reset_packages_init(_init_list=['pip', 'setuptools', 'wheel']):
    _print_python_interpreter()
    _exist_list = _get_packages()
    print(f"当前环境：初始化为: ({' '.join(_init_list)})")
    _remove_list = list(set(_exist_list) - set(_init_list))
    if _remove_list:
        print(f"当前环境：pip uninstall -y {' '.join(_remove_list)}")
    user_input = input("当前环境：pip uninstall continue: 0-No(默认), 1-Yes")
    print(f'当前环境：pip uninstall continue:: 你的选择 = {user_input}')
    if user_input == '1':
        for _package in _remove_list:
            _uninstall_package(_package)
        _get_packages()
    sys.exit()


def _print_python_interpreter():
    print(f"当前环境：python版本={platform.python_version()}, 解释器路径={sys.executable})")

def _get_packages():
    # 获取当前 Python 系统中所有已安装包的列表
    installed_packages = pkg_resources.WorkingSet()
    installed_packages_name = [dist.project_name for dist in installed_packages]
    print(f"当前环境：installed_packages=({' '.join(installed_packages_name)})")
    return installed_packages_name

def _uninstall_package(package):
    try:
        subprocess.run(['pip', 'uninstall', '-y', package])
    except Exception as e:
        print(f"卸载：{package} 失败！An error occurred: {e}")

if __name__ == '__main__':
    reset_packages_init()

jupyter管理

  • jupyter部署
    • 安装jupyter内核管理包：pip install ipykernel
    • 安装jupyterlab界面：pip install --upgrade jupyter jupyterlab notebook ipykernel jupyter_client jupyter_core traitlets （python 3.14 内核，jupyter单元格import sys卡住时，可以安装这些）
    • 启动服务：jupyter notebook 

    • 卸载

      conda activate your_env_name

conda uninstall --force-remove -y jupyter jupyterlab notebook jupyter_server jupyter_core jupyter_client nbconvert nbformat nbclient ipykernel ipywidgets widgetsnbextension jupyter_console qtconsole jupyterlab_widgets jupyterhub notebook-shim traitlets send2trash terminado argon2-cffi prometheus_client pyzmq tornado nest-asyncio comm jupyter-events jupyter-lsp jupyter_server_terminals jupyterlab_pygments jupyterlab_server jupyter_server_fileid jupyter_server_ydoc jupyter_ydoc jupyterlab-debugger

pip uninstall -y jupyter jupyterlab notebook jupyter_server jupyter_core jupyter_client nbconvert nbformat nbclient ipykernel ipywidgets widgetsnbextension jupyter_console qtconsole jupyterlab_widgets traitlets send2trash terminado argon2-cffi prometheus_client pyzmq tornado nest-asyncio comm jupyter-events jupyter-lsp jupyter_server_terminals jupyterlab_pygments jupyterlab_server jupyter_server_fileid jupyter_server_ydoc jupyter_ydoc jupyterlab-debugger

私有kernel会在卸载python环境时清除，卸载jupyter时不处理
用户共享的kernel配置单独维护，不和jupyter耦合
  • kernel全局部署
    • 共享机制：Jupyter 的 kernel 配置默认是全局共享的，记录在用户级目录下，而不是每个 Python 环境各自独立存放。
    • 查看：jupyter kernelspec list
    • 创建共享kernel：python -m ipykernel install --user --name lstm314 --display-name "Python (lstm314)" （在什么环境执行，就分享哪个kernel）
    • 私有kernel：python -m ipykernel install --sys-prefix --name lstm314 --display-name "Python (lstm314)"

    • 删除：jupyter kernelspec uninstall lstm314

      jupyter和业务kernel隔离架构

Jupyter专用环境（名为 jupyter_lab）
├── 只安装：jupyterlab + ipykernel（必须，其他可选）
└── 负责启动 jupyter lab

业务环境1（名为 lstm314）
├── 只安装业务包：pandas, numpy, torch, 你的项目等
└── 不安装任何 jupyter* 包

业务环境2（名为 quant3810）
├── 只安装另一套业务包
└── 不安装任何 jupyter* 包

# 先激活业务环境（确保用的是它的 python 和包路径）
conda activate lstm314
pip install ipykernel  # 最小的轻量包，只用来分享内核

# 用 Jupyter 专用环境的 ipykernel 来注册
python -m ipykernel install --user --name lstm314 --display-name "Python (lstm314)"
  • 启动jupyter
    • jupyter notebook 启动服务并打开老版界面（需要在有jupyter包的环境下执行）
      • --ip=0.0.0.0 --no-broswer 绑定服务ip
      • --port 8889 指定端口号
    • jupyter lab 启动服务并打开新版界面
    • tasklist | findstr python | findstr jupyter 查看 进程
    • jupyter lab stop 结束进程
       
  • 功能增强
    • 中文版
      pip install jupyterlab-language-pack-zh-CN
    • 语法提示功能
    • pip uninstall jupyterlab-lsp -y
pip install jupyterlab-lsp --no-cache-dir
    • # 纯 Python 方式安装语言服务（无需编译）
pip uninstall jupyterlab-lsp -y
pip install jupyterlab-lsp --no-cache-dir
# 补全 python-lsp-server[all] 可选依赖


# 可选：轻量构建（关闭压缩，避免内存溢出）依赖node.js
jupyter lab build --dev-build=False --minimize=False

# 生成配置文件（如果已存在会提示覆盖，选 N）
jupyter lab --generate-config
# 用记事本打开配置文件
notepad C:\Users\cat\.jupyter\jupyter_lab_config.py
----------------写入以下内容---------------
c = get_config()
----------------写入以上内容---------------
# 查看插件状态
jupyter labextension list

      代码补全：需要按一下tab

    • debuger：内核旁边的虫子图标