数据治理 | Python 环境冲突烦？环境移植难？我用 Miniconda
目录
一、前言
二、从 Anaconda 到 Miniconda
三、安装 Miniconda
四、Miniconda 管理 Python 包
五、Miniconda 移植 Python 环境
六、结束语
本文共2994个字，阅读大约需要10分钟，欢迎指正！
Part1前言
Python 是不少社科栋梁想要学习的一门编程语言，但许多同学在安装和配置 Python 环境时就遇到各种问题。譬如某个第三方库不支持你的 Python 版本，或者某个库分别依赖另一个库的不同版本，而 Python 只能安装这个被依赖库的某一个版本。
更棘手的是，一些有特殊需求的用户（比如企研的云桌面用户）需要在无网络的虚拟机中部署 Python 并安装各种第三方库（所有第三方库都需要联网才能安装）。为了应对各种环境配置问题，用户们急需一个能够管理 Python 环境的工具。于是，Anaconda 出现了。
Part2从 Anaconda 到 Miniconda
非常多的 Python 入门者会被推荐使用 Anaconda，它是一个开源的 Python 发行版，提供了包管理和环境管理的功能，还包含了 conda、Python 等 180 多个科学包及其依赖项，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。许多新手安装 Anaconda 后就可以直接使用 Python 了，这当然很方便，可 Anaconda 是一个完备的套件，安装后体积超过 1 GB空间，运行起来很吃力。而且 Anaconda 中的 Python 包都是预安装的，如果你误用了老版本的 Anaconda，那么安装之后，你的 Python 包（第三方库）可能会是一些远古版本，导致无法使用部分新功能。
为了应对上述情况，Anaconda 的简化版——Miniconda 粉墨登场。它同样还包含 Anaconda 的核心组件 conda 和 Python，体积却小了几倍（安装包仅几十兆）
讲到这里，我们来总结一下几种常见的 Python 安装方式：
| 安装方式 | 优点 | 缺点 |
|---|---|---|
| 官网下载 Python 安装包安装 | 干净，占用空间很少 | 需要手动配置环境变量，难以应对环境与环境冲突、包与包冲突、包与环境冲突等 |
| 安装 Anaconda | 可以应对 Python 环境冲突，预装了常用的包，功能齐全 | 占用空间大、由于预装的包是固定的版本，需要安装较新版本 |
| 安装 Miniconda | 占用空间较少，可以应对 Python 环境冲突，功能够用 | 没有预装 Python 包，功能不如 Anaconda 齐全 |
另外，Anaconda 拥有图形交互界面以及 Python 开发环境（如Jupyter notebook、Spider等），这对新手很友好，但也是一个巨坑。一方面，如果使用不好会导致你的代码乱成一窝蜂；另一方面，这些自带的开发环境并不优秀，我们可以安装更好用的工具。而 Miniconda 是小巧的，没有图形界面和开发环境，但我们可以在它提供的命令行中使用命令操作（用 Anaconda 也得这么干）。
Part3安装 Miniconda
我们前往 Miniconda 官方网站下载合适的安装包。为了稳定起见，这里下载了 Python 版本为 3.8 的 Miniconda 安装包。
https://docs.conda.io/en/latest/miniconda.html
下载后安装即可，安装过程中根据指引勾选选项即可，中途记得勾选添加环境变量。
安装完成后，可以在 Windows 开始菜单看到 Anaconda prompt（Miniconda）字样
点击运行它，会弹出类似于命令提示符的窗口。我们输入命令 python ，回车运行，当出现如下图所示字样，代表 Miniconda 安装成功，Python 也已经部署完成。
上图中 (base) 代表当前是默认的 Python 环境。C:\Users\Virtual 表示 Miniconda 安装的路径。Virtual 是笔者的计算机用户名。
Part4Miniconda 管理 Python 包
Miniconda 安装好后，我们就可以使用默认的 python 了。在 Miniconda 的命令窗口中使用 pip install xxx 命令（联网环境下）即可安装需要的包。如果没有安装其他 Python 版本的需要，可以一直使用该默认环境。
但是当我们需要安装另一个版本的 Python，或者想要重新装一个干净的 Python，Miniconda 的版本管理功能就可以派上用场了。我们可以使用它再安装新的 Python 环境，我们可以把除默认环境之外的 Python 环境称为虚拟环境，这些虚拟环境与默认环境之间被 Miniconda 隔离开，彼此不会影响。也不用担心虚拟环境占用过多的空间，因为一个新的虚拟环境仅占用约 100 MB 空间。
下面是 Miniconda 管理 Python 虚拟环境最常用的几个命令。
# 查看所有受 conda 管理的 python 环境，包括默认环境
conda info -e
# 创建新的虚拟环境，比如新建一个 Python 环境，取名“Newpy”, 版本号为 3.9
conda create -n Newpy python=3.9
# 进入、激活虚拟环境
conda activate Newpy
# 退出环境
conda deactivate
# 删除虚拟环境
conda remove -n Newpy --all
掌握以上命令，我们可以在一个计算机中安装不同版本的 Python，为不同的环境安装不同版本的包。这样一来，就可以避免 Python 版本冲突带来的麻烦。
Part5Miniconda 移植 Python 环境
Python 环境移植的使用场景比较多：
换了新电脑，不想重新安装 Python 包了 有人想省事儿，直接用我的 Python 环境 在一台不联网的计算机中安装 Python 和包 ……
这对不会使用 conda 的小伙伴来说可是一件麻烦事儿，但是有了 conda，这件事就变得非常简单了。移植 Python 环境的步骤如下：
在移植环境和被移植环境的电脑中都安装好 Miniconda（安装过程无需联网），在移植环境的电脑中创建 Python 虚拟环境并安装好需要的包。
进入移植环境电脑中 Miniconda 的安装位置并进入
envs文件夹，进入后即可看到我们创建的虚拟环境的文件夹，如下图所示：将需要移植的虚拟环境文件夹复制到被移植电脑中对应的位置。
在被移植环境的电脑中激活被移植的环境后即可使用
这样就成功移植了 Python 。
Part6结束语
本文阅毕，配置 Python 环境对你来说应该没有什么问题了，但我们还缺一个优秀的开发环境来优雅地进行编程。下期文章我们将会为大家介绍如何（离线）安装使用一款优秀的集成开发环境，并配合 Miniconda 使用不同版本的 Python。
我们将在数据治理板块中推出一系列原创推文，帮助读者搭建一个完整的社科研究数据治理软硬件体系。该板块将涉及以下几个模块（点击标题即可跳转至相应合集）：
星标⭐我们不迷路！想要文章及时到，文末“在看”少不了！
点击搜索你感兴趣的内容吧
往期推荐
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
文 | 两米哥
欢迎扫描👇二维码添加关注