很多人使用Python做数据分析或者自动化开发时，都会遇到一个问题：不同项目对Python的版本要求不同，包的依赖也不一致。每次手动安装或切换都很麻烦，甚至容易出错。为了解决这些问题，Anaconda就成了一个非常实用的工具。那么Anaconda怎么管理python版本Anaconda怎么管理多个python环境，我们就用通俗一点的方式来讲清楚。

　　一、Anaconda怎么管理python版本

　　Anaconda本身就集成了对多版本Python的支持，而且不需要在系统层动Python安装路径，非常适合需要同时使用多个版本Python的人。

　　1、创建不同Python版本的环境

　　比如你手上有一个老项目只支持Python 3.7，就可以这样：

　　这个命令会创建一个名为py37_env的新环境，Python版本为3.7。

　　2、在环境之间来回切换

　　只要用一行命令就能切换到你要用的环境：

　　环境切换完之后，命令行里所有跟Python相关的操作都是基于这个环境进行的。

　　3、升级或降级当前环境中的Python版本

　　如果你想在已有环境中更换Python版本：

　　会自动帮你处理依赖问题。

　　4、查看当前Python版本

　　激活后输入：

　　就可以看到当前使用的是哪个版本的Python。

　　二、Anaconda怎么管理多个python环境

　　项目多了，环境自然也就多了。Anaconda的优势就在于它能帮你把不同环境之间完全隔离开，不互相干扰。

　　1、新建带依赖包的环境

　　假设你要做数据分析的项目：

　　这样就省去手动安装各种包的烦恼了。

　　2、列出所有已有环境

　　输出中会显示所有环境路径，当前激活的环境旁边有个“”。

　　3、导出环境配置

　　做团队协作时，你还可以把当前环境导出来：

　　别人只需要你这一个文件就能复刻一模一样的环境。

　　4、用配置文件创建新环境

　　只需：

　　就能搞定，大大提升效率。

　　5、删除没用的环境

　　用完不想留着：

　　省下不少磁盘空间。

　　三、环境多了怎么避免乱套？

　　虽然Anaconda能帮我们隔离不同项目的环境，但如果管理方式不当，也容易变得一团乱。下面这几点很关键：

　　1、别在base环境中搞开发

　　base环境最好只保留conda本身，不要在这里安装项目依赖，以免把默认环境搞坏。

　　2、每个项目建一个独立环境

　　即使多个项目使用相同版本的Python，也建议建不同环境，这样即使其中一个环境崩了也不会影响其他。

　　3、环境名有区分度

　　取名字别太随意，比如：

　　`web_py38`表示做web的项目，用的是Python 3.8

　　`data_py39`表示做数据分析，用的是Python 3.9

　　一看就知道哪个环境干嘛的。

　　4、定期清理缓存

　　conda有自动缓存下载包的机制，久了会占很多空间：

　　能释放不少空间。

　　5、别直接复制环境文件夹

　　虽然看上去直接拷贝很快，但实际运行很容易出错，因为conda环境路径是绑定在系统上的，复制之后可能会出现各种兼容问题。

　　总结

　　不论你是搞AI的，还是做网站、处理数据的，只要用的是Python，管理好多个环境就会让你工作顺利很多。Anaconda怎么管理python版本Anaconda怎么管理多个python环境这个问题的答案其实就在于两个字：隔离。把每个项目的依赖和Python版本分开来管理，不仅更清晰，也更安全。如果你现在还在一套环境里乱装各种包，是时候试试conda带来的清爽体验了。