包管理基础：conda install、conda update、conda remove
包管理，说白了就是给 Python 生态装轮子、换轮子、卸轮子。
你用 pip 能干的事，Conda 基本都能干，而且干得更干净。
我个人习惯是把 Conda 的包管理命令分成三类：装、升、删。
这三板斧玩熟了，日常开发基本够用。
conda install —— 装包的正确姿势
conda install 是日常用的最多的命令。
我刚用 Conda 那会儿，总觉得跟 pip 差不多，后来才发现细节差别挺大。
最基本的用法：
conda install numpy这条命令会从默认频道（defaults）找最新的 numpy，然后把依赖一块拉进来。
你想想看，Conda 比 pip 强在哪儿？它连底层 C 库的依赖都能一起装上。
指定版本也很直接：
conda install numpy=1.21.0
# 或者用模糊匹配
conda install "numpy>=1.20,<1.22"从指定频道安装：
conda install -c conda-forge opencv
# 也可以指定多个频道
conda install -c pytorch -c conda-forge pytorch torchvision一个实用场景——批量安装：
# 先把包名列在文件里
echo -e "numpy\npandas\nscipy" > requirements.txt
# 然后一次性安装
conda install --file requirements.txt另外，我经常用 --dry-run 来预览安装计划：
conda install --dry-run tensorflow它会告诉你“如果我真装 tensorflow，会动哪些包”，但不真的执行。
这在生产环境里非常有用，能提前拦下意外升级。
conda update —— 更新但要小心
conda update 用来升级包或整个环境。
但说实话，我一般不会轻易执行 conda update --all。
为什么呢？因为 Conda 的依赖解析很严格，一个包升级可能牵动几十个依赖一起变。项目跑到一半，一更新全崩了，这种事我遇到过两次。
更新单个包：
conda update numpy更新整个环境（慎重）：
conda update --all更新 Conda 自身：
conda update conda
# 如果想同时更新安装器
conda update anaconda跟 install 一样，update 也支持 --dry-run：
conda update --dry-run --allconda list --explicit > env_snapshot.txt 导出当前环境的精确包列表。万一更新出问题，用 conda create --file env_snapshot.txt 就能快速恢复。
还有个小细节：
Conda 有时会提示“The following packages will be DOWNGRADED”。
别慌，这不一定是坏事。为了满足依赖冲突，Conda 可能会降级某个包来保证整体可用。说白了，就是“拆东墙补西墙”，只要墙不倒就行。
conda remove —— 卸载不是删文件那么简单
conda remove 比手动删 site-packages 优雅一万倍。
基本用法：
conda remove numpy它会移除 numpy 以及所有依赖 numpy 且不再被其他包需要的包。
这就是 Conda 聪明的地方——它知道“谁还在用这个包”。
从指定环境中移除：
conda remove -n my_project pandas清空整个环境：
conda remove --all -n old_env这条命令会删掉 envs/old_env 目录下的所有东西。相当于把整个环境连根拔起。
conda remove --all 不会问“你确定吗”？它直接就删了。我建议删之前先用 conda env export -n old_env > old_env_backup.yml 留个备份。反正我吃过这个亏。
另外，conda clean 是它的好搭档：
# 清理未使用的包缓存
conda clean --packages
# 清理所有缓存（tarballs、索引等）
conda clean --all清理缓存能释放不少磁盘空间。尤其是你频繁装包、删包之后，pkgs/ 目录很容易膨胀到几十 GB。
三种命令的对比速查
| 命令 | 作用域 | 常用选项 | 风险等级 |
|---|---|---|---|
| conda install | 安装新包及依赖 | -c, --file, --dry-run, -n | 低（但可能升级依赖） |
| conda update | 升级已有包 | --all, --dry-run, -n | 中（--all 风险较高） |
| conda remove | 移除包及孤立依赖 | --all, -n, --force | 中高（--all 不可逆） |
-n 指定环境的习惯。我自己在 .bashrc 里配了 export CONDA_ENV_SAFETY=1 来提醒自己——虽然只是个心理暗示，但有效。
一个真实的工作流
我平时接手项目时，常干这么一套组合拳：
conda env list看看本地有哪些环境conda create -n project_x python=3.9建一个新环境conda activate project_x切进去conda install -c conda-forge --file requirements.txt装依赖conda list确认版本- 干活……
- 收工时
conda env export > environment.yml锁定环境
这套流程里，install、update、remove 会交替出现。比如发现某个包版本不对，先 remove 再 install 指定版本；或者用 update 做小版本升级。
嗯，包管理就这点东西。但别小看这三条命令，用得熟练了，能省下大把跟环境斗争的时间。