跳到主要内容

创建和管理 Conda 环境

什么是 Conda 环境​

Conda 环境可以理解为一个独立实验台。不同实验台上可以放不同试剂，互相不会污染。

在编程中，不同项目可能需要不同版本的 Python 和不同的包：

  • 一个图像处理项目需要 OpenCV 和 scikit-image
  • 一个深度学习项目需要 PyTorch 1.13
  • 一个论文作图项目只需要 matplotlib 和 pandas
  • 一个旧项目可能需要 Python 3.8，而新项目需要 Python 3.11

如果全部装在同一个环境里，版本冲突几乎是必然的。Conda 环境就是用来解决这个问题的。

为什么不要把所有东西都装进 base 环境​

base 是 Conda 默认的根环境。它相当于实验室的总控室，不是用来做具体实验的。

危险

不要把所有包都装进 base 环境。 一旦 base 环境装乱了，排查起来非常困难，而且可能影响 conda 工具本身。保持 base 干净，每个项目用独立的命名环境。

推荐环境命名​

环境名建议只使用英文小写字母、数字、下划线或短横线，不要使用中文和空格。

推荐示例：

organchip        # 本教程使用的环境名
if-image         # 免疫荧光图像处理
comsol-data      # COMSOL 仿真数据处理
pytorch-gpu      # PyTorch GPU 环境
paper-figures    # 论文作图

本教程统一创建一个名为 organchip 的环境，你后面所有的教程都可以继续在这个环境里进行。

创建 organchip 环境​

打开 Anaconda Prompt（或 macOS / Linux 的 Terminal），输入：

conda create -n organchip python=3.11

逐词解释：

  • conda create：创建一个新环境
  • -n organchip：环境名字叫 organchip（-n 是 --name 的缩写）
  • python=3.11：在这个环境里安装 Python 3.11

过程中会显示将要安装的包列表，然后提示：

Proceed ([y]/n)?

输入 y 然后回车，等待安装完成。你会看到类似这样的输出：

Preparing transaction: done
Verifying transaction: done
Executing transaction: done

激活环境​

创建完成后，激活这个环境：

conda activate organchip

激活后，命令行前面的提示会改变。你会看到类似：

(organchip) C:\Users\你的用户名>

括号里的 (organchip) 表示你当前正在使用 organchip 环境。

查看当前 Python 版本和路径​

确认当前 Python 确实是 organchip 环境里的：

python --version

还会输出类似 Python 3.11.x。

更重要的是查看 Python 的完整路径：

python -c "import sys; print(sys.executable)"

这会输出当前 Python 的完整路径，应该是类似：

C:\Users\你的用户名\miniconda3\envs\organchip\python.exe
提示

记住这个命令。 以后任何"包装了但找不到""代码环境不对"的问题，都先用这个命令确认当前用的是哪个 Python。

安装科研基础包​

激活 organchip 环境后，安装常用科研包：

conda install numpy pandas matplotlib scipy scikit-learn openpyxl

包的作用：

包名作用
numpy数组和数值计算。所有科学计算的基础
pandas表格数据处理。读取 Excel/CSV，统计分组
matplotlib科研绘图。折线图、散点图、柱状图、热图
scipy科学计算和统计。t-test、信号处理、插值
scikit-learn机器学习基础工具。分类、回归、聚类
openpyxl读取和写入 Excel 文件

提示 Proceed 时输入 y 回车。

安装 OpenCV（图像处理）​

OpenCV 常用于读取和处理显微图像。用 pip 安装：

pip install opencv-python

conda install 和 pip install 有什么区别​

命令更适合安装什么特点
conda install科学计算包、底层依赖复杂的包更擅长处理二进制依赖，安装更可靠
pip installPython 生态中的普通包、conda 没有的包包更多，但有时需要自己处理依赖冲突

建议原则：

  • 能用 conda 安装的科学计算包，优先用 conda
  • conda 找不到或版本不合适时，再用 pip
  • 先 conda 后 pip，不要混着装个不停
  • 如果 conda 和 pip 都装过同一个包，可能出现版本混乱

查看已安装的包​

conda list

这会列出当前环境中所有包的名称、版本和来源（conda 还是 pip）。

查看所有环境​

conda env list

输出类似：

# conda environments:
#
base                  *  C:\Users\用户名\miniconda3
organchip                C:\Users\用户名\miniconda3\envs\organchip

星号 * 标记的是当前激活的环境。

退出当前环境​

conda deactivate

退出后，提示符前的 (organchip) 会消失，回到 base 环境。

删除环境（谨慎操作）​

如果某个环境不再需要：

conda remove -n organchip --all
危险

删除环境会同时删除该环境中安装的所有包。删除前请确认你没有重要的代码或数据依赖这个环境。

导出环境配置（方便分享和复现）​

把当前环境的包列表导出为文件：

conda env export > environment.yml

这会生成一个 environment.yml 文件。同事拿到这个文件后，可以完全复现你的环境。

从 environment.yml 复现环境​

如果你拿到了别人的 environment.yml：

conda env create -f environment.yml

然后激活：

conda activate organchip

推荐的 environment.yml 示例​

name: organchip
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.11
  - numpy
  - pandas
  - matplotlib
  - scipy
  - scikit-learn
  - openpyxl
  - pip
  - pip:
      - opencv-python

把这个内容保存为 environment.yml，以后可以在任何电脑上用一条命令重建环境。

测试环境是否可用​

最后，运行这行代码来验证所有基础包都能正常导入：

python -c "import numpy, pandas, matplotlib, scipy, sklearn, cv2; print('Environment is ready!')"

如果看到输出：

Environment is ready!

说明 organchip 环境配置成功，所有基础包都可以正常使用。

如果报错 ModuleNotFoundError，说明某个包没有成功安装。用 conda list 检查缺少哪个包，重新安装即可。