什么是Conda
Conda是Python中用于管理包和虚拟环境的一大利器。
使用Conda可以非常便利的使用数据科学相关的包，Conda可以帮助我们创建虚拟环境，从而方便的应用于多个项目中。
安装Conda
Anaconda实际上是一个软件的发行版，附带了Conda、python和150多个科学软件包及其相关的包。
Anaconda可以在Windows，MacOS以及Linux下进行安装，下载地址：https://www.anaconda.com/download/ 。
Anaconda是一个本身很大（大约500M），因为它附带了Python中最常见的数据科学包。如果您不需要所有的软件包，或者需要节省带宽或存储空间，那么也有Miniconda，一个只包含conda和python的发行版。
安装完毕后，将Anaconda安装路径添加到系统PATH变量中：
PATH=${ANACODA_HOME}:${ANACODA_HOME}/Scripts:$PATH
注意：如果在安装Anaconda之前已经安装过Python并且已经到PATH变量中，最好是将之前安装的Python从环境变量中删除，避免与Anaconda中python混淆。
在命令行中执行命令：python，如果在进入的Python交互式环境中显示有Anaconda信息，则表明已经安装完毕，如下所示：
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Warning:
This Python interpreter is in a conda environment, but the environment has
not been activated. Libraries may fail to load. To activate this environment
please see https://conda.io/activation
Type "help", "copyright", "credits" or "license" for more information.
>>>
虚拟环境管理
1.查看当前所有的虚拟环境列表
执行如下命令列出全部环境：
conda env list
# conda environments:
#
base * D:\ProgramFiles\Anaconda3
myenv D:\ProgramFiles\Anaconda3\envs\myenv
此时，*号所在的行表示是当前所在的环境。
2.创建虚拟环境
conda create -n env_name list_of_packages
其中，-n后的参数env_name表示环境名称，接着可以跟着0个或多个包名称。
示例：创建一个名称为myenv的环境，同时在该环境中安装一个numpy包
conda create -n myenv numpy
当然，也可以只创建环境而不用安装包：conda create -n myenv
此外，在创建环境时，我们可以指定Python的版本，例如：conda create -n myenv python=2.7
3.进入虚拟环境
conda activate myenv
执行上述命令之后，就进入到名称为myenv的虚拟环境中了。
进入到虚拟环境之后，就可以执行安装模块，查看模块等操作了，如：conda list
4.离开虚拟环境
想要离开当前环境时，则只需要执行如下命令即可：
conda deactivate
5.删除虚拟环境
当某个环境我们不再需要时，可以直接执行如下命令来删除该环境：
conda env remove -n env_name
包管理
Conda安装完成后，自动处于默认的conda虚拟环境中，此时可以使用如下命令查看在当前环境下得模块列表：
conda list
当然，也可以进入到某个指定的虚拟环境中后再执行包管理操作。
1.安装包
如下安装numpy模块：
conda install numpy
除了每次安装一个包外，我们还可以一次性安装多个包，例如：
conda install numpy pandas
此外，我们还可以安装某个指定版本的包：
conda install numpy=1.10
说明：使用conda安装指定包时，conda可以自动处理相关的包依赖。
2.删除某个包
conda remove package_name
3.升级某个包
conda upgrade package_name
4.升级全部包
conda upgrade --all
5.查看包列表
conda list
6.模糊查询包
conda search ‘keywords‘
还可以将环境中用到的包列表导出到文件中，然后将该文件包含在代码中，这允许其他人轻松加载代码的所有依赖项，这与pip freeze>requirements.txt具有类似的功能。
什么时候使用Conda
回到问题本源，什么时候需要使用Conda呢？
如果在项目开发和部署过程中遇到如下场景，都可以考虑使用Conda（以依赖numpy模块为例说明）：
1.在同一台机器上需要同时安装两个版本的numpy，可以通过Conda为每个版本的numpy创建一个虚拟环境，然后在对应环境进行开发或部署。
2.在同一台机器上有多个项目运行，但是可能有一些项目需要用Python3运行，同时另外一些项目需要用Python2运行，同时安装这两个版本的Python可能会导致很多混乱和错误。因此，最好是有单独的虚拟环境来管理和使用，这也可以通过Conda来解决。
总结为一句话：在需要对Python环境或模块版本进行隔离的时候都可以使用Conda。
【参考】
https://www.missshi.cn/api/view/blog/5c417d1ec7e019335e000000 Conda详解