如何配置Python环境

选择做点事，就得花时间，好让过程有意思

有时候我觉得啊，用计算机系统就好比炒股、打牌，只要不下桌，该遇到的总会遇

一. 环境配置方案

选择Python，必然会涉及环境配置，有很多种方案可选：

1. 基础方案：内置的venv+pip，是官方轻量的环境隔离和包安装工具，但性能和可靠性略逊；

2. 高性能方案：uv，专业高效的新型工具链，整合包管理、项目配置和环境管理功能；是大型纯python项目的趁手工具

3. 科研方案：conda/mamba/pixi，管理跨语言的数据科学和AI应用环境的基准；性格和python一样，有粘性、有广度

我选装了3里面的conda方案，管理各功能软件包之间的依赖，建项目环境边界和基础

二. Anaconda、Miniconda和Miniforge的选择

三个都是基于conda构建的环境和包管理工具，前两种出自ANACONDA公司是附带条件的商业发行版，后一种是社区维护的开源版

1. Anaconda Distribution是一款全面的安装程序，针对数据科学和人工智能工作流程进行了优化，自动包含数百个软件包，还有conda、交互式开发环境Spyder和Jupyter、图形化包管理界面Navigator，体积庞大

3. Miniforge和Miniconda底层基本一样，默认频道是conda-forge，无商业限制且更快捷，兼容性和性能都很超前

即便是初学者，Miniforge&Miniconda也是更好的选择，一味追求开箱即用的Anaconda在工具现代化的今天，稍微遇到点问题便会束手无策。我也遇到过困难，也有反复折腾的经历，经过认真筛选，为了工作便利，从Anaconda过渡到Miniconda

三、在Anaconda上花的精力和时间

1. 第一次接触是5年前，因为数据分析需要装了Anaconda，按网上的教程照猫画虎点next安装、配置国内镜像、修改环境变量，安装成功

使用习惯，开始的时候主要精力都在Python目标实现疏于环境管理，没有建虚拟环境，需要安装任何库都直接安装，基本不区分pip和conda。IDE也是Jupter和spyder都用，还都默认配置，不出所料后来遇到了问题

2. 实践出真知，26年初有个小项目需要用到pytorch框架，然后我就像平时一样，直接运行pip install torch torchvision torchaudio，安装完以后，运行程序就报错

开始排查，pytorch是不是拉错了版本，卸载相关依赖十几个包，为了排除cuda的影响指定cpu版本和源重新安装；就这么来回折腾了好几遍，层层降级，试了好几个版本程序依然报错

清空缓存，重新修复C++组件也没有解决；怀疑环境问题，第一次新建了虚拟环境，重新安装相关包，仍然报错

重新认真读官方文档，查看pytroch和python相互支持的版本，一个2.9一个3.12，版本都挺成熟稳定也互相都支持，到底问题出哪儿了呢？

再重新建了个虚拟环境，降级python版本试一下，于是指定3.11版，安装pytorch版本2.9，终于程序能跑了

官方声明的版本支持在实践中有出入啊！这个过程前后耗时一个多星期，虽然最后程序跑通了，但是我也知道现在必须得重新折腾了

3. 关于环境和软件包

环境包括基础（base）环境和虚拟环境，其中base环境是新装conda以后的默认环境，主要运行conda相关的包；conda官方建议用户创建新的虚拟环境作为工作环境

软件包有很多种，但在conda生态系统中，最常用的类型是conda包和Python包；Conda 最初由 Anaconda 开发，主要是为了解决pip无法编译C扩展的问题，现在由开源社区维护

疏忽的代价就是两种包，分别落在不同的环境，烦恼是必然的

4. 尝试解决问题，从环境潜移开始

我用Win11，base环境和虚拟环境和新装包都是默认落在C盘的某个地方，环境迁移的目标是搞清楚他们都在哪里，然后把各种环境pip已经安装的包，连同C盘conda建的虚拟环境，及在此虚拟环境里用conda和pip安装的包，安全可靠的全部迁移到D盘的指定文件夹

1）查询当前安装目录

①conda config --show envs_dirs  # 显示各处当前存在的环境

%USERPROFILE%\.conda\envs

~\envs

%LOCALAPPDATA%\conda\conda\envs

②conda config --show pkgs_dirs  # 显示各处的下载缓存位置

~\pkgs

%USERPROFILE%\.conda\pkgs

%LOCALAPPDATA%\conda\conda\pkgs

③pip config list # 默认地址不显示或显示用户目录下的base环境地址

%LOCALAPPDATA%\pip\cache

%APPDATA%\Python\Python版本\site-packages

④conda info  # 用来查看更详细的conda相关的配置信息

很多信息，包括环境、版本、引擎、地址、频道、程序、路径等

⑤python -m site  # 用来查看更详细的pip安装程序的安装路径

sys.path = [Python默认的一连串目录]

USER_BASE，USER_SITE便是pip安装目录

2）新建D盘的安装目录

"D:\Data\pypi\pkgs","D:\Data\pypi\cache","D:\Data\conda\pkgs","D:\Data\conda\envs" | %{New-Item -ItemType Directory -Force $_}

3）备份当前目录下的包

①备份pip全局安装的包

pip freeze > D:\Data\pypi\global_base_pip.txt

②备份用户目录下用pip安装的包列表

pip list --user --format=freeze > D:\Data\pypi\user_base_pip.txt

③备份所有 conda 环境列表

conda env list > D:\Data\conda\conda_envs_list.txt

④对每个虚拟环境单独备份，例如

conda activate pytorch_env

conda env export > D:\Data\conda\pytorch_env.yml

conda deactivate

4）设置新的路径指向

①修改conda虚拟环境配置文件

conda config --add envs_dirs D:\Data\conda\envs

②设置conda缓存路径

conda config --add pkgs_dirs D:\Data\conda\pkgs

③设置pip缓存路径

pip config set global.cache-dir D:\Data\pypi\cache

④修改pip安装目录

pip config set global.target D:\Data\pypi\pkgs

⑤用前面1）里面的命令分别查询验证

envs_dirs：新的环境排名在最上面就ok

pkgs_dirs：仅剩余最新指定的目录就ok

global.cache-dir：显示最新指定目录就ok

global.target：显示最新指定目录就ok

针对conda的修改在用户目录：.condarc中

针对pip的修改在用户目录：%APPDATA%\pip\pip.ini中

5）迁移现有虚拟环境

以迁移pytorch_env环境为例：conda create --clone pytorch_env --prefix D:\Data\conda\envs\pytorch_env

运行完以后会定向Source、Destination、Packages、Files，并进行校验和安装，运行完毕conda env list检验复制的环境是否成功，此时C盘原有环境仍在

待检验新的虚拟环境检验可以运行后，开始删除C盘conda记录

conda clean -a -y  # 清理conda缓存

rmdir /s /q %USERPROFILE%\.conda\envs  # 删除环境目录

rmdir /s /q %USERPROFILE%\.conda\pkgs  # 删除缓存目录

conda install命令使用较少，base环境新装的包基本都在用户目录下，所以删除了这两个conda环境和缓存

6）迁移base环境pip安装的包

用备份清单迁移全局包

pip install -r D:\Data\pypi\global_base_pip.txt --target D:\Data\pypi\pkgs

执行以后报错，判断这个文件无法迁移，于是开始迁移用户安装的包

pip install -r D:\Data\pypi\user_base_pip.txt --target D:\Data\pypi\pkgs

运行后从官网下载的部分+cpu的包无法识别，手动修改再次迁移成功，但是仍然有问题。pip迁移备份库到新目录的过程中，新安装的库比备份里的内容多很多，而且还显示numpy等库有冲突，可numpy是anaconda的原生库，不是用户通过pip安装到用户目录下的，说明依赖已经乱了。

也就是传说中的依赖冲突，pip's dependency resolver does not currently take into account all the packages that are installed.可见pip不会自动回退兼容版本，只会无脑装最新版，导致冲突

7）放弃迁移pip环境，返回原路径

因为pip迁移过程出现了问题，关于pip清理的的事项没有办法执行，只能将之前的修改复原，折腾半天好像回到了原点

pip config unset global.target  # 清除自定义安装目录

四、卸载Anaconda

下定决心卸载有个过程，我深知任何事情都不是表面看到的那样，每件事就像一扇门，进了门可不一定什么样子，也许就是个迷宫，可能会带来更多的麻烦。再说，毕竟Anaconda已经陪我这么久，也用习惯了，谁又愿意反复折腾呢。但是，我安装的时候它是免费发行版，但是现在它有变化，加上我的需求也有变化，经过反复比对，准备换工具

1. 既然定了，就开工吧，第一步控制面板卸载

运行中出现问题了Failed to run pre_uninstall，rmpath，rmreg

程序最后还是运行完了，也可以点finish，但很明显卸载失败了

2.找到安装目录，用管理员身份运行，又走一遍还是一样；再用终端走一遍效果和之前一样

3.趁着conda还能用，conda install conda-chean，可以下载并且能安装，但是无法运行

4. 下载并安装专业卸载工具geek，进入界面找到Anaconda，右键强制删除，扫描到有残留就卡死，反复几次也没效果

5. 开始手工清理

Pip uninstall用户目录下的所有包；pip cache purge清理pip缓存；删除虚拟环境、缓存等conda配置；清理安装时候写入path的环境变量

6. 将安装目录剪切到C盘user文件夹下再运行卸载程序，程序没报错走完后，安装目录就没了，接下来还有很多需要手动删除的配置：

① %USERPROFILE%目录下的

.anaconda，.conda，.condarc，Untitled， .spyder-py3，.continuum，.ipython，.jupyter，.matplotlib，.cache/torch，.ipynb_checkpoints，.streamlit，Jedi

② %APPDATA%目录下

.anaconda，jupyter，Python，pip

③ %LOCALAPPDATA%目录下

conda，pip，spyder

④%PUBLIC%\Documents目录下

Python Scripts

⑤清理注册表

\HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\Uninstall\Anaconda3

\HKEY_LOCAL_MACHINE\SOFTWARE\Python

HKEY_CURRENT_USER\Software\中，关于python、anaconda、continuum等项目。

搜索注册表anaconda项目并分别删除

7. 经过上述6步，三十多小步的操作，还需要重启电脑，这样就算完工了

五、安装Mini forge

2020年Anaconda 修改授权条款后，高校和企业逐步从defaults迁移到conda-forge，Miniforge正是它的官方轻量载体

安装包已经根据前文第二条显示的网址下载，直接启动

选择当前用户，安装在指定路径如D:\conda

根据官方推荐，默认选择只有第一项，点击安装后等了很久

安装成功了

点击finish，没有弹窗很安静

六、安装完成后的初始设置

1. 关于初始化和环境变量

安装程序默认状态下，conda的命令仅在“Miniforge Prompt”中可用，要在终端中使用这些命令，之前很多人通过环境变量实现

但从Conda 4.6+起，根据 Conda 官方最新架构规范及国内网络环境，不再推荐手动添加path，建议放弃环境变量方案，通过conda init自动注入钩子实现控制命令

需要在 Miniforge Prompt 中输入：conda init powershell，执行完毕以后在终端输入conda --version即可显示版本识别环境。(取消时conda init --reverse powershell)，2018年9月份的官方文档：

推荐统一使用 .condarc 配置文件管理，2024年10月份的官方文档：

3. miniforge的.condarc相关配置 

①默认~/.condarc内容

channels: # 频道顺序决定搜索优先级

    - conda-forge

mirrored_channels:

  conda-forge:

    - https://conda.anaconda.org/conda-forge

    - https://prefix.dev/conda-forge

刚安装好的里面就这些内容，非常简单；还有很多内容都可以在这个里面编辑，用户目录下的文件有最高优先级

②默认配置项目

.condarc 是 Conda 的 YAML 格式配置文件，通常位于安装目录或者用户目录下，Conda 安装后已内置一套合理的默认值，绝大多数情况下不需要更改，常用的设置包括：

channel_priority  # flexible(默认)跨通道，strict严格顺序

auto_activate_base  # true(默认)自动激活base环境，反之false

show_channel_urls  # false(默认)安装包时不显示 URL，反之true

envs_dirs:

  - ~/conda_envs         # 集中管理环境，便于备份/清理

pkgs_dirs:

  - ~/conda_pkgs         # 包缓存目录，建议与envs同磁盘

yaml格式缩进用空格(禁用Tab)，冒号后加空格，稳妥起见推荐用conda config --add或conda config --set进行更改

生效验证：conda config --show-sources查看加载顺序

③更改.condarc相关配置

直接将默认频道改成清华源

channels:

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

然后在power shell运行

conda config --set auto_activate false

conda config --show auto_activate

结果为auto_activate: False则终端不再自动激活base环境

我仅仅改了上面两个项目，只配置了一个源且环境也在自定义的安装目录，所以其余项目不再改动，接受默认配置

4、虚拟环境设置

①创建虚拟环境

conda create -n nenv python=3.11 

创建名为nenv的虚拟环境，指定python版本后，开始运行noarch和win-64两个状态，安装19个包；结束后conda env list可以看到新的环境；安装完成后，安装目录从650M增加到1.2G，运行conda clean后回到850M

②安装科学计算包

numpy： 所有科学库的C/NumPy API基础；pandas：结构化数据，包括 DataFrame/时间序列/IO；scipy：高级数学，包括优化/积分/信号处理/统计；matplotlib：底层绘图引擎，依赖numpy；seaborn：统计可视化，依赖matplotlib+pandas

conda activate nenv# 先激活虚拟环境

conda install numpy pandas scipy matplotlib seaborn -y

显示从清华源下载了320M的包，实际安装结束后，安装目录从850M增加到4.7G，运行conda clean后回到3.6G；经过我的测试，如果仅仅安装numpy和pandas，那么空间大概在1.9G

若要卸载可以运行conda env remove -n nenv，可清理环境和里面的所有包

至此，Python的环境配置工具安装工作全部完成！

注1：本文未明确提及的命令，都在power shell中运行

注2：读者有任何问题欢迎评论区交流