Python-Conda

Conda和Python自带虚拟环境(venv）差异和优势
- Conda的优势：
  - 跨平台包管理：Conda不仅可以安装Python包，还可以安装非Python包和二进制软件，这使得它在跨平台环境中非常有用
  - 环境管理：Conda提供了更强大的环境管理功能，可以轻松地在不同环境之间切换和管理依赖
  - 版本控制：Conda环境可以包含特定版本的库，这有助于在项目中保持一致性
  - 依赖性和二进制包：Conda可以处理复杂的依赖关系，并且能够安装编译好的二进制包，这在某些情况下比从源代码编译更快、更容易
  - 通道和包仓库：Conda允许你从不同的通道（channels）安装包，这提供了更多的软件包选择
  - 环境复制：Conda可以克隆现有的环境，这在需要复制开发环境到生产环境时非常有用
  - 平台无关性：Conda环境是平台无关的，这意味着你可以在Windows上创建环境，然后在Linux或macOS上使用相同的环境结构
- Python自带的虚拟环境（venv）的优势：
  - 简单性：venv模块非常轻量级，不需要安装额外的软件，它是Python标准库的一部分
  - Python版本兼容性：venv与Python版本紧密集成，总是与你的Python版本兼容
  - 易于使用：创建和激活虚拟环境的命令非常简单

Anaconda和Miniconda都使用Conda作为包管理系统
- Anaconda
  - 预安装的包：Anaconda包括了一个完整的科学计算环境，预装了许多用于数据科学、机器学习和科学计算的常用库，如NumPy、Pandas、SciPy、Matplotlib等
  - 大小：由于预装了大量的库，Anaconda的安装包和占用的磁盘空间相对较大
  - 集成界面：Anaconda提供了Anaconda Navigator，这是一个图形用户界面，可以方便地管理环境和包
  - 适用场景：由于其全面性，Anaconda适合数据科学、机器学习、科学计算等领域的初学者和专业人士
- Miniconda
  - 最小安装：Miniconda只包括Conda本身和Python，不包括任何预装的库。用户可以根据需要自行安装所需的包
  - 大小：Miniconda的安装包和占用的磁盘空间较小，因为它只安装了最基本的组件
  - 灵活性：Miniconda提供了更高的灵活性，用户可以根据自己的需求选择安装哪些包，从而创建一个定制的环境
  - 适用场景：Miniconda适合那些需要轻量级安装或者想要更精细控制环境和包的用户
- 共同点
  - Conda包管理器：两者都使用Conda作为包管理器，可以轻松地管理Python环境和包
  - 环境管理：两者都允许用户创建隔离的Python环境，以避免不同项目之间的依赖冲突
  - 跨平台：两者都支持Windows、macOS和Linux平台

**相关链接：**
- 下载地址：https://www.anaconda.com/download/success
  - anaconda：https://repo.anaconda.com/archive/
  - miniconda：https://repo.anaconda.com/miniconda/

# 安装
1. [下载最新安装包](https://www.anaconda.com/download/success) 并进行安装
2. 添加环境变量 `PATH`
一般在 `C:\ProgramData\<anaconda 或 miniconda>`
如 `C:\ProgramData\anaconda3` 和 `C:\ProgramData\anaconda3\Scripts`
3. 初始化Conda
```bash
conda init  # cmd
conda init powershell  # powershell
     # 如果报无法加载文件...因为在此系统上禁止运行脚本
     Set-ExecutionPolicy RemoteSigned  # 允许运行本地脚本和需要远程签名的脚本
```

# 使用
## 管理虚拟环境
```bash
# ⭐基于名称创建虚拟环境
conda create --name <虚拟环境名称> python=<Python版本>  # 创建特定名称和版本的虚拟环境
  conda create --name opencv python=3.8  # 创建名为 opencv 的Python 3.8
conda remove --name <虚拟环境名称> --all  # 删除虚拟环境

# 通用指令
conda activate <虚拟环境名称/存储路径>  # 进入虚拟环境(不指定则切换为base(默认))
conda deactivate  # 退出虚拟环境
conda env list  # 查看虚拟环境列表

# 基于路径创建虚拟环境(不方便管理)
conda create --prefix <虚拟环境存储路径> python=<Python版本>  # 创建特定路径和版本的虚拟环境
  conda create --prefix .\opencv python=3.8  # 当前路径下的opencv中创建Python 3.8
conda remove --prefix <虚拟环境存储路径> --all  # 删除虚拟环境
  conda remove --prefix .\opencv --all  # 删除当前路径下的opencv虚拟环境
```

### 迁移环境
```bash
# 导出包含环境所需的所有信息
conda env export --name <虚拟环境名称> > <配置名称/路径>.yml
  conda env export --name opencv > environment.yml  # 导出到当前路径
# 将配置名称复制到项目下，方便迁移(若有修改直接调整该配置文件即可)
# 从文件重新创建环境
conda env create -f <配置名称/路径>.yml
  conda env create -f environment.yml
```

## Conda 包管理
```bash
conda install <指定包>  # 安装指定包
  conda install <指定包>==<指定版本>  # 安装特定版本的包
conda remove <指定包>  # 卸载指定包
conda update <指定包>  # 更新指定包
  conda update --all  # 更新全部包
conda search <包名>  # 搜索包,支持模糊搜索

conda list  # 查看conda下的包
conda clean -p  # 删除没有用的包
conda clean -t  # 删除保存下来的压缩文件(.tar)
```

## 安装 Jupyter
在安装 Anaconda 时会自带一个 Jupyter，但是这个是绑定 base 环境的
我们可以在其它虚拟环境中手动安装 Jupyter
```bash
# 在虚拟环境中安装 Jupyter
conda install jupyter notebook  # 安装 jupyter notebook
jupyter notebook  # 启动 Jupyter(也可通过开始菜单中快捷方式启动)

# Jupyter 相关操作(在 Jupyter 中执行)
pip install jupyterlab-language-pack-zh-CN  # 安装中文语言包
```
正常安装 Jupyter 后，会在开始菜单中生成一个 `Jupyter Notebook(虚拟环境名)` 的一个快捷方式
这个是直接启动该虚拟环境的 Jupyter