Anaconda 常用命令集合

答案：Anaconda常用命令集合包括以下几个命令：

conda install anaconda: 在当前环境下安装anaconda包集合。

conda create -n py27 python=2.7 anaconda: 创建环境的同时安装anaconda集合包。

Anaconda Navigator: 它是用于管理环境和包的图形用户界面(GUI)。

Anaconda Prompt: 终端界面，可用于使用命令行来管理环境和包。

Spyder: 面向科学开发的集成开发环境(IDE)。

conda update conda: 更新conda本身。

conda update anaconda: 更新anaconda包集合。

conda update python: 更新Python版本，假设当前环境是3.6，则更新到3.6.x系列版本。

以上是一些常见的Anaconda命令，可用于管理环境和包的安装、更新和升级操作。

相关问题

anaconda 简单命令

Anaconda 基本命令使用指南
创建环境
创建新环境可以指定 Python 版本和其他包。通过下面的命令来实现：
conda create --name myenv python=3.8

这会建立名为 myenv 的环境并安装特定版本的 Python[^1]。
激活与停用环境
激活已有的 conda 环境以便在其内部工作，需执行如下指令：
conda activate myenv

当完成操作后想要退出当前活动环境，则应输入：
conda deactivate

上述两条语句分别用于切换进入和离开某个虚拟运行空间[^2]。
查看所有可用环境列表
为了查看计算机上已经存在的全部 conda 虚拟环境，可利用此命令获得清单：
conda env list

或者更简洁的形式:
conda info --envs

两种方式均能展示相同的信息集合[^3]。
安装软件包到环境中
向现有的 conda 环境添加新的库文件时，应该采用这种方式来进行部署：
conda install numpy pandas matplotlib

这条命令将在默认环境下安装三个常用的数据科学工具集；当然也可以指明具体的目标环境名称以确保它们被正确放置于预期位置[^4]。
更新现有包至最新版
如果希望将某项或多项依赖升级到最新的稳定发行版本，那么应当运用更新机制：
conda update package_name

对于整个环境内的所有组件进行全面刷新则只需简单修改为：
conda update --all

这样就能保证所使用的资源始终处于最前沿状态[^5]。
卸载不再需要的包
移除那些不再必要的第三方扩展模块可以通过简单的删除动作达成目的：
conda remove package_name

该过程同样适用于清理单个乃至多个冗余项目，只需要按照实际需求调整参数即可满足不同场景下的应用要求[^6]。
删除环境
一旦确认某些实验性质的工作已完成且未来不会再重复访问相应条件设定的话，就可以考虑彻底清除这些历史记录以免占用过多磁盘存储空间：
conda env remove --name old_env

这里假设要销毁的是之前定义过的叫做 old_env 的实例对象[^7]。

anaconda的命令

Anaconda 常用命令及其应用
查看 Conda 信息
为了获取当前 Conda 的配置详情以及环境概览，可以使用 conda info 这一指令来展示全局设置和默认路径等重要参数[^1]。
conda info

列举已有的虚拟环境
通过执行 conda env list, conda info -e 或者 conda info --envs 可以枚举出所有现存的 Python 虚拟工作区列表，这有助于管理和追踪不同的开发项目所依赖的不同软件包集合[^4]。
conda env list
# 或者
conda info -e

创建新的虚拟环境
当需要建立一个新的隔离测试或生产环境时，可以通过如下方式指定新环境的名字并定义其使用的特定版本的Python解释器：
conda create -n my_new_env python=3.8

这里的 -n 参数后面跟的是自定义的新环境名(my_new_env)，而后面的 python=3.8 表明该环境中将安装 Python 3.8 版本作为基础运行库。
激活与退出虚拟环境
一旦创建好了一个独立的工作空间之后，在实际操作前还需要将其激活才能正常使用其中预装好的工具链；同样地，在完成任务后也应当记得及时退回到初始状态以便不影响其他项目的正常运作:
conda activate my_new_env # 启动名为 'my_new_env' 的环境
deactivate # 关闭当前活动的环境

注意这里并没有再次指明具体要停用哪个环境，因为每次只能有一个处于活跃模式下的实例存在所以只需调用简单的 deactivate 就能实现目的了。
删除不再需要的虚拟环境
如果某些旧版或者实验性质较强的临时性分支已经完成了使命，则应该考虑彻底清除它们以免占用过多磁盘资源。此时可借助于下面这条语句快速达成目标：
conda remove -n old_test_env --all

此命令会连同关联文件夹一起移除掉整个被命名成 "old_test_env" 的区域结构体。
更新现有组件至最新稳定版
保持各个组成部分始终处在最新的安全补丁级别是非常必要的措施之一。对于单个包而言可以直接利用类似于这样的表达式来进行单独刷新处理：
conda update package_name

而对于整套体系内的全部要素则建议采用更为全面的方式一次性同步升级到位：
conda update --all

另外值得注意的一点是在准备对核心部分实施变动之前最好先确保底层管理程序本身也是经过优化改进过的版本，因此通常情况下推荐按照以下顺序依次执行更新动作：首先是 conda update conda 接着才是针对更高层次的对象如 conda update anaconda 执行相应级别的迭代过程[^2]。
处理特定版本需求的情况
有时候出于兼容性的考量可能不得不回滚到某个历史发行点上继续开展后续作业流程。这时就需要精确控制待部署对象的具体修订编号从而达到预期效果：
conda install numpy==1.19.0 # 安装numpy的确切版本为1.19.0

上述例子展示了如何强制安装一个固定版本号的第三方扩展模块(numpy)，这对于维护长期支持的服务端应用程序尤其有用[^5]。
导入导出环境配置
在团队协作过程中经常遇到不同成员之间共享相同的技术栈的需求场景。为此Conda 提供了一种便捷的方法用于保存当前环境下所有的依赖关系描述文档并通过文本形式传递给他人再重建完全一致的操作平台：
conda list -e > requirements.txt # 输出现有的package清单到文件
conda install --yes --file requirements.txt # 根据先前备份的数据重新构建相同的环境

这种方式不仅简化了跨机器迁移工作的复杂度而且提高了工作效率减少了人为错误的发生几率。