目录
背景
最近学习AI大模型，由于电脑是MAC M1的环境，在学习过程中Python环境必不可少，特此在此环境中整理下安装Python过程。
在MAC M1环境中Python安装常见的有Homebrew和Anaconda安装方式，对此将从两种方式分别记录。
Homebrew 安装方式参考如下文档：
环境
系统：MAC M1 版本：mosOS Monterey 12.7.6
软件：Anaconda2024.10-1、Python3.x.x
Anaconda安装Python
Anaconda集成了Python/R，安装Anaconda时会默认安装Python。Anaconda在数据科学和机器学习领域有丰富的依赖包，可以很方便地进行包管理
第一步：安装Anaconda及Python
1、下载安装包
官网下载地址：
根据环境下载对应的安装包
安装过程，一直点击【继续】直到最后一步。
2、验证安装成功
1）程序坞点击打开验证
安装完成后，可以在程序坞中查看到如下图标的应用
点击打开应用图标，可以看到默认安装base环境
可以看到默认在base环境中已经安装了Python3.12.7版本。
2）命令验证（可忽略）
此验证方便使用命令验证的人员，可以打开命令行检查是否安装成功
conda -V
# 或者
conda --version显示版本号即表示安装成功，执行结果如下：
第二步：创建虚拟环境
界面化操作（推荐）
conda的navigator版本提供了界面操作，方便简单，适合初学者使用。注意：此操作只能创建特定版本的环境。
以创建Python3.10.16版本为例，页面操作如下
创建完成后就可以在界面看到对应创建的虚拟环境
至此Python虚拟环境创建成功。
命令操作
默认情况下，Anocanda会创建默认的虚拟环境（base），所有操作都是在这个环境之上，可以用如下命令查看虚拟环境（带 「*」的是当前激活的环境）
虚拟环境相关命令
- 查看虚拟环境
conda env list
#或
conda info --envs
# 或者 conda-env此命令需进入虚拟环境
conda-env list
# 或者
conda info | grep env
- 创建虚拟环境
# -n表示虚拟环境名称
conda create -n my-test-env-py3.9 python=3.9 # 创建指定python版本
或
conda create --name env_name python=3.9 pandas numpy scipy # 创建指定python版本下包含某些包
执行完成，结果如下：
结果中提示了激活环境和关闭环境的命令，通过界面可以看到创建的虚拟环境：
- 激活虚拟环境
conda activate my-test-env-py3.9激活成功，结果如下：
- 关闭虚拟环境
conda deactivate关闭成功，结果如下：
- 删除虚拟环境
conda remove --name my-test-env-py3.9 --all
或
conda remove -n my-test-env-py3.9 --all此命令删除虚拟环境以及环境中的包。
具体conda remove 命令的语法通过如下命令查看：
conda remove -h结果如下：
常用命令
对于部分界面使用不习惯的大佬们而言，命令才是软件的灵魂，因此整理了部分常用命令。
1、查看当前虚拟环境
#查看当前环境
conda info
#查看当前已创建环境，方法1
conda env list
#查看当前已创建环境，方法2
conda info --envs
2、查看虚拟环境下的所有安装包
#查看当前虚拟环境下的所有安装包
conda list
#查看指定虚拟环境下的所有安装包
conda list -n env_name
#查看当前虚拟环境下所有以py为开头的安装包
conda list ^py
#查看当前环境中某个安装包的信息（版本、channel等）
conda list 安装包
3、安装包
注意：此命令需要进入虚拟环境之后运行
#安装指定包到当前环境
conda install 包名
#安装指定多个包到指定的环境
conda install -n 环境名 包名1 包名2 包名...
#安装指定包的版本（eg：python3.11）到指定环境
conda install -p 环境名 python=3.114、卸载包
注意：此命令需要进入虚拟环境之后运行
#卸载当前环境中指定的包
conda remove 包名
#卸载某个环境中指定的一系列包
conda remove -n 环境名 包名1 包名2 包名....
#卸载某个环境的所有包以及环境本身
conda remove -n 环境名 --all
#卸载某个环境的所有包但是保留环境
conda remove -n 环境名 --all --keep-env5、导出虚拟环境
#导出当前环境到python3_11.yml 文件中
conda env export -f python3_11.yml
#或
conda export -f python3_11.yml
导出文件默认在当前目录下。
6、复制并创建虚拟环境
根据导出的虚拟环境文件复制并创建虚拟环境。
#根据导出文件复制并创建虚拟环境,默认虚拟环境名称
conda env create -f /path/to/environment.yml
#根据导出文件复制并创建虚拟环境,指定名称envname
conda env create -f /path/to/requirements.txt -n envname
#根据导出文件复制并创建虚拟环境,指定名称和路径
conda env create -f /path/to/requirements.txt -p /home/user/envname7、源服务器管理
- 查看当前使用源
conda当前的源设置在$HOME/.condarc中，可通过文本查看器查看或者命令。
通过命令查看当前使用源
conda config --show-sources
可以通过文本查看
- 添加指定源
conda config --add channels 源名称或链接 #添加指定源
- 删除指定源
conda config --remove channels 源名称或链接 
- 恢复到默认源
conda config --remove-key channels
- 国内常用的Pip源
| 源名称 | 源地址 | 使用 |
| 默认源 | Simple index | |
| 阿里云 | http://mirrors.aliyun.com/pypi/simple/ | （临时指定源）： pip install <包名> -i 原地址 |
| 中国科技大学 | https://pypi.mirrors.ustc.edu.cn/simple/ |
（临时指定源）： pip install <包名> -i 原地址 |
| https://mirrors.ustc.edu.c/anaconda/pkgs/main/ https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ |
||
| 豆瓣(douban) | http://pypi.douban.com/simple/ | （临时指定源）： pip install <包名> -i 原地址 |
| 清华大学 | Simple Index | |
| https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 |
||
| 中国科学技术大学 | http://pypi.mirrors.ustc.edu.cn/simple/ | （临时指定源）： pip install <包名> -i 原地址 |
8、批量导出虚拟环境中的所有组件
#导出虚拟环境中的所有组件
conda list -e > package-list.txt
#或
conda list --export > package-list.txt
#通过导出的组件文件在指定的虚拟环境中重新安装导出的组件
conda create -n myenv --file package-list.txt9、卸载conda
rm -rf anaconda希望对大家有所帮助，建议收藏起来已备用时之需，如有错误敬请留言指正。