怎么配置conda镜像
1. conda-erro:Collecting package metadata (current_repodata.json): failed
瑙ｅ喅锷炴硶锛
绗涓绉嶏细镟存敼灏忕幆澧冧腑pythoan镄勭増链锛屾彁绀猴细鍒╃敤sudo锻戒护缁栾嚜宸卞姞涓涓𨱒冮檺
绗浜岀嶏细寤虹珛灏忕幆澧幂殑杩囩▼涓镊琛屽畨瑁卲ython涓2/2.7镄勭増链銆
链绡囨枃绔犱粙缁岖殑鏄绗浜岀嶈В鍐冲姙娉
conda寤虹珛灏忕幆澧幂殑绗涓姝ュ紑濮嬫姤阌欎俊鎭锛
瑙ｅ喅锷炴硶锛
1銆佹煡鐪嬮暅镀忥细
2銆佹垜閰岖疆镄勯暅镀忓备笅锛
鍦╟hannles涓瀛桦湪 - https://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free 鍗冲彲
3銆佽繍琛屽懡浠わ细
4銆佽繍琛屽畨瑁卌onda灏忕幆澧冨懡浠わ纴璁剧疆py鐗堟湰
鍙傝冨笘瀛愶细 https://blog.csdn.net/gyyu32g/article/details/104611322
鎺ヤ笅𨱒ユ垜灏辩户缁杩涜屼简~
2. 如何将python-3.5.3-amd64添加到anoconda
下载anaconda的安装包
这里推荐使用清华的镜像，因为速度快而且可以安装你想要的版本，在官网里面往往给出的最新版本，就像我安装的时候官网给的是带Python3.6的版本，但是我想直接安装带python3.5的版本的Anoconda.
可以直接在清华的镜像 Index of /anaconda/archive/中，找到对应的版本，下载并安装。带Python3,5的window版本就是下载Anaconda3-4.2.0-Windows-x86_64。
2 .安装注意事项：安装目录最好不要有空格；是否把Anaconda加入环境变量的选项上打勾，这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令，推荐打勾，如果不打勾可以再安装以后将对应的环境变量添加上去，例如我的就是 D:\Anaconda3;D:\Anaconda3\Scripts;D:\Anaconda3\Library\bin 可参考博客 https: // zhuanlan. hu.com/p/251985433. 安装好了以后，可以在cmd中输入 Python，发现显示的还是你之前安装的版本，像我的就是Python2.7，这是因为你之前安装Python2,7的时候，是将它的安装目录添加到了环境变量中的。在系统环境变量中找到对应之前安装Python的路径并删除，像我的就是D:\Program Files\python2.7 和D:\Program Files\python2.7\Scripts。将其删除。
接着重启电脑，再在cmd中输入python 就会显示是Anaconda自带的版本了。
4. 将原来python加入Anoconda中
在Anoconda中，用户以后安装的python会存放在envs中。如果在cmd中输入conda info -e 或者 conda info --envs 就可以得到你安装的python信息。 在考察一下conda中安装其他包的命令：
# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）conda create --name python34 python=3.4
其实就是在envs中创建了一个python34的文件夹，这个也就是安装python34的一个安装目录。了解这个原理之后，就可以轻松将原来的环境转到Aconda进行管理。
直接将你原来安装python的整个文件夹拷贝到envs的目录下。
然后你再用conda info -e 命令，就会发现多了一个你添加的文件夹的名字的python，我把自己之前安装的python2.7的包拷过去。还可以给文件下重命名一下，我命名的是python27。
# conda environments:
#
python27 * D:\Anaconda3\envs\python27root D:\Anaconda3
5.环境管理
复制代码
# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac# 删除一个已有的环境
conda remove --name python34 --all
复制代码
可以使用上面的激活命令检验一下：
在cmd中输入python得到自带版本信息，然后再激活python27，显示(python27) C:\Users\UT> 也就是搞定了。
复制代码
C:\Users\UT>python
Python 3.5.2 |Anaconda 4.2.0 (64-bit)| (default, Jul 5 2016, 11:41:13) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "right", "credits" or "license" for more information.
>>> exit()
C:\Users\UT>activate python27
(python27) C:\Users\UT>
复制代码
6.设置国内镜像命令
conda config --add channels https: //mirrors. tuna.tsinghua. e.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
然后你的.condarc 文件应该是这样的内容，或者你可以直接修改该文件的内容设置镜像。
channels:
- https: // mirrors. tuna.tsinghua. e.cn/anaconda/pkgs/free/- defaults
show_channel_urls: yes
3. python - 环境 - python用conda创建虚拟环境
创建虚拟环境是为了让项目运行在一个独立的局部的Python环境中，这样可以让不同项目用不同的python模块，使得不同环境不会相互干扰。
因为虚拟环境可以使一个Python程序拥有独立的 库library 和 解释器interpreter ，而不用与其他Python程序共享统一个library和interpreter。
打个比方 ：如果程序A、程序B是用同一个python环境，程序A需要某个库的1.0版本，而程序B需要同样这个库的2.0版本，那么程序A能执行，则程序B就不能执行。
先进入命令行窗口 win+R ，输入 cmd
罗列当前已有的虚拟环境 conda env list
我这台电脑有3个环境，分别是 base 、 professior 、 pycharm book
其中 base 可以看到有个*，代表的是它为最根本的环境。
查看 conda create 命令
从上图可以看到
创建名为 frog_test 的虚拟环境，指定python版本 3.7 。
conda create -n frog_test python=3.7
关注最末尾这几句话：
查看是否创建成功
看到 (frog_test) 则代表进入成功
指定环境，查看已安装的包 conda list -n frog_test
指定环境，安装指定版本的包 conda install -n frog_test pandas==1.0.4
安装慢的话可以用镜像源，进入虚拟环境后用
pip install 模块名 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
再次查看，可以发现已经安装成功。
其余如：更新模块包、删除模块包，全部都可以进入虚拟环境后 pip 进行
更新pandas模块包
更新pandas模块包 pip install --upgrade pandas -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
之前安装的1.0.4版本pandas变成1.0.5了。
删除pandas模块包
删除成功
=====================================================
4. 如何用anaconda python
序
Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，有不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便pythoners直接使用，此外，还有virtualenv、pyenv等工具管理虚拟环境。
个人尝试了很多类似的发行版，最终选择了Anaconda，因为其强大而方便的包管理与环境管理的功能。该文主要介绍下Anaconda，对Anaconda的理解，并简要总结下相关的操作。
Anaconda概述
Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
Anaconda的安装
Anaconda的下载页参见官网下载，Linux、Mac、Windows均支持。
安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）
下载后直接按照说明安装即可。这里想提醒一点：尽量按照Anaconda默认的行为安装——不使用root权限，仅为个人安装，安装目录设置在个人主目录下（Windows就无所谓了）。这样的好处是，同一台机器上的不同用户完全可以安装、配置自己的Anaconda，不会互相影响。
对于Mac、Linux系统，Anaconda安装好后，实际上就是在主目录下多了个文件夹（~/anaconda）而已，Windows会写入注册表。安装时，安装程序会把bin目录加入PATH（Linux/Mac写入~/.bashrc，Windows添加到系统变量PATH），这些操作也完全可以自己完成。以Linux/Mac为例，安装完成后设置PATH的操作是
1
2
3
4
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
配置好PATH后，可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本，运行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发行版默认的环境是Python 2.7。
Conda的环境管理
Conda的环境管理功能允许我们同时安装若干不同版本的Python，并能自由切换。对于上述安装过程，假设我们采用的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是root，注意这个root不是超级管理员的意思）。
假设我们需要安装Python 3.4，此时，我们需要做的操作如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）
conda create --name python34 python=3.4
# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH
# 此时，再次输入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境，运行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 删除一个已有的环境
conda remove --name python34 --all
用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。
说明：有些用户可能经常使用python 3.4环境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda对应的那个bin目录。这个办法，怎么说呢，也是可以的，但总觉得不是那么elegant……
如果直接按上面说的这么改PATH，你会发现conda命令又找不到了（当然找不到啦，因为conda在~/anaconda/bin里呢），这时候怎么办呢？方法有二：1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda工具（推荐）。
Conda的包管理
Conda的包管理就比较好理解了，这部分功能与pip类似。
例如，如果需要安装scipy：
1
2
3
4
5
6
7
# 安装scipy
conda install scipy
# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）
# 查看已经安装的packages
conda list
# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包
conda的一些常用操作如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python34
# 查找package信息
conda search numpy
# 安装package
conda install -n python34 numpy
# 如果不用-n指定环境名称，则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装
# 更新package
conda update -n python34 numpy
# 删除package
conda remove -n python34 numpy
前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如
1
2
3
4
5
6
7
8
9
# 更新conda，保持conda最新
conda update conda
# 更新anaconda
conda update anaconda
# 更新python
conda update python
# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
补充：如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：
1
2
3
4
5
6
# 在当前环境下安装anaconda包集合
conda install anaconda
# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装，根据需求安装自己需要的package即可
设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
1
2
3
4
5
6
# 添加Anaconda的TUNA镜像
conda config --add channels u.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。
跋
Anaconda具有跨平台、包管理、环境管理的特点，因此很适合快速在新的机器上部署Python环境。总结而言，整套安装、配置流程如下：
下载Anaconda、安装
配置PATH（bashrc或环境变量），更改TUNA镜像源
创建所需的不用版本的python环境
Just Try!