我常用的6个conda命令，提升工作效率

《Python实践》专栏·第1篇

文 | Pyer

1058字 | 3分钟阅读

【数据科学与人工智能】开通了Python群，大家可以相互学习和交流。请扫描下方二维码，备注：Python，添加我为好友，诚邀你入群，一起进步。

朋友们，我是用Anaconda数据科学套件构建Python和数据科学与人工智能的工作环境，不知大家也是否这样。本文总结我常用的6个conda命令，这6个命令给我带来这些好处，一是，帮助我更好地管理和使用Anaconda这个软件和平台；二是，利用这些命令，可以提升我的工作效率。比方说，采用命令方式，可以在base环境的基础上，创建以目的为导向的新的工作环境，我就创建了一个专门用于做数据科学学习和实践的环境，把与数据科学相关问题和任务，全部切换到这个工作环境下解答和完成。

我常用的6个conda命令，总结如下：

第一：用来了解工作环境的命令

conda env list或者conda info --env

有*标记的那个环境表示为当前的工作环境，看到这个结果，我们会有两个问题需要解决，一是，如何创建新的工作环境；二是，如何切换和退出到新的工作环境。这就是，我需要继续说的命令。

第二：用户定制自己工作环境

我通常会在base的基础上拷贝一份工作环境，可以理解为做一个副本，并重命名，例如：用于做数据科学的data_science。

conda create --name data_science --clone base

若是不想克隆，也可以按着下面操作，按需选择合适的命令操作。

# 1)用于创建指定Python版本的环境conda create --name env_name python=3.6# 2) 用于创建指定某些包的环境conda create --name env_name numpy scipy# 3) 1)与2）结合conda create --name env_name python=3.7 numpy scipy

第三：进入和退出定制工作环境

# 进入data_science工作环境或者切换到activate data_science# 退出data_science工作环境conda deactivate

第四：协同工作，分享自己的工作环境

我们进入到自己定制的工作环境后，需要与其他合作伙伴协同工作，也需要他们配置和我们一样的工作环境，我们可以采用命令把工作环境保存为yml文件，然后传给合作伙伴，他们可以根据yml文件，搭建一个和我们一样的工作环境。

activate data_science# 第一步：进入到你要保存yml文件的路径下D:cd Env# 第二步：生成yml文件conda env export > data_science.yml# 第三步：查看dir# 第四步：把yml文件分享给合作者# 第五步：合作者根据yml文件创建工作环境# 注意切换到yml所对应的文件路径下，然后执行下面命令conda env create -f data_science.yml

第五：查看工作环境下面，已经安装了那些Python库

conda list

第六：Python库的管理（安装、删除和更新）

# 1）安装conda install tensorflow# 或者pip install tensorflow
# 2） 删除conda remove lib_name
# 3) 更新conda update lib_name

以上这些命令，是我经常使用的conda命令，通过它们，我可以高效地利用Anaconda基于Python语言做数据科学与人工智能的工作。

你常用那些conda命令，欢迎留言。

每周一书

1利用Python进行数据分析

2深度学习