同学们好！在使用 Python 进行开发时，你是否曾被各种库的版本依赖问题搞得焦头烂额？这个项目需要 Python 3.7 和旧版 TensorFlow，那个项目却需要 Python 3.9 和最新版 PyTorch？不同项目的环境可能产生冲突，引发未知问题。手动管理这些依赖简直是一场噩梦。

别担心，今天我们就来认识一个强大的工具——Conda。Conda 是一个开源的包管理和环境管理系统，它能帮助你轻松创建、保存、加载和切换不同的“环境”，让每个项目都拥有自己独立的依赖集合，彻底告别“依赖地狱”！

本文将带你走过 Conda 在 macOS 上的基础使用流程，重点介绍通过下载 Anaconda 安装包的方式进行安装，并涵盖理解和管理 base 环境、创建和使用虚拟环境，以及一些实用小技巧。

第一步：在 macOS 上下载并安装 Anaconda

Anaconda 是一个包含了 Conda、Python 以及众多常用科学计算和数据分析库的发行版。对于初学者或需要大量预装库的用户来说，安装完整的 Anaconda 是一个方便的选择。

1. 下载安装包： 访问 Anaconda 官方下载成功页面：https://www.anaconda.com/download/success。在这个页面，你可以找到适用于 macOS 的图形界面安装程序（.pkg 文件）。选择适合你 macOS 版本的安装包进行下载。

   

2. 运行安装程序： 找到下载好的 .pkg 文件，双击运行它。这将启动 Anaconda 的图形界面安装向导。一步一步即可完成安装。

第二步：认识 base 环境和那个恼人的 (base) 提示

安装并重启终端后，你可能会注意到终端提示符前面多了一个 (base) 字样。这表明你当前正处于 Conda 的 base 环境中。如下图所示：

• 什么是 base 环境？ 它是 Conda 安装时创建的默认环境，包含了 Conda 自身运行所需的各种组件以及你安装时指定的 Python 版本。由于你安装的是完整的 Anaconda，base 环境中还预装了大量的科学计算和数据分析库，比如 NumPy, pandas, SciPy, scikit-learn 等。可以理解为 Conda 的“根”环境。
• 为什么会有 (base) 提示？ 这是 conda init 命令帮你做的设置，它让 Conda 在你每次打开终端时自动激活 base 环境，这样你就可以直接使用 conda 命令了。

【重点！】不建议在 base 环境中进行项目开发和安装项目依赖！

尽管 Anaconda 的 base 环境预装了很多有用的包，但为了避免不同项目之间的依赖冲突，以及保持环境的可重现性，强烈建议你为每个具体的项目创建独立的虚拟环境。将 base 环境视为一个管理 Conda 和创建其他环境的起点即可。

第三步：关闭烦人的 (base) 提示（以及取消自动激活）

如果你觉得终端前面总是显示 (base) 很碍眼，并且希望只在需要时手动激活环境，可以取消 Conda 的自动激活 base 环境设置。

在终端中运行以下命令：

conda config --set auto_activate_base false

执行完成后，关闭并重新打开终端。你会发现 (base) 提示消失了。现在，你需要手动激活任何你想使用的 Conda 环境。

第四步：创建和管理你的虚拟环境

现在，我们来学习如何创建用于具体项目的虚拟环境。

1. 查看所有环境： 在创建之前，可以先看看当前有哪些环境（初始应该有一个 base）：

   conda env list
   # 或
   conda info --envs
   

2. 创建一个新的虚拟环境： 使用 conda create 命令，-n 参数后面是环境的名称，你可以随意命名（建议使用与项目相关的名称）。

   conda create -n my_project_env
   

   这个命令会创建一个空环境，包含最基本的 Conda 组件和默认的 Python 版本（通常是安装 Anaconda 时自带的 Python 版本）。

3. 创建环境并指定 Python 版本： 在实际开发中，你经常需要指定项目使用的 Python 版本：

   conda create -n my_project_env python=3.9
   

   这会创建一个名为 my_project_env 的环境，并在其中安装 Python 3.9。

4. 创建环境并安装初始包 (包括 pip 小技巧!)： 你可以在创建环境的同时安装一些必需的包，包括 pip！这样就省去了激活环境后再安装 pip 的步骤。

   conda create -n my_project_env python=3.9 numpy pandas pip
   

   这个命令会创建一个使用 Python 3.9 的环境，并安装 numpy, pandas, 以及 pip 包。这样创建出来的环境，激活后就可以直接使用 pip install 了。

5. 复制（克隆）现有环境： 如果你希望基于一个现有环境（比如 base 环境，或者你之前配置好的某个环境）来创建一个新环境，并继承其中所有的包，可以使用 --clone 参数：

   conda create -n new_env_name --clone existing_env_name
   

   例如，要复制 base 环境来创建一个名为 my_base_copy 的新环境：

   conda create -n my_base_copy --clone base
   

   这个命令会创建一个 my_base_copy 环境，其中包含了 base 环境中所有已安装的包。这在你想要基于一个已有的环境快速启动新项目时非常方便。但请记住，即使是复制 base 环境，我们仍然建议在这个新环境中进行项目开发，而不是直接在原始的 base 环境中。

6. 激活（进入）虚拟环境： 要开始在某个环境工作，需要先激活它：

   conda activate my_project_env
   

   如果之前关闭了自动激活 base，终端提示符会从普通状态变成显示 (my_project_env)，表示你已进入该环境。如果之前没关自动激活，可能会从 (base) 变成 (my_project_env)。

7. 在环境中安装包： 激活环境后，你就可以使用 conda install 或 pip install 在当前环境中安装项目所需的包了。

   • 优先使用 conda install： Conda 会检查环境中的所有包依赖，更好地避免冲突，并且可以安装非 Python 的依赖。

     conda install tensorflow
     

   • 使用 pip install： 当需要的包在 Conda 仓库中没有，或者你需要 PyPI 上的特定版本时，可以使用 pip（前提是环境中已经安装了 pip）：

     pip install some-package-from-pypi
     

   • 查看环境中的包：

     conda list
     

8. 退出虚拟环境： 完成工作后，可以退出当前环境，回到之前的环境（或者回到没有环境激活的状态）：

   conda deactivate
   

9. 删除虚拟环境： 如果某个项目完成了，不再需要其环境，可以将其删除：

   conda remove -n my_project_env --all
   

   注意： 这个操作会删除环境及其内部安装的所有包，请谨慎操作。

第五步：再次强调：虚拟环境与 base 环境的关系

理解这一点非常重要：

• 当你使用 conda create -n new_env ... 创建一个新环境时，这个新环境是一个独立的、相对干净的环境。
• 它不会自动继承 base 环境中已经安装的第三方包。即使 Anaconda 的 base 环境预装了很多包，新环境也只会包含你明确指定的 Python 版本和创建时指定的包。
• 你需要在新环境中显式地安装所需的 Python 版本和所有库。

这种隔离性是 Conda 解决依赖冲突的关键。保持 base 环境的纯净（或者只用于一些通用的、不常变动的工具），只在独立的虚拟环境中安装项目依赖，是使用 Conda 的黄金法则。

总结与最佳实践

• 使用 Conda 管理你的 Python 环境，避免依赖冲突。
• 通过下载 Anaconda PKG 包在 macOS 上进行安装是一个方便的选择。
• 理解 base 环境是 Conda 的基础，但不要在其中进行项目开发。
• 使用 conda config --set auto_activate_base false 关闭烦人的 (base) 自动激活。
• 为每个项目创建独立的虚拟环境：
  • 从头创建：conda create -n project_name python=x.x package1 package2 ... pip。
  • 克隆现有环境：conda create -n new_env_name --clone existing_env_name。
• 使用 conda activate your_env 进入环境，conda deactivate 退出。
• 在激活的环境中使用 conda install 或 pip install 安装包。
• 记住：从头创建的新环境默认是干净的，不继承 base 的包；而克隆的环境会完全复制源环境的包。

掌握了这些基础，你就已经迈出了使用 Conda 进行高效、清晰的 Python 开发的第一步。现在，去为你的下一个项目创建一个专属的 Conda 环境吧！

有什么问题或心得，欢迎在评论区交流！