conda,pip安装或卸载多个库和包

爱阅读很棒的看小说网站: http://www.aiyuedu.xin/

Conda安装多个库：

使用conda安装多个库非常简单，你只需要在命令行中依次指定每个库的名称，用空格分隔即可。

以下是一个安装多个库的示例：

conda install numpy pandas matplotlib scikit-learn；这个命令会依次安装numpy、pandas、matplotlib和scikit-learn这四个库。

conda install -c conda-forge matplotlib -c conda-forge scikit-learn此句命令可精简为conda install -c conda-forge matplotlib scikit-learn；这两种形式都会从conda-forge通道安装matplotlib和scikit-learn库。第一种形式明确指定了通道两次，而第二种形式则只指定了一次。在这个特定的情况下，两种形式都是等效的，并且都会正确地安装所需的库。需要注意的是，-c conda-forge选项用于指定从conda-forge通道安装库。如果已经配置了conda-forge通道作为默认通道，那么这个选项可以省略。

如果你想要安装特定版本的库，可以在库名后面加上等号=和版本号。

例如：conda install numpy=1.18.5 pandas=1.1.4 matplotlib=3.3.2 scikit-learn=0.23.2；这个命令会安装指定版本的numpy、pandas、matplotlib和scikit-learn。

一个等于号=表示这个大版本，一般会默认安装这个大版本中的最新版。如上面命令会默认安装numpy1.18的最新版；如果使用两个等于号==，则为特别指定，就安装这个等于号后面的版本。

如果你有一个environment.yml文件，其中列出了所有需要安装的库和版本，你可以使用以下命令来创建一个新环境并安装这些库：

conda env create -f environment.yml

environment.yml文件的内容可能如下所示（每个库名为单独的一行）：

dependencies:
- numpy=1.18.5
- pandas=1.1.4
- matplotlib=3.3.2
- scikit-learn=0.23.2

每行包含一个库的名称和版本号。使用conda env create -f environment.yml命令会创建一个新环境，并按照文件中列出的顺序安装每个库。如果你已经有一个活动环境，并且想要在该环境中安装这些库，你可以使用以下命令：conda install --file environment.yml

生成yml文件

要生成一个包含当前已经激活环境中的所有库的environment.yml文件，你可以使用conda命令的export功能。以下是如何操作的步骤：

  1. 首先，确保你想要导出的环境当前是激活的。你可以使用以下命令来查看所有环境并激活目标环境：

    conda env list
    conda activate your_environment_name

  2. 接下来，使用conda env export命令来导出当前激活的环境到environment.yml文件：

    conda env export > environment.yml

这个命令会将当前环境的所有依赖项（包括库和它们的版本）导出到名为environment.yml的文件中。这个文件可以被用来重现相同的环境，例如在不同的机器上或者作为项目文档的一部分。

如果你想要导出的环境是根环境（base environment），则不需要激活任何环境，直接运行conda env export命令即可。

请注意，environment.yml文件中不仅包含了库的依赖项，还包含了Python版本和其他可能的依赖项。

如果你只想要导出特定的库，而不包括Python版本或其他系统级别的依赖，你可以使用pip freeze命令来生成一个requirements.txt文件：

pip freeze > requirements.txt；然后你可以手动或使用适当的工具将requirements.txt文件转换为environment.yml文件的格式。

要生成当前已经激活的conda环境中的所有库的yml文件，可以使用以下步骤。这个过程将创建一个包含所有已安装包及其版本信息的yml文件，方便在其他地方重现同样的环境。

步骤

  1. 激活环境：首先，确保你已经激活了你想导出的conda环境。如果你还没有激活，可以使用以下命令激活环境（假设环境名称为myenv）：

    conda activate myenv

  2. 导出环境：使用conda env export命令导出当前环境中的所有库及其版本信息到一个yml文件中。以下命令将导出到一个名为environment.yml的文件中：

    conda env export > environment.yml

  3. 示例

    以下是一个生成的environment.yml文件的示例内容：

name: myenv
channels:
  - defaults
dependencies:
  - numpy=1.21.2
  - pandas=1.3.3
  - scipy=1.7.1
  - pip:
    - matplotlib==3.4.3
prefix: /path/to/your/conda/envs/myenv

解释

environment.yml文件是Conda环境的一个配置文件，它描述了环境的名称、包含的包以及每个包的版本。这个文件通常用于创建一个具有特定依赖项的新环境，以便在不同的机器上重现相同的开发环境。

  • name：环境的名称。这是可选的，如果不指定，Conda将使用默认名称env_name。
  • channels：conda使用的通道。Conda将从中下载包的通道列表。默认情况下，Conda使用conda-forge和bioconda等公共通道，但你也可以指定其他通道，如defaults或你自己创建的通道。
  • dependencies：环境的依赖项列表。这包括Python版本和所有需要的包及其版本。使用pip安装的包会列在pip部分下。

注意事项

  • 如果你不想包含包的版本信息，可以使用conda list --export命令，但生成的是文本文件而不是yml文件。
  • 如果环境中有私有包或自定义包，你可能需要手动调整environment.yml文件以确保在新的环境中能够正确安装这些包。

通过这些步骤，你可以轻松地导出当前环境的所有库，并在需要时重现该环境。

记住，environment.yml文件应该使用YAML格式编写，这意味着缩进和符号（如-和:）是非常重要的。确保你的文件格式正确，否则在创建环境时可能会遇到错误。

 

如果您已经创建了一个名为"tf"的环境，并且想要安装environment.yml文件中列出的软件包到这个环境中，可以使用以下步骤：

conda activate tf #激活"tf"环境：

conda env update -f environment.yml #使用conda

这会根据environment.yml文件中列出的软件包及其版本号，将缺失的软件包安装到已激活的"tf"环境中。

请注意，这个命令会更新环境中的软件包到与environment.yml文件中指定的版本一致。如果您之前已经安装了一些软件包，但它们的版本与environment.yml中指定的版本不同，那么这些软件包会被更新到environment.yml中指定的版本。使用这个命令可以快速、方便地根据environment.yml文件更新已有环境中的软件包。

此外：conda env create -f environment.yml；这句命令将从environment.yml文件中读取配置并创建环境。如果文件中没有指定环境名称，Conda将使用文件名作为环境名称。

  • conda: Conda是一个用于管理软件包和环境的开源包管理工具。

  • env create: 这是conda命令的子命令，用于创建一个新的环境。

  • -f environment.yml: 这是一个选项，-f 表示从文件中加载环境配置，后面的 environment.yml 是指定的配置文件的路径。

conda install --yes --file environment.yml；这行命令使用conda来安装一个包含在`environment.yml`文件中的软件包列表。下面是对每个部分的解释：

- `conda`: Conda是一个用于管理软件包和环境的开源包管理工具。

- `install`: 这是conda命令的子命令，用于安装软件包。

- `--yes`: 这是一个选项，表示在安装软件包时自动回答"yes"，无需手动确认。

- `--file environment.yml`: 这是另一个选项，指定从文件中加载软件包列表进行安装，后面的`environment.yml`是指定的配置文件的路径。

`environment.yml`是一个YAML格式的文件，其中包含了要安装的软件包及其版本号。

总结起来，这行命令的意思是使用conda命令根据`environment.yml`文件中列出的软件包列表进行自动安装。选项`--yes`确保在安装过程中无需手动确认。这是一种快速、方便的方式来安装`environment.yml`文件中指定的软件包。

conda install --yes --file requirements.txt；和上面的conda install --yes --file environment.yml命令类似。

它使用conda命令来安装位于requirements.txt文件中的软件包列表。选项--yes表示在安装过程中自动回答"yes"，无需手动确认。

通常情况下，requirements.txt文件是一个文本文件，其中列出了要安装的软件包及其版本号。它是一种常见的约定，用于记录项目所需的依赖项。

这个命令会根据requirements.txt文件中列出的软件包及其版本号，自动安装所需的软件包到当前环境中。确保在运行这个命令之前，您已经激活了目标环境。

区别：

在conda中，yml文件和txt文件在安装依赖包方面有一些区别。以下是它们的特点和需要注意的事项：

YAML文件 (environment.yml):

  • 特点：YAML文件是一种结构化的文本文件格式，可以包含环境的配置信息，例如包名称、版本和依赖关系。
  • 使用方式：可以使用conda env create -f environment.yml命令根据YAML文件创建一个新的环境，或者使用conda env update -f environment.yml命令更新已有环境中的软件包。
  • 注意事项：
    • YAML文件应包含正确格式的键值对，以指定软件包名称和版本号。
    • 确保文件路径和文件名正确，以便conda正确读取文件并安装依赖项。

文本文件 (requirements.txt):

  • 特点：文本文件通常是以文本形式列出软件包和版本号的列表，每行一个依赖项。
  • 使用方式：可以使用conda install --yes --file requirements.txt命令根据文本文件安装依赖项。
  • 注意事项：
    • 确保每行只包含一个软件包及其版本号，并使用适当的格式（例如package==version）。
    • 确保文件路径和文件名正确，以便conda正确读取文件并安装依赖项。

需要特别注意的是，无论是使用environment.yml还是requirements.txt文件，都需要确保文件中指定的软件包名称和版本号是正确的。此外，确保文件路径正确，并且在运行相关命令之前，已经激活了目标环境。

另外，使用environment.yml文件可以更全面地定义环境的配置，包括软件包、版本号和其他环境设置。而requirements.txt文件更常用于记录项目的依赖项，通常只包含软件包名称和版本号。选择使用哪种文件格式取决于您的需求和项目的规模。

卸载多个包：

conda一条命令卸载多个库示例：conda uninstall -y numpy pandas matplotlib

以及pip：pip uninstall numpy pandas matplotlib

请注意以下事项：

  • 使用空格分隔每个要卸载的包名。
  • -y选项用于在卸载过程中自动回答"Yes"，无需手动确认。
  • 根据需要，您可以根据实际情况添加其他选项。

 

PIP 生成requirements.txt:生成requirements.txt文件：pip freeze > requirements.txt

其他人安装requirements.txt依赖包：pip install -r requirements.txt 

 

打包conda环境的两种方法：conda env export和Conda-Pack-CSDN博客：https://blog.csdn.net/dream_of_grass/article/details/138957930

https://www.jianshu.com/p/dea48074b5b8

https://zhuanlan.zhihu.com/p/683279431

https://blog.csdn.net/yingmohuanzhou/article/details/136773670

PIP安装多个库：

1. pip安装多个库：

使用pip安装多个库非常简单，你只需要在命令行中依次指定每个库的名称，用空格分隔即可。以下是一个安装多个库的示例：

pip install numpy pandas matplotlib scikit-learn

这个命令会依次安装numpy、pandas、matplotlib和scikit-learn这四个库。如果你想要安装特定版本的库，可以在库名后面加上等号=和版本号。例如：

pip install numpy==1.18.5 pandas==1.1.4 matplotlib==3.3.2 scikit-learn==0.23.2

这个命令会安装指定版本的numpy、pandas、matplotlib和scikit-learn。

如果你有一个requirements.txt文件，其中列出了所有需要安装的库和版本，你可以使用以下命令来安装：

pip install -r requirements.txt

requirements.txt文件的内容可能如下所示（每个库名为单独的一行）：

numpy==1.18.5
pandas==1.1.4
matplotlib==3.3.2
scikit-learn==0.23.2

每行包含一个库的名称和版本号。使用pip install -r requirements.txt命令会按照文件中列出的顺序安装每个库。

pip install --upgrade SomeLibrary

或者使用简写参数：pip install -U SomeLibrary

将SomeLibrary替换为你想要更新的库的名称。例如，如果你想要更新numpy库，你可以使用：pip install --upgrade numpy

更新多个库到最新版本：如果你想更新多个库，可以在命令中列出所有库的名称，用空格分隔：pip install --upgrade numpy pandas matplotlib

更新所有已安装的库到最新版本：如果你想更新所有已安装的库，可以使用pip list命令结合pip install --upgrade命令。首先，使用 pip list --outdated 查看所有过时的库：pip list --outdated；然后，使用pip install --upgrade命令更新所有过时的库。你可以使用xargs来简化这个过程：

pip list --outdated --format=freeze | grep -v '^\-e' | cut -d = -f 1 | xargs -n1 pip install --upgrade

这个命令会过滤出所有过时的库（不包括editable installs），并将它们传递给 pip install --upgrade 命令进行更新。

请注意，更新库到最新版本可能会破坏你的项目环境，特别是如果新版本有不兼容的更改。因此，建议在更新之前备份你的环境，或者在虚拟环境中测试更新。

要查看已安装的库的版本，可以使用pip命令的show选项或者list选项。1. 使用pip show查看特定库的版本 pip show SomeLibrary；

2.  使用pip list查看所有已安装库的版本：pip list；这个命令会列出所有已安装的库及其版本号。如果你只想查看特定库的版本，可以使用grep命令进行过滤：

pip list | grep SomeLibrary；如果你使用的是虚拟环境，确保你已经激活了相应的环境，然后再运行上述命令。如果你想要查看系统级别的已安装库（而不是在虚拟环境中），确保你的pip命令是指向系统级别的pip，而不是虚拟环境中的pip。

 

 

 

查找需要安装的包

pip search <包名>

安装python包

pip install 
pip install <包名>==1.0.4 
pip install -r requirements.txt 

当直接安装所有包pip install -r xxxx.txt不能用时，可以使用某个指定的源安装：e.g. 豆瓣源安装：pip install -i https://pypi.douban.com/simple/ --trusted-host pypi.douban.com -r requirements.txt

或：pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

安装多个包，直接指定：conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge 或

2. 如何更新已安装的库到最新版本？

要更新已安装的库到最新版本，你可以使用pip命令的install选项，并加上--upgrade或-U参数。以下是一些更新库的示例：

  1. 更新特定库到最新版本：

 

pip install <包名> -i http://pypi.mirrors.ustc.edu.cn/simple/ 
pip install -e < local project path> (这个命令相当于pip install develop) 
阿里源：http://mirrors.aliyun.com/pypi/simple/ 
科大源：http://pypi.mirrors.ustc.edu.cn/simple/ 
清华源：http://mirrors.tuna.tsinghua.edu.cn/pypi/simple 
官方源：https://pypi.python.org/

在配置文件中指定安装源

直接在配置文件中添加源，如果没有配置文件可以手动添加一个 
/etc/pip.conf 
[global] 
timeout = 6000 
index-url = http://pypi.douban.com/simple

列出已经安装的包

pip list 
pip freeze

列出本地可以editable的项目

pip list -e

列出过期的包

pip list -o

升级包

pip install <包名> -U

安装的包所在目录

pip show -f <包名> 
pip show

卸载安装(python3最好使用pip3 如果遇到问题+sudo试试)

Uninstall packages. 
pip is able to uninstall most installed packages. Known exceptions are: 
Pure distutils packages installed with python setup.py install, which leave behind no metadata to >determine what files were installed. 
Script wrappers installed by python setup.py develop. 
pip also performs an automatic uninstall of an old version of a package before upgrading to a newer version.

pip uninstall <包名> 
pip uninstall -y -r requirement.txt

references: https://pip.pypa.io/en/latest/

posted on 2019-07-10 16:05  lmqljt  阅读(1980)  评论(0)    收藏  举报

导航