Miniconda文档及下载：https://conda.io/en/latest/miniconda.html

• Windows 10操作系统，主用Python3.8版本
• 需要安装Python基础的解释器，以供Pycharm、Vscode和jupyterlab 使用
• 需要对虚拟环境的支持（或多或少存在），比如一个用于搭建爬虫环境、一个用于搭建机器学习环境（统一用一个会造成第三方包过于臃肿，Pycharm加载过慢的问题）
• 部分包用pip安装困难，但是用conda则会简单的多（此次遇到的是prophet包，用pip安装解决gcc依赖简直是噩梦）
  

与此同时，个人对Anaconda没有太多好感：一方面源于其提供了很多IDE的入口，但却又并不实用；另一方面是anaconda管理的虚拟环境都会内置很多数据科学工具包，相当于你买了一台手机安装了很多出厂应用——当然，如果看着不顺眼，是可以选择手动给它uninstall的。

于是，一边厌恶于Anaconda的臃肿和繁杂，另一边又似乎存在对conda管理虚拟环境的刚需——二者结合，似乎Miniconda便顺其自然成了最优解！尝试一番，体验果真不错！

更重要的是，安装了Miniconda就相当于可以在命令行中使用conda工具，conda工具可以直接管理Python第三方库的安装，也可以管理虚拟环境。二者的功能并不相同，个人认为核心区别可概括为三个方面：

• 支持功能：pip仅可用于安装python包，而conda不仅可以安装python包，还可以用于管理虚拟环境，同时创建新的虚拟环境时还可支持不同的Python版本，例如你安装了内置Python3.8的miniconda，但可以创建一个Python3.7的虚拟环境——如果

• 安装包类型：pip仅能安装Python第三方库，而conda除了Python语言的包之外，还支持C++、R等其他类型库的安装（这也是为什么conda可以直接解决windows下的gcc依赖问题）

• 安装包来源：pip安装的第三方库来源于pypi.org，而conda安装的第三方库来源于conda repo（准确的说，pip的第三方库数量会更多一些），前者是.whl或python源码文件（利用setuptools安装），而后者则是二进制文件

所以，不严谨的讲，在Miniconda面前，安装官方Python软件没有任何优势！

当然，Pycharm也是支持管理虚拟环境的，但相较于conda建立系统级的虚拟环境而言，Pycharm似乎更倾向于搭建一个Project级别的虚拟环境。

安装好了Miniconda，也需要类似Pip一样配置镜像源，一般是直接在用户根目录下建立一个.condarc文件，并写入国内的conda镜像地址即可，例如：

ssl_verify: true

channels:

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

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

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

  - defaults

show_channel_urls: true

之后，即可畅快地使用conda带来的便利了。如果某些过于前沿的第三方库用conda找不到时（conda支持的python第三方库数量少于pip），当然也是可以使用pip install的。

conda分为三类：

conda：是一种通用包管理系统，旨在构建和管理任何语言和任何类型的软件。举个例子：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，就是把很多常用的不常用的库都给你装好了。

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。就只包含最基本的东西，其他的库得自己装

上面介绍的来源

1.为什么使用Miniconda:

（1）安装python便捷。无论是在win还是linux环境下，miniconda都是傻瓜式的安装方式，一路next即可，而不需要编译源码。

（2）方便的python库管理。conda在安装python包时会自动处理依赖包，只需要点确定就可以了。尤其是在安装opencv，TensorFlow等依赖较为复杂的包的时候，使用pip会需要手动处理很多依赖项，编译很多软件包，而conda不需要。conda甚至可以修改当前python的版本。

（3）方便的python虚拟环境管理。conda命令可以方便的创建和删除python的虚拟环境。否则需要自己安装virtualenv等python包。

（4）Anaconda作为一个python发行版携带了很多科学计算的python包，但它太大了，有些包也不需要。而miniconda就小得多，只携带了conda所必须的依赖包。

2Miniconda安装

2.1下载Miniconda

进入清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/。

进入路径：anaconda/miniconda

根据系统下载合适的版本。

2.2安装Miniconda

2.2.1Windows

（1）Windows下是一个exe文件，选好安装路径，一路next即可。

（2）进入环境变量设置界面。

（3）选择系统变量下的Path变量。

（4）把安装目录及目录下的Scripts添加到Path变量中。

（5）进入cmd，输入conda –V及python –V。

2.2.2Linux

（1）Linux下是一个bash脚本，会在当前路径下生成一个miniconda3文件夹。所以选择好要安装的路径后，输入bash 安装包名 ，然后全部默认选项即可。

注意：

a)只有查看协议的时候需要按空格翻页，接受协议的时候输入yes，其余均是回车，不需要输入任何东西，否则会有多余的设置。

b)Miniconda安装后可能会覆盖系统自带的python命令，使python命令指向Miniconda携带的python。但只是修改了软连接，并不会覆盖原python的文件。Miniconda的所有文件均在安装目录下的miniconda3文件夹内。

c) 如果不想原版本被修改，进入/usr/bin路径下，记录下python命令指向的路径，安装完成后修改回去即可。

（2）输入 source ~/.bashrc刷新bash。

（3）输入conda –V及python –V检查安装是否成功。

2.3Conda命令使用

（1）查看已安装的软件包：conda list

（2）安装软件包：conda install python=3.6.8

（3）卸载软件包：conda uninstall python

（4）创建虚拟环境：conda create –n env_name python=3.6.8

env_name为你虚拟环境的名字，python=3.6.8是指定虚拟环境中python的版本，如果不指定，则默认是安装Miniconda时的版本。

（5）进入虚拟环境：

Linux：source activate env_name

Win：activate env_name

在进入虚拟环境后会在命令提示的最前面添加(env_name)的标识。

（6）退出虚拟环境：

conda deactivate

退出虚拟环境后，命令提示前的环境名会消失。

2.4修改conda源

Anaconda的服务器在国外，所以在国内使用conda命令安装包时的下载速度很慢，一般会修改为国内的源。如果你使用的服务器在国外，就不需要修改了。

依次输入命令即可:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

添加其他软件源请查看：链接

————————————————

版权声明：本文为CSDN博主「GC-757」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/qq_43193386/article/details/106238019

继续阅读：python   软件学习

此文由 我的网站 编辑，未经允许不得转载！：首页 > 会·生活 » Miniconda——搭建Python开发环境的最优解