anaconda环境配置
0. 虚拟环境简介
不同的项目(project)可能需要不同的python版本，安装不同的包(package)。
本地一个python解释器环境，无法满足对环境多样的需求。
虚拟环境(virtual environment)允许我们在一个机器上有多个环境。不同的工程可以切换到自己对应的环境上运行，彼此独立、没有冲突。
常见的虚拟环境:
- vscode，jupyter notebook中选择的kernel
- pycharm创建项目选择Virtual env
anaconda是一个包管理工具，能够创建虚拟环境，同时还自带一些科学计算的包，在机器学习中经常使用。
1. 查看虚拟环境
打开anaconda prompt命令行工具
# 可用于查看当前所在的conda环境
conda info --envs
# 或
conda env list
带星号*的表示当前虚拟环境，默认的虚拟环境env是base
虚拟环境的默认地址是C:\Users\username\.conda\envs\
搜索当前环境中指定包的版本（搜索部分包名也是可以的）
conda list numpy
2. 创建、删除虚拟环境
创建新的虚拟环境，可以指定环境的名字和python的版本
# 创建新环境env
conda create --name envName python=3.7
# 移除环境env
conda env remove --name envName
- 创建虚拟环境时，建议指定python版本（有独立的python解释器）；否则，安装包时会路径到默认环境中。
3. 激活虚拟环境
3.1 命令行
如果conda没有启动，需要先运行conda.sh
source ~/anaconda3/etc/profile.d/conda.sh # linux
# 激活虚拟环境
conda activate envName
# 取消激活
conda deactivate
3.2 VSCode
Ctrl+Shift+P打开命令栏- 选择
Python: Select Interpreter - 选择相应Conda环境的python解释器
4. 安装package
4.1 单独安装包
在当前虚拟环境下安装package
# 查看当前环境下的所有包
conda list
# 安装指定包
conda install packageName
# 安装指定版本的包
conda install package_name=version
# pip 安装
pip install package_name==version
conda和pip都是包管理工具，优先使用conda进行安装- 在Ubuntu系统中使用
apt-get install命令推荐尝试华为镜像源
4.2 使用environment.yml创建环境，安装包
有些代码仓库会提供environment.yml文件指出环境需要的包，
在使用conda命令安装之前需要先将包版本号之外的内容删除
例如：
修改前 - appnope=0.1.0=py37hc8dfbb8_1001
修改后 - appnope=0.1.0
将版本号之后的内容删除，这可能是作者电脑导出的信息，会导致我们的虚拟环境创建失败
4.3 使用whl安装包
将whl包下载到虚拟环境的目录下，默认是C:\Users\username\.conda\envs\
然后使用命令行，参照如下示例
python -m pip install pocketsphinx-0.1.15-cp39-cp39-win_amd64.whl
4.4 使用txt文件pip批量下载包
可以创建一个requirements.txt文件，存放需要下载的包，需要指定版本的用==和>=
numpy
pandas
matplotlib
quantstats>=0.0.17
pip install -r requirements.txt
5. pip临时换源
使用conda下载往往比较慢，可以先创建conda虚拟环境，然后使用pip下载。
建议使用pip清华源，-i 用于指定临时下载链接。
# 清华源
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple
# 阿里源
pip install package_name -i https://mirrors.aliyun.com/pypi/simple/
# 腾讯源
pip install package_name -i http://mirrors.cloud.tencent.com/pypi/simple
# 豆瓣源
pip install package_name -i http://pypi.douban.com/simple/
6. 将conda环境导出到requirements.txt
# 上面的更好用
conda list --export > requirements.txt
# 或
conda env export > environment.yml
