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
|
1月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
248 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
4天前
|
机器学习/深度学习 数据可视化 Docker
Python环境
Python环境
16 3
|
14天前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
|
1月前
|
IDE 网络安全 开发工具
IDE之pycharm:专业版本连接远程服务器代码,并配置远程python环境解释器(亲测OK)。
本文介绍了如何在PyCharm专业版中连接远程服务器并配置远程Python环境解释器,以便在服务器上运行代码。
284 0
IDE之pycharm:专业版本连接远程服务器代码,并配置远程python环境解释器(亲测OK)。
|
1月前
|
机器学习/深度学习 缓存 PyTorch
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。
348 0
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
|
1月前
|
机器学习/深度学习 缓存 Linux
python环境学习:pip介绍,pip 和 conda的区别和联系。哪个更好使用?pip创建虚拟环境并解释venv模块,pip的常用命令,conda的常用命令。
本文介绍了Python的包管理工具pip和环境管理器conda的区别与联系。pip主要用于安装和管理Python包,而conda不仅管理Python包,还能管理其他语言的包,并提供强大的环境管理功能。文章还讨论了pip创建虚拟环境的方法,以及pip和conda的常用命令。作者推荐使用conda安装科学计算和数据分析包,而pip则用于安装无法通过conda获取的包。
61 0
|
6月前
|
数据处理 Python Windows
安装Python与Anaconda
安装Python与Anaconda
73 2
|
机器学习/深度学习 IDE 开发工具
软件类配置(二)【Windows中安装python、pycharm、opencv、anaconda】
软件类配置(二)【Windows中安装python、pycharm、opencv、anaconda】
140 0
|
索引 Python Windows
如何安装Python运行环境Anaconda?(视频教程)
本视频教程针对Windows 7平台,集成3.6版本Python的Anaconda录制。 根据我多次线下编程工作坊获得的反馈经验,发现Python初学者居然在环境安装步骤,就很可能遭受挫折。
1411 0
|
3天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。