2.2.2　Conda

因为在后续学习过程中我们将多次用到Conda，所以有必要专门用一节来介绍它。

1.包的安装和管理

Conda对包的管理是通过命令行的方式实现的（Windows用户可以参考面向Windows的命令提示符教程），在终端键入conda install package_name命令即可安装。例如输入如下代码安装NumPy。

---

conda install numpy

---

我们可以同时安装多个包，使用类似conda install numpy scipy pandas的命令会同时安装所有包。我们还可以通过添加版本号（例如conda install numpy=1.10）来指定包版本。

Conda还会自动安装依赖项。例如，Scipy依赖于Numpy，如果只安装Scipy（使用conda install scipy命令），则Conda还会安装NumPy（在尚未安装的前提下）。

Conda的大多数命令都是很直观的。要卸载包，则使用conda remove package_name命令；要更新包，则使用conda update package_name命令；如果想更新环境中的所有包（这个操作很有用），则使用conda update -all命令；最后，要列出已安装的包，则使用前面提过的conda list命令。

如果不知道要找的包的确切名称，可以尝试使用conda search search_term命令进行搜索。例如，我想安装Beautiful Soup，但我不清楚包的具体名称，就可以尝试执行conda search beautifulsoup命令，查找结果如图2-5所示。

图2-5　通过Conda搜索beautifulsoup

Conda将所有的工具，包括第三方包都当作package（包）对待，因此Conda可以打破包管理与环境管理的约束，更高效地安装各种版本的Python以及各种package，并且切换起来也很方便。

2.环境管理

除了管理包之外，Conda还是虚拟环境管理器。环境能分隔用于不同项目的包，我们常常要使用依赖于某个库的不同版本的代码。例如，代码可能使用了NumPy中的新功能，或者使用了已被删除的旧功能，实际上，不可能同时安装两个NumPy版本。这时候我们要做的是为每个NumPy版本创建一个环境，然后在对应的环境中工作。这里再补充一下，每一个环境都是相互独立、互不干预的。

如果需要创建不同的运行环境，可以参考下面的说明。

---

创建代码运行环境
conda create -n basic_env  python=3.7 #创建一个名为basic_env的环境
source activate basic_env #激活这个环境-Linux和macOS代码
activate basic_env #激活这个环境-Windows代码

---