---

前言

在 Python 中，“环境管理”是一个非常重要的概念，它主要是指对 Python 解释器及其相关依赖库进行管理和隔离，以确保开发环境的稳定性和项目的可移植性。

1. 什么是 Python 环境

   • Python 解释器：Python 是一种解释型语言，代码的运行需要通过 Python 解释器来执行。不同的 Python 版本（如 Python 2.x 和 Python 3.x）在语法和功能上存在差异。
   • 依赖库：Python 的强大功能很大程度上依赖于丰富的第三方库（如 NumPy、Pandas、Django 等）。这些库在不同的项目中可能会有不同的版本要求。

2. 为什么需要环境管理

   • 版本冲突：不同项目可能依赖不同版本的 Python 或第三方库。如果没有环境管理，很容易出现版本冲突，导致项目无法正常运行。
   • 项目隔离：每个项目都有自己的依赖环境，环境管理可以将不同项目的依赖隔离，避免相互干扰。
   • 可移植性：通过环境管理，可以确保在不同的环境中（如本地开发、服务器部署、团队协作等），项目能够以一致的方式运行。

3. 环境管理的好处

   • 避免依赖冲突：通过隔离不同项目的环境，避免了不同项目之间的依赖冲突。
   • 便于项目部署：通过 Pipfile.lock 或 requirements.txt 文件，可以轻松地在不同环境中复现项目的依赖环境。
   • 提高开发效率：开发者可以专注于当前项目的开发，而不必担心全局环境的干扰。

4. 最佳实践

   • 为每个项目创建独立的虚拟环境：不要在全局环境中安装项目依赖。
   • 使用 requirements.txt 或 Pipfile 管理依赖：记录项目的依赖关系，方便团队协作和项目迁移。
   • 定期更新依赖库：确保使用的依赖库是最新的，以获得更好的性能和安全性。

总之，Python 环境管理是 Python 开发中不可或缺的一部分，它能够帮助开发者更好地管理项目依赖，提高开发效率，确保项目的稳定性和可移植性。

---

Miniconda__31">1、Miniconda 简介

官方网站

Miniconda 是一个轻量级的 Python 环境管理工具，它只包含 Python 和 conda 包管理器，而不像 Anaconda 那样预装了大量科学计算库。Miniconda 非常适合需要灵活管理 Python 环境和依赖的用户。

---

2、Linux 环境说明

操作系统：Ubuntu 24.04.1 LTS
安装包：ubuntu-24.04.1-desktop-amd64.iso

Python 版本：3.12.3
pip 版本：24.0

Miniconda 版本：24.11.1

2.1、安装

# 获取安装包
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 非 latest 版本 - 通过 https://repo.anaconda.com/miniconda/ 中查找所需对应的版本
# wget https://repo.anaconda.com/miniconda/Miniconda3-py312_24.11.1-0-Linux-x86_64.sh
# 运行安装脚本 - 按提示操作，选择安装路径，并同意许可协议
bash Miniconda3-latest-Linux-x86_64.sh
# 验证 - 如果显示版本号，则安装成功
conda --version

# 其他版本
# Windows 版本
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe --output Miniconda3-latest-Windows-x86_64.exe
# MACOS
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh

2.2、配置

# 国内镜像源 - 清华
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 查看所有可用的镜像源
conda config --show channels

# 启用显示镜像源（channels）的URL地址
conda config --set show_channel_urls yes
# 查看是否配置成功
conda config --show show_channel_urls

# 国内常用镜像源
# 清华大学：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 中国科技大学：https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
# 上海交通大学：https://mirrors.sjtu.edu.cn/anaconda/pkgs/main/
# 浙江大学：https://mirrors.zju.edu.cn/anaconda/pkgs/main/
# 阿里云：https://mirrors.aliyun.com/anaconda/pkgs/main/
# 腾讯云：https://mirrors.cloud.tencent.com/anaconda/pkgs/main/  

# 查看当前的镜像源
conda config --show-sources
# 删除镜像源
conda config --remove channels <镜像源地址>
# 禁用显示镜像源URL
conda config --set show_channel_urls no
# conda config 命令修改的是 conda 的配置文件，通常位于 ~/.condarc （用户级别）或系统级别的配置文件中

2.3、常用命令

创建环境

conda create --name myenv python=3.12.3

激活环境

conda activate myenv

退出环境

conda deactivate

列出环境

conda env list

安装包

conda install numpy

导出环境配置

conda env export > environment.yml

从配置文件创建环境

conda env create -f environment.yml

查找可用包

conda search numpy

2.4、常见问题及解决方案

1. 包冲突
   在安装或更新包时，可能会遇到包冲突问题。可以尝试以下命令解决：

   conda install package_name --update-deps
   

   或者使用conda update --all更新所有包。

2. 环境激活失败
   如果激活环境失败，可以尝试运行以下命令修复：

   conda init
   

   然后重新启动终端。

---