一、基础准备：验证安装与初始化
先确认 Miniconda3 安装成功，这是后续操作的前提：
# 查看 Conda 版本（验证安装） conda --version # 或 conda -V # 示例输出：conda 24.9.2# 初始化 Conda（首次安装后，让终端识别 conda 命令） conda init # Windows 会自动配置 cmd/PowerShell，Linux/macOS 需重启终端生效
- Windows 若激活环境报错「conda 不是内部命令」：重新打开 Anaconda Prompt/PowerShell，或执行
conda init后重启终端； - 环境默认存储路径：
- Windows：
C:\Users\<你的用户名>\miniconda3\envs\ - Linux/macOS：
~/miniconda3/envs/
- Windows：
二、核心场景 1：环境管理（最常用）
2.1 conda create -n <环境名> python=<版本>
创建独立环境（-n=--name，指定环境名和 Python 版本）
示例： conda create -n py310 python=3.10 或（加 -y 自动确认：conda create -n py310 python=3.10 -y）
2.2 conda activate <环境名>
激活环境（Windows/macOS/Linux 通用）
conda activate py310 （激活后终端前缀会显示：(py310) C:>）
2.3 conda deactivate
退出当前激活的环境 .
onda deactivate （终端前缀恢复默认，无环境名）
2.4 conda env list
查看所有已创建的环境（* 标记当前激活的环境）
conda env list （输出包含环境名、路径，方便定位）
2.5 conda env remove -n <环境名>
删除指定环境（谨慎操作，删除后无法恢复）
删除的环境不能是激活环境。
2.6 conda env export -n <环境名> > 保存的文件名.yml
导出环境配置到文件（分享 / 复现环境）
公司新来了一个兄弟，给他导出一份，让其搭建环境。
conda env export -n py310 > py310_env.yml
2.7 conda env create -f environment.yml
从配置文件创建环境（复现他人环境）
conda env create -f py310_env.yml
2.8 conda rename -n <旧名> <新名>
重命名环境（需先退出该环境）
conda rename -n py310 py310_ml
三、核心场景 2：包管理（安装 / 卸载 / 更新）
关键说明：
- 混用 pip：若 Conda 仓库没有目标包，可在激活的 Conda 环境中用
pip install <包名>，但尽量优先用 conda（避免依赖混乱）； - 版本回滚：若装包后出问题，可查看版本记录并回滚：
conda list --revisions # 查看版本修订记录（显示序号+变更内容） conda install --rev 1 # 回滚到序号1的版本（序号从0开始）
3.1 conda install <包名>
安装指定包（自动解析依赖）
conda install pandas 或（指定版本：conda install pandas=2.1.0）
3.2 conda install <包1> <包2>
一次安装多个包
conda install numpy=1.26 matplotlib=3.8 -y
3.3 conda install -c <镜像源> <包名>
从指定源安装（如 conda-forge 源，包更新更快）
conda install -c conda-forge opencv
3.4 conda uninstall <包名>
卸载包（自动清理依赖）
conda uninstall pandas -y
3.5 conda update <包名>
更新指定包到最新版 conda update pandas
3.6 conda update --all
更新当前环境所有包（谨慎：可能引发依赖冲突）
conda update --all -y
3.7 conda list
查看当前环境已安装的所有包
conda list 或（筛选包：conda list pandas
3.8 conda search <包名>
搜索 Conda 仓库中可用的包版本
conda search tensorflow
四、核心场景 3：配置与维护（优化使用体验）
主要解决「下载慢」「默认环境」等问题，新手优先配置国内镜像源。
4.1 配置国内镜像源（解决下载慢）
.condarc 文件（Windows 路径：C:\Users\<用户名>\.condarc；Linux/macOS：~/.condarc），替换为清华源：channels:- defaults show_channel_urls: true default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
配置后执行 conda clean -i 清理缓存，后续下载速度会大幅提升。
4.2 常用配置 / 维护命令
4.2.1 conda config --show
查看当前 Conda 所有配置
4.2.2 conda config --add channels conda-forge
添加第三方源（conda-forge 包更全）
4.2.3 conda config --set auto_activate_base false
关闭默认激活 base 环境（避免每次打开终端都激活 ）
4.2.4 conda clean -p/-t/-a
清理缓存（释放磁盘空间）
conda clean -a -y （-p：清理未使用包；-t：清理缓存；-a：全部清理）
4.2.5 conda info
查看 Conda 详细信息（环境路径、源、Python 版本等）
五、进阶命令
5.1 conda run -n <环境名> <命令>
不激活环境，直接执行命令
conda run -n py310 python test.py
5.2 conda create --clone <旧环境> -n <新环境>
克隆环境（快速复制已有环境）
conda create --clone py310 -n py310_copy -y
5.3 conda env export -n <环境名> --no-builds > env.yml
导出环境时忽略构建信息（跨平台兼容）
六、避坑提醒
- 命令大小写不敏感（如
Conda Activate py310也生效），但建议小写； - 安装包时若提示依赖冲突：优先指定包版本（如
conda install pandas=2.0），或换 conda-forge 源； - Windows 下环境名 / 路径不要含空格 / 中文，否则可能报错；
- 若忘记环境名：用
conda env list查看，不要随意删除 base 环境（Miniconda 核心环境）。
总结
- 环境管理核心：
create（创建）→activate（激活）→deactivate（退出）→remove（删除），配合env list查看； - 包管理核心：
install（安装）→uninstall（卸载）→update（更新）→list（查看），优先用 conda 安装，小众包用 pip； - 优化配置核心：配置国内镜像源 + 关闭默认激活 base 环境 + 定期
conda clean -a清理缓存。
