一、基础包管理操作

1. ‌安装包‌
   使用 conda install <包名> 安装指定包，支持多包批量安装和版本指定：

   conda install numpy # 安装单个包 
   conda install numpy scipy pandas # 批量安装多个包 
   conda install numpy=1.21 # 指定版本 
   conda install -n base -c conda-forge mamba  # 通过conda-forge渠道安装mamba到base环境
   conda update -n base -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda

   Conda 会自动处理依赖关系，确保兼容性。

2. ‌卸载包‌
   通过 conda remove <包名> 卸载包，支持批量操作：

   conda remove numpy 
   conda remove scipy pandas 

   可添加 --force 强制卸载依赖项。

3. ‌更新包‌
   使用 conda update <包名> 更新包或全局更新：

   conda update numpy # 更新单个包 
   conda update --all # 更新所有包（当前环境） 
   conda update conda # 更新 Conda 自身（需在 base 环境操作）

4. ‌搜索包‌
   通过 conda search <关键词> 查询可用包及其版本：

   conda search tensorflow 

   可结合通配符模糊匹配。

5. ‌列出已安装包‌
   查看当前环境中的包列表：

   conda list 

   支持按名称过滤：conda list numpy。

二、环境管理与包隔离

1. ‌创建环境‌
   为不同项目创建独立环境，避免依赖冲突：

   conda create --name myenv python=3.8 # 指定 Python 版本 
   conda create --clone base --name myenv # 克隆现有环境 

   环境默认存储在 envs 目录下。

2. ‌激活/退出环境‌

   conda activate myenv # 激活环境 
   conda deactivate # 退出当前环境 

   激活后，所有包操作仅作用于当前环境。

3. ‌导出与共享环境配置‌
   导出环境依赖至 YAML 文件：

   conda env export > environment.yml 

   他人可通过 conda env create -f environment.yml 复现环境。

三、高级管理技巧

1. ‌使用特定频道（Channel）‌
   默认从 defaults 频道安装包，可切换至社区频道（如 conda-forge）：

   conda install -c conda-forge opencv 

   支持通过 .condarc 配置文件永久添加频道。

2. ‌处理依赖冲突‌
   若安装包时出现冲突，可尝试：

   • 更新所有包：conda update --all
   • 指定更低版本包或使用虚拟环境隔离。

3. ‌清理缓存与空间‌
   定期清理下载的包缓存：

   conda clean --all 

   可释放磁盘空间并避免旧包干扰。

四、常见问题解决

• ‌安装速度慢‌：更换国内镜像源（如清华、中科大源）提升下载速度。
• ‌包版本不兼容‌：创建新环境并指定基础版本（如 python=3.7）。
• ‌混合使用 Conda 和 Pip‌：建议在 Conda 环境中优先使用 conda install，必要时再用 pip install，避免破坏依赖链。