Conda 环境的正确使用姿势

在我之前的博文一文了解 conda 与 Python 的关系中，已经对 Conda 和 Python 的关系作了介绍。

本文主要提供一些使用 Conda 环境的建议。

1. 使用 Anaconda / Miniconda

我个人建议使用 Miniconda，Miniconda 只包含了基本的 Python 解释器和 Conda 环境，轻巧便捷，易于使用。

Anaconda 则在 Miniconda 的基础上，附带了众多 Python 包和附加工具。Anaconda 在科研界是备受欢迎的 Python 解决方案。

相关链接：

Anaconda 官网

Miniconda 首页

2. 使用 Conda env 隔离不同工程

养成良好习惯，Python 工程一定要隔离环境！

无论使用 Python 自带的 venv，还是使用 Conda env，隔离环境是十分必要的。

Python venv 创建的虚拟环境，我们一般会手动指定其创建在对应工程内的 venv/ 中

Conda create 创建的环境，会在 Conda 安装目录下进行集中管理

2.1 Conda 管理包

安装包：

conda install package_name

卸载包：

conda remove package_name

更新包：

conda update package_name

更新 Conda：

conda update conda

列出已安装包：

conda list

2.2 Conda 管理环境

创建 Conda 环境：

conda create -n $NAME_OF_ENV python=3.6

由于 Conda 管理不同版本的 Python，是把 Python 视为包进行管理的，所以这里指定 Python 版本，相当于指定了初始化 Conda 环境的包

查看 Conda 环境列表：

conda env list

激活 Conda 环境：

conda activate $ENV_NAME

退出当前环境：

conda deactivate

删除 Conda 环境：

conda env remove -n $ENV_NAME

2.3 实用官方文档

3. Conda 依赖包文件

导出当前已激活的环境配置：

conda env export > environment.yml

利用 environment.yml 创建环境：

conda env create -f environment.yml

安装 pip freeze 创建的 requirements.txt：

conda install --yes --file requirements.txt

3.1 关于 Conda 环境的可移植性

实际上，在 Conda 环境中，无论使用 conda env export 还是 pip freeze，得到的依赖列表都是不可轻易移植的。

Conda 安装包时，不仅会安装命令行指定的包，也会安装各种为了硬件加速、协同的依赖包（包括C++环境），这就导致了在 conda 环境中，靠自动生成的依赖文件并不可轻易移植环境。

这既是 Conda 的优势（解决了依赖问题，提升运行速度），也是 Conda 的劣势（由于依赖于平台的非 Python 包牺牲了部分移植性）。

参考链接：

stack overflow - How to share conda environments across platforms

4. 使用建议

4.1 不要混用 pip 和 conda

pip 和 conda 解决包间依赖问题以及包安装的方式差异很大，混用两者可能会导致各种问题。

建议：要么持续使用 pip（及 venv），要么持续使用 conda。

4.2 使用 venv 和 pip 创建开发（编程）环境

大部分（几乎全部）的 Python 包均有跨平台的特性，所以在编程时，使用 Python 自带的 venv 和 pip 可以较为轻松获取到工程所需的依赖包列表。

我的相关博客链接：

4.3 使用 Conda 部署生产（运行）环境

Conda 安装 Python 包时，会附带安装各种用于硬件加速、协同的依赖包，在代码运行上更为快速、友好。使用开发时得到的 requirements.txt 创建 Conda 环境即可（见第三节）。