Conda与Mamba简明教程

系列标签： 技术文档 · Conda · Python环境 · myenv

在 Python 科研里，项目 A 要 NumPy 1.x，项目 B 要 NumPy 2.x——全塞进系统自带的 Python，很容易「装一个坏一个」。Conda 和 Mamba 就是帮你给每个项目单独隔一间 「Python 小房间」（虚拟环境），互不打架。

本文讲 Conda / Mamba 怎么装、怎么建环境、怎么装包。分子模拟的一键环境 myenv 见分子模拟工作平台搭建（该文统一用 conda）；本文侧重日常环境管理本身。

Mac 注意： 部分 Mac（尤其 Apple Silicon） 上 Mamba / micromamba 与 conda-forge 组合偶发求解失败、环境损坏或和系统库冲突。本站在 Mac 上推荐只用 conda，不必再装 Mamba。Linux / 集群上若你更熟 Mamba，仍可按下文把 conda 换成 mamba（语法大多相同）。

conda_mamba

一、核心概念：为什么要用虚拟环境？

概念	含义
虚拟环境 (Environment)	一个独立的「Python 小房间」，有自己的 Python 版本和包
base 环境	Conda 安装后自带的默认环境，不建议在 base 里装项目依赖
激活 (activate)	进入某个环境，此后 `python`、`pip` 命令都指向该环境
通道 (Channel)	软件包的下载源，如 `conda-forge`、官方 `defaults`
environment.yml	环境配置文件，可一键复现整套依赖

典型场景：

项目 A 用 Python 3.10 + NumPy 1.x
项目 B 用 Python 3.12 + NumPy 2.x
→ 各建一个环境，切换即可，不必来回卸载重装。

二、Conda 与 Mamba 是什么关系？

可以这么记：Conda 是管家，Mamba 是同一个管家的「快跑模式」——命令几乎一样，但创建环境、装包时 Mamba 往往更快。

工具	含义
Conda	包与环境管理器，功能全；解析依赖时偶尔较慢；Mac 上本站首选
Mamba	Conda 的加速版，命令与 Conda 兼容；Linux / 集群可用，Mac 不推荐
Miniconda	精简版安装器（不带一大堆预装包），日常推荐
Miniforge	类似 Miniconda，默认走 `conda-forge` 源，开源社区常用
pip	Python 官方装包工具；Conda 环境里也能用，但优先用 conda/mamba 装能装到的包

推荐组合（按平台）：

平台	推荐
Mac	Miniconda + 只用 `conda`（创建 / 装包 / 导出都用 conda；不要为了加速再装 Mamba）
Ubuntu / Linux / WSL / 集群	Miniconda（或 Miniforge）；可用 Mamba 加速，或全程 `conda`

后文示例命令以 mamba 写出（Linux 上更快）；在 Mac 上请一律改成 conda（例如 mamba install → conda install）。激活环境始终用 conda activate。

三、各平台安装

1. Mac

方式一：Miniconda（官方）

打开 Miniconda 安装页，下载 macOS 安装包（Apple Silicon 选 arm64，Intel 选 x86_64）
按向导安装，或终端执行（以 arm64 为例，版本号以官网为准）：

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

安装结束后重新打开终端，验证：

conda --version

方式二：Homebrew

brew install --cask miniconda
conda init zsh   # 若使用 Zsh（Mac 默认）

装好后用 conda --version 验证即可。Mac 上到此为止，无需再 conda install mamba。 平台一键环境见分子模拟工作平台搭建（conda env create -f myenv.yml）。

2. Ubuntu / Linux

# 下载（Linux x86_64 示例，其他架构见官网）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 按提示安装，完成后重新打开终端
conda --version

Miniforge 替代方案（默认 conda-forge）：

curl -L -O https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
bash Miniforge3-Linux-x86_64.sh

3. Windows

从 Miniconda 官网下载 .exe 安装包
安装时建议勾选 「Add Miniconda3 to my PATH environment variable」（或安装后用「Anaconda Prompt」）
打开 Anaconda Prompt、Git Bash 或 WSL，验证：

conda --version

Tips： 分子模拟用户若已配置 WSL，建议在 WSL 内安装 Miniconda，与 Linux 教程一致。参见 WSL2安装与配置与分子模拟工作平台搭建。

四、安装后初始化

1. 让终端识别 conda 命令

安装程序通常会问是否运行 conda init；若未执行，手动运行：

conda init zsh         # Mac / Ubuntu（Zsh）
conda init bash        # Ubuntu（Bash）
conda init powershell  # Windows PowerShell

然后关掉终端再打开（或执行 source ~/.zshrc）。若提示符前出现 (base)，说明 conda 已生效。

2. 安装 Mamba（可选；Linux 可加速，Mac 请跳过）

base 环境不要堆项目包。若你在 Linux / 集群上想加速求解，可在 base 里装一次 Mamba：

conda install mamba -n base -c conda-forge
mamba --version

Mac： 请跳过本步。本站实测 / 反馈中，Mamba 在部分 Apple Silicon Mac 上兼容性不如纯 conda 稳（求解失败、环境异常等）。直接用 conda create / conda install 即可；稍慢可接受。详见上文第二节与分子模拟工作平台搭建。

3. 可选：加快 conda-forge 访问

国内用户可配置镜像（以清华镜像为例，按需选用）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

五、环境管理：最常用的命令

日常就记这一套：建环境 → 激活 → 装包 → 用完退出。

1. 创建环境

# 指定 Python 版本创建名为 myproject 的环境
mamba create -n myproject python=3.12 -y

# 创建时直接安装常用包
mamba create -n dataanalysis python=3.11 numpy pandas matplotlib -y

-n 表示环境名称（name）；-y 表示自动确认，跳过交互提示。

2. 激活与退出

conda activate myproject    # 进入环境（提示符前会出现环境名）
conda deactivate            # 退出当前环境，回到 base

注意： 激活 / 退出统一用 conda activate / conda deactivate，即使用 Mamba 安装包也是如此。

3. 查看环境列表

mamba env list
# 或
conda env list

带 * 的为当前激活的环境；base 为默认环境。

4. 删除环境

mamba env remove -n myproject

5. 克隆环境（复制一份）

mamba create -n myproject-copy --clone myproject

六、安装与管理软件包

进入目标环境后再安装：

conda activate myproject

1. 用 conda / mamba 安装（首选）

Mac 用 conda；Linux 可用 mamba（更快）或同样用 conda：

conda install numpy scipy matplotlib          # Mac 推荐；Linux 也可用
# mamba install numpy scipy matplotlib        # 仅 Linux / 集群可选
conda install -c conda-forge rdkit            # 指定通道

2. 用 pip 安装（mamba 里没有的包）

Conda 环境里可以混用 pip，但建议先 mamba 后 pip，且装完不要再对该环境大量 mamba install，以免依赖冲突：

pip install some-pypi-only-package

3. 查看已安装的包

mamba list
# 或查看某个包
mamba list numpy

4. 更新 / 卸载包

mamba update numpy          # 更新单个包
mamba update --all          # 更新环境中所有包（慎用，可能牵动依赖）
mamba remove numpy          # 卸载包

5. 搜索包

mamba search mdanalysis

七、导出与复现环境（environment.yml）

团队协作或换机器时，用配置文件一键复现环境。

1. 从当前环境导出

conda activate myproject
mamba env export > environment.yml

精简版（只保留你手动安装过的包，体积更小）：

mamba env export --from-history > environment.yml

2. 从 yml 文件创建环境

mamba env create -f environment.yml
conda activate myproject   # 名称以 yml 里 name: 字段为准

3. yml 文件长什么样？

name: myproject
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.12
  - numpy
  - pandas
  - pip
  - pip:
      - some-pypi-package

分子模拟预置环境可直接使用分子模拟工作平台搭建中的 myenv.yml 一键部署。

4. 更新已有环境

修改 environment.yml 后：

mamba env update -n myproject -f environment.yml --prune

--prune 会移除 yml 中不再列出的包。

八、通道 (Channel) 是什么？

通道就是「去哪个仓库下载安装包」。装不上、版本不对时，常和通道有关。

通道	含义
defaults	Anaconda 官方默认仓库
conda-forge	社区维护，包全、更新快，科研用户首选
bioconda	生物信息学相关包

临时指定通道：

mamba install -c conda-forge packmol

永久添加（写入配置）：

conda config --add channels conda-forge
conda config --set channel_priority strict

九、在 VSCode / Cursor 与 Jupyter 中使用

1. 选择 Python 解释器

Command/Ctrl + Shift + P → 输入 Python: Select Interpreter
选择对应 Conda 环境，路径通常含 envs/环境名/bin/python

2. Jupyter Notebook / JupyterLab

conda activate myproject
mamba install jupyterlab ipykernel
python -m ipykernel install --user --name myproject --display-name "Python (myproject)"

之后在 VSCode / Cursor 或 JupyterLab 的 Kernel 列表里选择 Python (myproject) 即可。

3. 终端里确认当前环境

which python      # Mac / Linux
where python      # Windows
python --version

路径应指向 .../envs/环境名/...，而不是系统 Python。

十、常见问题与最佳实践

1. 不要滥用 base 环境

base 只用来管理 Conda/Mamba 本身。每个项目单独建环境，避免把所有包装在一起。

2. `conda activate` 报错：command not found

运行 conda init <你的shell> 后重开终端；WSL / 远程集群需在对应终端里初始化。

3. 环境激活后 VSCode 仍用错 Python

手动 Python: Select Interpreter 选一次；或在项目根目录建 .vscode/settings.json：

{
  "python.defaultInterpreterPath": "~/miniconda3/envs/myproject/bin/python"
}

路径按实际安装位置修改。

4. Solving environment 很慢或失败

Mac： 用 conda，不要改装 Mamba「提速」；可配国内镜像（见第四节），求解久属正常
Linux： 可用 mamba 代替 conda install 加速
尽量在新环境里安装，而不是往旧环境里硬塞
指定版本范围，减少求解空间：python=3.12、numpy>=1.26,<2
冲突严重时，新建环境往往比修复旧环境更省时

5. mamba 与 pip 混用原则

先 mamba install 能装的
再用 pip install 补 PyPI 独有的包
同一环境里避免反复交替大量安装

6. 清理磁盘空间

mamba clean --all        # 清理下载缓存与索引
mamba env remove -n 旧环境名

7. 开机自动进入某环境（可选）

在 ~/.zshrc 或 ~/.bashrc 末尾添加：

conda activate myenv

仅当你几乎只用一个环境时推荐；多项目用户建议每次手动切换。

十一、命令速查表

下表以 mamba 为例；Mac 把 mamba 全部换成 conda 即可。

你想做的事	命令
创建环境	`mamba create -n 环境名 python=3.12 -y`
激活环境	`conda activate 环境名`
退出环境	`conda deactivate`
查看所有环境	`mamba env list`
删除环境	`mamba env remove -n 环境名`
安装包	`mamba install 包名`
卸载包	`mamba remove 包名`
查看已装包	`mamba list`
导出环境	`mamba env export > environment.yml`
从 yml 创建	`mamba env create -f environment.yml`
更新环境	`mamba env update -n 环境名 -f environment.yml`
清理缓存	`mamba clean --all`

十二、推荐学习资源

Conda 官方文档
Mamba 文档
conda-forge 包搜索
分子模拟工作平台搭建 —— MolSimulX 预置 Python 环境与分子模拟库安装

十三、小结

一个项目一个环境，尽量别在 base 里堆包。
Mac：只用 Conda（别装 Mamba）；Linux：可用 Miniconda + Mamba 加速，或全程 conda。
日常三板斧：create → conda activate → install（Mac 全程 conda；Linux 可用 mamba 装包）。
复现与分享：environment.yml 是团队协作的标配。
编辑器：在 VSCode / Cursor 里选对解释器和 Jupyter Kernel，避免「终端对了、Notebook 错了」。

掌握以上内容，就足以应对日常 Python 科研开发中的环境管理需求；分子模拟方向的完整依赖清单与一键部署（统一 conda），请继续参考本站分子模拟工作平台搭建教程。Solving environment 卡住或报错时，把终端完整输出复制去搜，往往能找到具体解决办法。

学习路径

前置阅读：

分子模拟工作平台搭建（第三节步骤 3）
Linux终端与Shell简明教程

下一步：

JupyterLab简明教程
VSCode与Cursor简明教程 —— 选择解释器