Anaconda中Python虚拟环境的创建、使用与删除

简介: Anaconda中Python虚拟环境的创建、使用与删除

  本文介绍在Anaconda环境下,创建、使用与删除Python虚拟环境的方法。

  在Python的使用过程中,我们常常由于不同Python版本以及不同第三方库版本的支持情况与相互之间的冲突情况,而需要创建不同的Python虚拟环境;在Anaconda的帮助下,这一步骤就变得十分方便。

  首先,我们需要打开“Anaconda Prompt (anaconda3)”。

  随后,在其中输入如下所示的代码,从而浏览当前Anaconda中的全部环境的情况。

conda env list

  运行代码,如下图所示。其中,如果我们之前没有创建过虚拟环境,那么列表中只会出现一个base环境,也就是Anaconda的基本环境。其中,星号*表示Anaconda当前正在使用的环境,最后面一列的路径也就是这一环境对应的保存路径。

  随后,我们开始创建虚拟环境。首先,如果我们依据以下格式代码加以虚拟环境的创建,会得到一个Python版本与Anaconda基本环境中Python版本一致的虚拟环境;例如,我这里Anaconda基本环境的Python版本为3.9.13,那么创建的虚拟环境Python版本也会是3.9.13。其中,py39是虚拟环境的名称,大家可以自行修改。

conda create -n py39

  运行代码,如下图所示。

  其次,如果我们依据以下格式代码加以虚拟环境的创建,会得到一个指定Python版本的虚拟环境。其中,py36同样是虚拟环境的名称,最后的python=3.6就是指定Python版本为3.6,大家可以依据实际需要来修改。

conda create -n py36 python=3.6

  运行代码,如下图所示。

  通过以上两句代码,我们创建了两个虚拟环境;此时,我们再用前文提到的代码浏览当前Anaconda中全部的环境情况,会得到如下图所示的结果。其中,除了baseAnaconda的基本环境,其他两个环境就是我们刚刚创建的虚拟环境。

  如果我们找到上图中所示的路径,也可以看到两个新创建的虚拟环境对应的文件夹。

  随后,如果我们想要使用某一个虚拟环境,就可以通过如下的代码来实现。其中,py36是我们需要使用的虚拟环境的名称。

conda activate py36

  运行代码,如下图所示。此时,我们继续输入代码,就是在py36这个虚拟环境中加以运行了。

  例如,我们可以输入如下语句,查看当前虚拟环境对应的Python版本。

python

  运行代码,如下图所示。可以看到,当前这一虚拟环境的Python版本是3.6.13。这就是因为前面我们创建这一虚拟环境时,指定了其Python版本为3.6导致的。

  这里需要注意,在终端中输入前述python这一句代码后,如果接下来输入的不是Python代码,需要同时按下Ctrl键与Z键,然后按下回车键,退出Python语句环境,如下图所示。

  随后,我们可以通过如下代码退出当前虚拟环境,从而回到Anaconda的基本环境。

conda deactivate

  运行代码,如下图所示。

  此外,如果我们需要删除某个虚拟环境,则需要通过如下代码实现。其中,py39是要删除的虚拟环境的名称。

conda remove -n py39 --all

  运行代码,如下图所示。

  删除完毕,我们再用前文提到的语句浏览当前Anaconda中全部的环境情况,会得到如下图所示的结果;可以看到,py39这个刚刚删除的虚拟环境就不再存在了。

  以上,我们介绍了在Anaconda环境下,创建、使用与删除Python虚拟环境的基本方法;如果我们需要加以进一步的应用,比如在某个虚拟环境中下载、安装Spyder软件,或是在某个虚拟环境中安装某个第三方库等,具体方法我们将在下一篇博客中介绍。

欢迎关注:疯狂学习GIS

相关文章
|
5月前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
338 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
5月前
|
Python
在VScode环境下配置Python环境的方法
经过上述步骤,你的VSCode环境就已经配置好了。请尽情享受这扇你为自己开启的知识之窗。如同你在冒险世界中前行,你的探索之路只有越走越广,你获得的知识只会越来越丰富,你的能力只会越来越强。
487 37
|
9月前
|
Ubuntu Linux 测试技术
Python 虚拟环境配置
本文总结了 Python 开发中的环境配置、常用操作和常见错误处理。重点介绍了如何使用 `virtualenv` 搭建虚拟环境,解决依赖冲突问题,并保持系统环境的干净。同时,详细说明了依赖库的安装与管理方法,包括使用 `pip install` 安装依赖、生成和使用 `requirements.txt` 文件,以及查看 Python 文档和修改环境变量等实用技巧。
647 60
|
7月前
|
机器学习/深度学习 数据采集 数据可视化
Python/Anaconda双方案加持!Jupyter Notebook全平台下载教程来袭
Jupyter Notebook 是一款交互式编程与数据科学分析工具,支持40多种编程语言,广泛应用于机器学习、数据清洗和学术研究。其核心优势包括实时执行代码片段、支持Markdown文档与LaTeX公式混排,并可导出HTML/PDF/幻灯片等格式。本文详细介绍了Jupyter Notebook的软件定位、特性、安装方案(Anaconda集成环境与原生Python+PIP安装)、首次运行配置及常见问题解决方案,帮助用户快速上手并高效使用该工具。
|
7月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
9月前
|
Shell Linux Ruby
Python3虚拟环境venv
`venv` 是 Python 的虚拟环境工具,用于为不同项目创建独立的运行环境,避免依赖冲突。通过 `python3 -m venv` 命令创建虚拟环境,并使用 `source bin/activate` 激活。激活后,所有 Python 包将安装在该环境中,不影响系统全局环境。退出环境使用 `deactivate` 命令。每个虚拟环境拥有独立的包集合,确保项目间的隔离性。删除虚拟环境只需删除其目录即可。
588 34
|
9月前
|
SQL 分布式计算 数据处理
云产品评测|分布式Python计算服务MaxFrame | 在本地环境中使用MaxFrame + 基于MaxFrame实现大语言模型数据处理
本文基于官方文档,介绍了由浅入深的两个部分实操测试,包括在本地环境中使用MaxFrame & 基于MaxFrame实现大语言模型数据处理,对步骤有详细说明。体验下来对MaxCompute的感受是很不错的,值得尝试并使用!
202 1
|
9月前
|
Shell 程序员 开发者
轻松搞定在Python中构建虚拟环境
本教程教你如何使用业界公认的最佳实践,创建一个完全工作的Python开发环境。虚拟环境通过隔离依赖项,避免项目间的冲突,并允许你轻松管理包版本。我们将使用Python 3的内置`venv`模块来创建和激活虚拟环境,确保不同项目能独立运行,不会相互干扰。此外,还将介绍如何检查Python版本、激活和停用虚拟环境,以及使用`requirements.txt`文件共享依赖项。 通过本教程,你将学会: - 创建和管理虚拟环境 - 避免依赖性冲突 - 部署Python应用到服务器 适合新手和希望提升开发环境管理能力的开发者。
577 2
|
Python
python虚拟宠物
点击(此处)折叠或打开 [18:15 t ~/PycharmProjects/talen]$ ll -rw-rw-r--.
1916 0
|
25天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
191 102

热门文章

最新文章

  • 1
    Python零基础爬取东方财富网股票行情数据指南
    46
  • 2
    解析Python爬虫中的Cookies和Session管理
    52
  • 3
    Python日志模块配置:从print到logging的优雅升级指南
    42
  • 4
    【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
    40
  • 5
    (Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
    49
  • 6
    (Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
    72
  • 7
    (numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
    42
  • 8
    (numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
    64
  • 9
    (Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
    34
  • 10
    (Python基础)新时代语言!一起学习Python吧!(三):IF条件判断和match匹配;Python中的循环:for...in、while循环;循环操作关键字;Python函数使用方法
    54
  • 推荐镜像

    更多