Anaconda在Python3和Python2之间切换，Conda命令，anaconda中python的升级和降级， conda查找和安装模块

 

当在pycharm IDE中指定不同的Python版本时，设置方法 

File->Setting->Project:XXXX->Project Interpreter    选择不同位置的Python即可

 

纯净Python共存

---

说是纯净，其实也不完全“纯净”，这里需要用到另外一个发行版miniconda，它仅包含Python本身和Conda包管理器，因此体积不大。 

 

 

 

 

Anaconda中(Python2和Python3)的切换 

Anaconda是Python的科学计算环境，集成了Python，jupyter(前身为ipython-notebook, 一个基于web的Python IDE, 方便与他人分享，协作), Spyder（IDE，支持cell运行和ipython), numpy,scipy,matplotlib等常用的科学计算包，使用起来很方便。Anaconda对应Python2/3 有两个版本anaconda2/3。工作中有的时候需要在py2 ,py3之间切换，过程如下：

1.先选择一个主要用的版本，我选的是Python2，先安装好Anaconda(py2)。

2. 安装conda, 确认安装了conda, 在终端输入conda create -n py3 python=3 安装Python3。用“conda list” 可以查看已经安装的包列表。

3.然后，在py3下安装Spyder，“conda install -n py3 spyder”， “py3”为我设置的第二环境

4. 再安装jupyter, "conda install -n py3 jupyter"

5. 一般要运行Spyder或者jupyter，只需要在终端输入'spyder' or 'jupyter notebook'即可运行.默认情况下是调用的py2的版本。

6.如果Spyder/jupyter运行时要切换Python3。首先在终端输入：source activate py3，win系统不需要source，待前面出现[py3]之后，再输入spyder/ jupyter notebook, 回车就行了； 
但是ipython console不能运行，有报错提示: ImportError: cannot import name 'quick_guide'， 

File "C:\...\lib\site-packages\spyder\widgets\ipythonconsole\shell.py", line 91, in long_banner
    from IPython.core.usage import quick_guide
ImportError: cannot import name 'quick_guide'

解决方案：
到出错文件中更改：change quick_guide to quick_reference， 重启即可。

7.如要切换回py2, 运行source deactivate py3, 重新输入spyder等命令即可。

references:
http://blog.csdn.NET/infin1te/article/details/50445217
http://www.cnblogs.com/harvey888/p/5465452.html

http://blog.csdn.net/vincentluo91/article/details/70826859

 

 

 

 

 conda查找和安装模块：

默认找不到：conda install jieba
查找模块：anaconda search -t conda jieba
查看信处：anaconda show condo-forge/jieba
安装：conda install -c conda-forge jieba
或者：conda install --channel https://conda.anaconda.org/conda-forge jieba

 

 

 

Windows下Anaconda2(Python2)和Anaconda3(Python3)的共存

---

Anaconda是一个Python的科学计算发行版，包含了超过300个流行的用于科学、数学、工程和数据分析的Python Packages。由于Python有2和3两个版本，因此Anaconda也在Python2和Python3的基础上推出了两个发行版，即Anaconda2和Anaconda3。

有时候我们会在电脑上同时使用Anaconda2和Anaconda3两个版本，因此有必要考虑它们的共存问题。一般的使用场景是以其中一个版本为主，另外一个版本为辅，因此只需要达到能方便的切换到备用版本，且备用版本的pip等命令能正常使用即可。

由于Anaconda2和Anaconda3包含较多的模块，很多人是不需要这些的，因此若只想要较为纯净的Python2和Python3共存的，可以看本文最后一部分。

操作步骤

---

1. 首先安装主版本，在这里我们选择Anaconda2，按照正常步骤安装即可，这里假定安装目录为D:\Anaconda2。

2. 在这一步打上那两个勾。

   

   第一个选项是将安装目录加入到系统的PATH环境变量中，以后在CMD中便可以直接用python命令启动python。 
   第二个选项是让其他IDE能够检测到Anaconda2并将Anaconda2作为默认的Python 2.7。

3. 安装好Anaconda2之后，再安装Anaconda3，这里Anaconda3的安装目录必须选在D:\Anaconda2\envs子目录下，如图所示，最后的”py3”可以自己另取。

4. 这里取消掉那两个勾。

   

5. 安装完成之后，在CMD里面直接输入python会启动Python2，而activate py3之后，再python即可切换至Python3。使用deactivate命令可取消激活Python3。

   

 

总结

---

本文的共存实现方法其实是基于conda的创建虚拟环境的功能，详情可见此链接。

因此在首先安装主要版本之后，也可使用conda create -n py3 python=3命令来安装Python3，但由于网络问题，这种方法容易失败，所以自己先下载好完整安装包，然后安装到主版本主目录下的envs文件夹更方便。

有人也许会说直接同时安装Anaconda2和Anaconda3，然后将Anaconda3目录下的python.exe改为python3.exe也可实现类似的共存。但这种方法存在一个较大的缺陷，即Anaconda3内包含的某些IDE会工作不正常，如Jupyter Notebook和Spyder等，因为他们依赖于安装目录下的python.exe，且备用版本的pip等命令也没办法直接使用，总体来说很不方便。

 

 

 

 

 

Conda python2 与 python3 共存及切换,以及包管理

http://conda.pydata.org/docs/test-drive.html

Install a different version of Python

conda create --name py2 python=2

Verify environment added

conda info --envs

Use a different version of Python

-Linux, OS X:

source activate py2

-Windows:

activate py2

Deactivate this environment

-Linux, OS X:

source deactivate

-Windows:

deactivate

Verify current environment

conda info --envs
# conda environments:
#
py2                   *  D:\Anaconda3\envs\py2
root                     D:\Anaconda3

Verify Python version in new environment

python --version

Update * to the current version

conda update *

remove package *

conda remove *

Change jupyter notebook environment

1.open Anaconda 
2.change Application on: py2 
3.install jupyter notebook

 

 

 

anaconda中python的升级和降级

1.打开anaconda navigator

 
2. 最左侧边栏选择Environments,搜索python并找到python，查看红框处python版本（我的已经降级为3.5，新安装的情况下会看到的是3.6）
 
3. 左键点击python前方绿色箭头（红框处），选择Mark for specific version installation，选择对应的python
版本（3.5）
 
4. 等待安装完成后（时间有点长，res改成中国的话可以得到改善）,运行下python并检查下版本是否已经降级到了3.5
 
 

 

 

 

 

 

 

 

 

 

如何安全的卸载Python Anaconda?

问题详细描述

我之前在Mac(OS Mavericks)上安装了Python Anaconda，现在我想恢复到Mac上默认版本的Python。最好的方式是做什么？我应该删除〜/anaconda目录吗？是否需要其他更改？

目前我运行 which python我得到下面的这个路径：

/Users/username/anaconda/bin/python

 

最佳解决方法

anaconda安装程序在~/.bash_profile脚本中新添加了一行，将anaconda bin目录添加到了$PATH环境变量中。所以你只需要删除anaconda目录，但是最好也从您的安装脚本中删除此行。

 

次佳解决方法

参考文档：

要卸载Anaconda，先打开终端窗口并删除整个anaconda安装目录：rm -rf〜/ anaconda。
然后您要编辑〜/ .bash_profile并从PATH环境变量中删除anaconda目录，并使用rm -rf ~/.condarc ~/.conda ~/.continuum删除可能在主目录中创建的隐藏的.condarc文件和.conda以及.continuum目录

 

第三种解决方案

删除Anaconda目录有用，但我不认为这是一个好主意，因为您可能需要在不久的将来再次使用anaconda。根据mwaskom的建议，anaconda安装程序将自动添加PATH变量，该变量指向~/.bashrc文件中的anaconda/bin目录。

它看起来是这样的
PATH="/home/linuxsagar/anaconda3/bin:$PATH，所以，只是注释掉行(添加#在行的开头)。然后通过执行$source ~/.bashrc重新加载~/.bashrc文件

最好，在新终端中执行$which python来验证一下更改是否有效。

 

第四种方案

rm -rf〜/anaconda

相当简单，参考：https://docs.continuum.io/anaconda/install#os-x-uninstall

 

第五种方案

软件包"anaconda clean"(可从Anaconda平台获得)，需要安全卸载。

conda install anaconda-clean   # install the package anaconda clean
anaconda-clean --yes           # clean all anaconda related files and directories 
rm -rf ~/anaconda3             # removes the entire anaconda directory

rm -rf ~/.anaconda_backup       # anaconda clean creates a back_up of files/dirs, remove it 
                                # (conda list; cmd shouldn't respond after the clean up)

有关详细信息，请参阅https://docs.continuum.io/anaconda/install#uninstall-anaconda。

 

第六种方案

如果要卸载Anaconda以便能够在系统中使用默认的Python，则可以按照以下步骤临时禁用该路径，而不是卸载Anaconda。

转到你的主目录。只需一个cd命令即可。

编辑文件.bashrc。

在文件中查找类似export PATH="/home/ubuntu/anaconda3/bin:$PATH"的内容。

在开始时放置一个#来从脚本中注释它。

#export PATH="/home/ubuntu/anaconda3/bin:$PATH"

打开一个新的终端，就可以运行基本的python了。这适用于Linux系统，在Mac上也应该有效。

 

 

 

Anaconda、Miniconda、Conda、pip的相互关系

Anaconda、Miniconda、Conda、pip的相互关系。如果你想要跳过这篇文章，并得到讨论的要点，你可以阅读每个标题以及下面的摘要。

　　认为#1：Conda是一个发行版，不是一个软件包管理器

　　现实：Conda是一个包管理器;Anaconda是一个发行包。虽然Conda与Anaconda一起包装，但两者是具有不同目标的不同实体。

　　软件发布包是预先构建和预配置的包的集合，其可以在系统上安装和使用。包管理器是自动化安装，更新和删除包的过程的工具。 Conda，其“conda install”，“conda update”和“conda remove”子命令，完全属于第二个定义：它是一个包管理器。

　　也许这里的混乱来自于Conda紧密耦合到两个软件分发：Anaconda和Miniconda的事实。 Anaconda软件在PyData生态系统中的完整分布，包括Python本身以及几百个第三方开源项目的二进制文件。 Miniconda本质上是一个conda环境的安装程序，只包含Conda及其依赖项，以便您可以从头开始安装所需的。

　　但不要弄错误：Conda与Anaconda / Miniconda不同，Python本身(如果你愿意)可以自行安装。

 

　　认为#2：Conda是一个Python包管理器

　　现实：Conda是一种通用包管理系统，旨在构建和管理任何语言的任何类型的软件。因此，它也适用于Python包。

　　因为conda来自于Python(更具体地说是PyData)社区，许多人错误地认为它基本上是一个Python包管理器。情况并非如此：conda旨在管理任何软件堆栈中的包和依赖关系。在这个意义上，它不像pip，更像是apt或yum等跨平台版本。

　　如果你使用conda，你已经可以利用许多非Python包;以下命令将列出您环境中的那些：

　　$ conda search –canonical | grep -v ‘py\d\d’

　　在我的系统上，有350个结果：这些是我的Conda / Python环境中的包，这些包基本上是由Python-only工具(如pip和virtualenv)无法管理的。

 

　　认为#3：Conda和pip是直接竞争对手

　　现实：Conda和pip服务于不同的目的，并且只在一小部分任务中直接竞争：即在孤立的环境中安装Python包。

　　Pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引(PyPI)上发布的包。 pip和PyPI都由Python包装管理局(PyPA)管理和支持。

　　简而言之，pip是Python包的通用管理器; conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中的任何包装。如果你正在做的是在孤立的环境中安装Python包，conda和pip + virtualenv大多是可互换的，模数依赖处理和包可用性的一些差异。通过隔离环境(conda-env或virtualenv)，您可以在其中安装软件包，而无需修改您的系统Python安装。

　　即使放弃认为#2，如果我们专注于只是安装Python包，conda和pip服务不同的受众和不同的目的。 如果你想在现有的系统Python安装中管理Python包，conda不能帮助你：通过设计，它只能在conda环境中安装包。 如果你想说，使用依赖于外部依赖的许多Python包(NumPy，SciPy和Matplotlib是常见的例子)，同时以一种有意义的方式跟踪这些依赖，pip不能帮助你：它 管理Python包和只有Python包。

　　Conda和pip不是竞争对手，而是侧重于不同用户组和使用模式的工具。

 

　　认为#4：在第一个地方创造conda是不负责任和分裂

　　现实：Conda的创作者将Python的标准包装推向了极限十多年，并且只有在明确了它是唯一合理的前进道路时才创造了第二个工具。

　　根据Python的哲学，在Python做任何事情“应该有一个，最好只有一个明显的方式来做”。那么为什么conda的创建者会通过引入一种新的方式来安装Python包呢?为什么他们没有贡献回Python社区并改进pip来克服它的缺陷?

　　事实证明，这正是他们所做的。在2012年之前，PyData / SciPy生态系统的开发人员很大程度上在Python社区开发的包管理解决方案的约束下工作。早在2001年，NumPy项目就试图使它处理NumPy分布的复杂要求。他们将大部分的NETLIB绑定到一个单一的Python包(你可能知道这是SciPy)，实际上创建一个分发为python包，以规避Python的分发工具不能用任何有意义的方式管理这些额外的Python依赖。为了阅读一些关于这些痛点的细节以及如何导致Conda，我建议Travis Oliphant的2013年博客文章。

　　但是为什么Conda的创作者不和Python包装人员谈谈，一起找出这些挑战呢?事实证明，他们谈了。

　　Conda的创始来自Guido van Rossum先生在2012年首届PyData聚会上发表演讲;在一个关于包装困难的问题上，他告诉我们，当谈到包装，“真的听起来像你的需求是相当大的Python社区，你只是更好地建立自己的”的讨论)。即使在遵循这个来自BDFL的建议的情况下，PyData社区继续与核心Python开发人员的对话和协作的主题：另一个公开的例子是CPython核心开发人员Nick Coghlan邀请在SciPy 2014主题演讲(见视频here )。他做了一个很好的演讲，在软件分发的“未解决问题”的背景下具体讨论了pip和conda，并提到了具有适合特定用户需求的多种分发方式的价值。

　　Conda不是分裂的，Nick和其他人在Python包装管理局正式认可conda作为Python代码的许多重要的重新分发器之一，并且正在努力更好地使这些工具与Python包索引无缝地工作。

 

　　认为#5：conda不能使用virtualenv，所以它对我的工作流没有用

　　现实：你实际上可以在一个virtualenv中安装(一些)conda包，但更好的是使用Conda自己的环境管理器：它与pip完全兼容，并且比virtualenv有几个优点。

　　virtualenv / venv是允许用户创建与pip一起使用的隔离的Python环境的实用程序。 Conda有自己的内置环境管理器，可以与conda和pip无缝工作，并且事实上比virtualenv / venv有几个优点：

　　conda环境集成了不同Python版本的管理，包括Python本身的安装和更新。 Virtualenvs必须在现有的，外部管理的Python可执行文件上创建。

　　conda环境可以跟踪非python依赖;例如无缝管理依赖性和基本工具(如LAPACK或OpenSSL)的并行版本

　　而不是构建在符号链接上的环境 - 这破坏了virtualenv的隔离，并且对于非Python依赖关系有时可能是脆弱的 - conda-envs是单个可执行路径中的真正隔离环境。

　　虽然virtualenvs与conda软件包不兼容，但conda环境与pip软件包完全兼容。第一个conda安装pip，然后你可以pip安装任何可用的包在那个环境中。您甚至可以在conda环境文件中显式地列出pip包，这意味着完整的软件堆栈可以从单个环境元数据文件完全重现。

　　也就是说，如果你想在你的virtualenv中使用conda，它是可能的：

　　$ virtualenv test_conda

　　$ source test conda/bin/activate

　　$ pip install conda

　　$ conda install numpy

　　这将在您的virtualenv中安装conda的MKL启用的NumPy包。 我不会推荐这个：我找不到这个功能的文档，并且结果似乎相当脆弱 - 例如，试图conda更新python内的virtualenv失败在一个非常不起眼和不可恢复的方式，看起来与 符合连接virtualenv的架构。 这似乎不是conda和virtualenv之间的一些根本不兼容，而是与构建过程中的一些细微不一致有关，因此是潜在可固定的(例如，参见conda Issue 1367和anaconda Issue 498)。

　　如果你想避免这些困难，一个更好的想法是pip安装conda，然后创建一个新的conda环境中安装conda包。 对于习惯于使用pip / virtualenv / venv命令语法的人来说，conda文档包括conda和pip / virtualenv命令之间的转换表。

 

　　认为#6：现在pip使用wheels，conda不再需要

　　现实：wheels只是提出conda发展的许多挑战之一，而wheels有弱点，Conda的二进制文件解决。

　　驱动Conda创建的一个困难是，pip可以只分发源代码，而不是预编译的二进制分发，这对于构建诸如NumPy和SciPy的扩展重模块的用户来说尤其具有挑战性。 Conda以自己的方式解决了这个问题后，pip本身增加了对轮子的支持，这是一个二进制格式，旨在解决pip中的这个难题。有了这个问题在共同的工具，解决Conda早期采纳者现在应该回到pip?

　　不必要。跨平台二进制文件的分发只是conda中解决的许多问题之一。编译的二进制文件聚焦了conda的另一个重要部分：有意义地跟踪非Python依赖关系的能力。因为pip的依赖关系跟踪只限于Python包，所以在轮子中这样做的主要方法是将发布的依赖包版本与Python包二进制包捆绑在一起，这使得更新这样的依赖很痛苦(最近OpenSSL的安全更新)。此外，conda包括一个真正的依赖解析器，一个pip目前缺乏的组件。

　　对于科学用户，conda还允许将构建链接到优化的线性代数库，Continuum使用其自由提供的MKL启用的NumPy / SciPy。 Conda甚至可以分发非Python构建需求，例如gcc，这大大简化了在其分发的预编译二进制代码上构建其他包的过程。如果你试图使用pip的轮子，你最好希望你的系统有编译器和设置兼容那些用来最初构建的问题的车轮。

 

　　认为#7：conda不开源;它被绑定到一个营利公司，可以开始收取服务，只要他们想要

　　现实：conda(包管理器和构建系统)是100%开源，Anaconda(发行版)也几乎在那里。

　　在开放源代码世界中，有一些对营利性实体的根本不信任，而Anaconda是由Continuum Analytics创建的，而且是大型企业产品的一个免费组件，这使得一些人担心。

　　让我们抛开一个事实，Continuum是，在我看来，是少数几家公司真正做开放软件正确的方式(一个话题另一个时间)。忽略这一点，事实是，Conda本身 - 包管理器，提供以跨平台方式构建，分发，安装，更新和管理软件的实用程序 - 是100%开源，可在GitHub和BSD许可。即使对于Anaconda(发行版)，EULA只是一个标准的BSD许可证，用于创建Anaconda的工具链也是100%开源。总之，当使用Conda时，没有必要担心知识产权问题。

　　如果Anaconda / Miniconda发行版仍然担心，放心：你不需要安装Anaconda或Miniconda来获得conda，虽然这些是方便的使用途径。正如我们上面所看到的，你可以“pip install conda”通过PyPI安装它，而无需Continuum的网站。

 

　　认为#8：但Conda包本身是封闭的，对不对?

　　现实：虽然conda的默认渠道尚未完全开放，有一个由社区主导的努力(Conda-Forge)使conda包装和分销完全开放。

　　从历史上看，默认conda通道的软件包构建过程没有尽可能开放，并且获取构建更新的过程主要依赖于在Continuum上知道某人。谣言是，这主要是因为原始的conda包创建过程没有像今天一样明确和精简。

　　但这正在改变。 Continuum正在努力打开他们的包装食谱，并且我被告知，500多个包装中只有几十个仍然需要移植。这些少数食谱是Anaconda分布中唯一不完全开放的剩余部分。

　　如果这还不够，那么在2016年初推出的一个新的以社区为主导的项目，而不是Continuum附属项目，名为conda-forge，包含用于为任何软件包创建社区驱动的构建的工具。软件包通过github保持开放状态，二进制文件使用免费CI工具自动构建，如TravisCI for Mac OSX构建，AppVeyor for Windows构建和CircleCI for Linux构建。每个包的所有元数据都位于Github存储库中，并且通过合并Github pull请求(这是conda-forge中包更新的示例)完成包更新。

　　Conda-forge完全是社区为基础的，由社区主导，虽然conda-forge可能还不够成熟，无法完全替代默认的conda渠道，Continuum的创始人已经公开表示，这是他们会支持的方向。你可以在Wes McKinney的最近的博客文章，conda-forge和PyData的CentOS时期更多地了解conda-forge的承诺。

 

　　认为#9：好的，但如果Continuum Analytics不折腾了，conda不会再工作了吗?

　　现实：没有，Conda本质上，Continuum Analytics公司通过提供免费托管构建工件为社区服务。所有软件分发都需要由某人，甚至PyPI托管。

　　的确，即使是conda-forge也将其软件包发布到http://anaconda.org/，这是一个由Continuum Analytics拥有和维护的网站。但在Conda没有什么需要这个网站。事实上，conda中的自定义渠道的创建是有详细记录的，没有什么可阻止某人建立和托管自己的私人分布使用Conda作为包管理器(conda索引是相关的命令)。考虑到conda食谱的开放性和构建系统conda-forge，如果你有理由这样做不会很难反映你自己的服务器上的所有conda-forge。

　　如果你仍然担心Continuum Analytics - 一个营利公司 - 通过托管conda包为社区服务，你应该也同样担心Rackspace - 一个盈利的公司 - 通过托管Python包索引服务社区。在这两种情况下，一个营利性公司都是社区包裹管理系统目前表现形式的一部分。但在任何情况下，该公司的灭亡都会威胁到构建和分发系统的底层架构，这是完全自由和开源的。如果Rackspace或Continuum消失，社区只需为其依赖的开放式分配找到另一个主机和/或财务赞助者。

 

　　认为#10：每个人都应该放弃(conda | pip)和使用(pip | conda)!

　　现实：pip和conda服务于不同的需求，我们应该更少关注他们如何竞争，更多地关注他们如何一起工作。

　　正如在神话#2中提到的，Conda和pip是不同的项目，不同的目标读者：pip在任何环境中安装python包; conda安装在conda环境中的任何包装。考虑到在Python的禅意中提出的崇高理想，人们可能希望pip和conda可以以某种方式组合，所以将有一个而且只有一个明显的方式安装包。

　　但这永远不会发生。这两个项目的目标太不同了。除非pip项目被广泛地重新定义，否则它永远不能有意义地安装和跟踪conda所做的所有非Python包：该架构是Python特定的(正确)以Python为重点。 Pip与PyPI一起旨在成为一个灵活的出版物和分发平台以及Python软件包的管理器，并且它的表现非常出色。

　　同样，除非conda包被广泛重新定义，它将永远不会取代pip / PyPI作为Python代码的一般发布和分发平台。在其核心，conda关注在多个平台上健壮地运行复杂的多语言软件栈所需的详细依赖关系跟踪类型。 conda的存储库中的每个安装工件都绑定到一个确切的依赖链：通过设计，它不会允许你替换Jython for Python给定的包。你当然可以使用conda来构建一个Jython软件栈，但是每个包都需要一个新的特定于Jython的安装工件 - 这就是为了保持conda用户所依赖的严格依赖链所需要的。 Pip在这里更灵活，但一旦成本是它无法精确定义和解决依赖关系conda。

　　最后，对pip和conda的关注完全错过了大量的Python代码的目的设计的重新分配器。从平台特定的软件包管理器，如apt，yum，macports和homebrew到像bento，buildout，hashdist和spack这样的跨平台工具，有很多特定的包装解决方案，旨在安装Python(和其他)特定用户。对于我们来说，像Python包装管理局那样，不是作为pip / PyPI的竞争对手，而是作为下游工具，可以利用所有开发和维护pip，PyPI的所有人的英勇努力，这将是更有成果的，和相关工具链。

　　到哪里去?

　　因此，似乎我们剩下两种不同的包装解决方案，但是对于许多Python用户来说，它们具有广泛的重叠(即在隔离环境中安装Python包时)。那么社会应该从这里走?我认为我们可以做的主要事情是确保项目(1)尽可能一起工作，和(2)相互学习有点。

　　Conda

　　如上所述，conda已经有一个完全打开的工具链，并且处于一个稳定的趋势，完全开放的包(但不完全在那里)。一个明显的方向是通过conda-forge推进社区发展和维护conda堆栈，或许最终使用它来代替conda当前的默认通道。

　　在我们推进这一点时，我相信，conda和conda-forge社区可以从模仿Python包装管理局的明确和开放的治理模式中受益。例如，PyPA有一个开放的治理模式，明确的目标，新的发展和功能的清晰的路线图，以及明确的沟通和讨论的渠道，以及从根本上社区监督完整的pip / PyPI系统。

　　另一方面，对于conda和conda-forge，代码(以及很快所有的配方)是开放的，但是系统的治理和控制模型远不够明确。鉴于conda的重要性，特别是在PyData社区，它将有益于所有这一点澄清这一点 - 也许在NumFOCUS组织的保护下。

　　话虽如此，参与conda-forge的人告诉我，核心团队目前正在解决这个问题，包括生成管理文件，行为准则和加强提案框架。

 

 

 

 

Conda commands

https://conda.io/projects/conda/en/latest/commands.html

conda install --help

The following commands are part of conda:

• conda clean
  • Removal Targets
  • Output, Prompt, and Flow Control Options
• conda config
  • Output, Prompt, and Flow Control Options
  • Config File Location Selection
  • Config Subcommands
  • Config Modifiers
• conda create
  • Positional Arguments
  • Named Arguments
  • Target Environment Specification
  • Channel Customization
  • Solver Mode Modifiers
  • Package Linking and Install-time Options
  • Networking Options
  • Output, Prompt, and Flow Control Options
• conda info
  • Named Arguments
  • Output, Prompt, and Flow Control Options
• conda install
  • Positional Arguments
  • Named Arguments
  • Target Environment Specification
  • Channel Customization
  • Solver Mode Modifiers
  • Package Linking and Install-time Options
  • Networking Options
  • Output, Prompt, and Flow Control Options
• conda list
  • Positional Arguments
  • Named Arguments
  • Target Environment Specification
  • Output, Prompt, and Flow Control Options
• conda package
  • Named Arguments
  • Target Environment Specification
• conda remove
  • Positional Arguments
  • Named Arguments
  • Target Environment Specification
  • Channel Customization
  • Solver Mode Modifiers
  • Networking Options
  • Output, Prompt, and Flow Control Options
• conda search
  • Named Arguments
  • Channel Customization
  • Networking Options
  • Output, Prompt, and Flow Control Options
• conda update
  • Positional Arguments
  • Named Arguments
  • Target Environment Specification
  • Channel Customization
  • Solver Mode Modifiers
  • Package Linking and Install-time Options
  • Networking Options
  • Output, Prompt, and Flow Control Options

Conda vs. pip vs. virtualenv commands

If you have used pip and virtualenv in the past, you can use conda to perform all of the same operations. Pip is a package manager, and virtualenv is an environment manager. Conda is both.

Task	Conda package and environment manager command	Pip package manager command	Virtualenv environment manager command
Install a package	conda install $PACKAGE_NAME	pip install $PACKAGE_NAME	X
Update a package	conda update --name $ENVIRONMENT_NAME $PACKAGE_NAME	pip install --upgrade $PACKAGE_NAME	X
Update package manager	conda update conda	Linux/macOS: pip install -U pip Win: python -m pip install -U pip	X
Uninstall a package	conda remove --name $ENVIRONMENT_NAME $PACKAGE_NAME	pip uninstall $PACKAGE_NAME	X
Create an environment	conda create --name $ENVIRONMENT_NAME python	X	cd $ENV_BASE_DIR; virtualenv $ENVIRONMENT_NAME
Activate an environment	conda activate $ENVIRONMENT_NAME*	X	source $ENV_BASE_DIR/$ENVIRONMENT_NAME/bin/activate
Deactivate an environment	source deactivate	X	deactivate
Search available packages	conda search $SEARCH_TERM	pip search $SEARCH_TERM	X
Install package from specific source	conda install --channel $URL $PACKAGE_NAME	pip install --index-url $URL $PACKAGE_NAME	X
List installed packages	conda list --name $ENVIRONMENT_NAME	pip list	X
Create requirements file	conda list --export	pip freeze	X
List all environments	conda info --envs	X	Install virtualenv wrapper, then lsvirtualenv
Install other package manager	conda install pip	pip install conda	X
Install Python	conda install python=x.x	X	X
Update Python	conda update python*	X	X

* conda activate only works on conda 4.6 and later versions. For conda versions prior to 4.6, type:

• Windows: activate
• Linux and macOS: source activate

* conda update python updates to the most recent in the series, so any Python 2.x would update to the latest 2.x and any Python 3.x to the latest 3.x.