3. Conda 基础命令：环境管理的四把刀
说实话，很多人学 Conda 最怕的不是命令多，而是不知道每条命令到底在干什么。我今天就把最常用的四条命令——create、activate、deactivate、list——揉碎了讲给你听。这四条命令要是用熟了，后面 27 章你都会很顺手。
一句话总结：conda create 建房子，conda activate 住进去，conda deactivate 搬出来，conda list 查家具清单。
3.1 conda create —— 给你的项目搭个独立小房间
我个人习惯，拿到一个新项目的第一件事就是创建环境。为啥？因为我不想让 A 项目依赖的 Python 3.8 跟 B 项目要求的 3.10 打架。
基本命令长这样：
conda create --name my_project_env python=3.9这里 --name 可以简写成 -n。我建议你给环境起名字的时候带上项目名和 Python 版本号，比如 ml_project_py39。时间久了你会感谢这个习惯——相信我，半年后看着一堆 test1、test2 你真的想不起来是干嘛的。
你还可以一次装好几个包：
conda create -n data_analysis python=3.9 numpy pandas matplotlib嗯，这里要注意：conda create 并不会自动激活环境。它只是把房子建好，门锁着。你得自己拿钥匙开门。
我曾经刚学 Conda 时，执行完 create 就以为已经在环境里了，直接 pip install xxx，结果装到了 base 环境。排查了半天才知道——创建环境不等于进入环境。务必记住这一步。
3.2 conda activate —— 打开门，走进去
创建完环境，怎么进去？用 conda activate。
conda activate my_project_env执行完你就会发现终端提示符前面多了个 (my_project_env)。我每次看到这个括号，心里就踏实了——接下来的所有操作都被关在这个独立空间里了。
不过，Windows 用户要注意一件事。如果你用的是 PowerShell，可能会遇到这条报错：
conda activate my_project_env
# 报错：CommandNotFoundException为什么呢？因为 PowerShell 默认不让执行 Conda 的激活脚本。解决方案很简单，第一次使用时运行这个：
conda init powershell然后重启终端就好了。我在项目中遇到过好几个同事卡在这里，折腾了半小时才发现只是没 init。
小技巧：conda activate 后面如果不加环境名，会直接退回到 base 环境。这点跟 conda deactivate 效果类似，但行为上有细微差别——activate 回 base 时不会卸载环境变量。
3.3 conda deactivate —— 干完活，关好门
说白了，deactivate 就是把当前环境“关掉”，让你回到 base 环境。命令很简单：
conda deactivate执行后，那个括号就消失了。你可能觉得这步无所谓，但我建议你在切换项目时一定要先 deactivate，再 activate 另一个环境。你想想看，如果不退出 A 环境就直接 conda activate B，Conda 其实会先自动 deactivate A，再进入 B。但有些极端情况，比如 A 环境里改了 PATH 变量，直接跳转可能残留一些路径信息。
我自己的习惯是：
- 干完活，先
conda deactivate - 确认括号消失
- 再
conda activate next_project
虽然多打一条命令，但心里有数。
3.4 conda list —— 看看家里都放了啥
conda list 是我用得最频繁的命令之一。它列出当前环境下所有已安装的包、版本号、以及来源渠道。
conda list输出大概长这样：
# packages in environment at /home/user/miniconda3/envs/my_project_env:
#
# Name Version Build Channel
numpy 1.24.3 py39h2665c0f_0 conda-forge
pandas 2.0.1 py39h5326b9c_0 conda-forge
python 3.9.17 h7a1cb2a_3 conda-forge
你看这个输出，每一列信息都有用：
- Name：包名，知道装了啥
- Version：版本号，锁定工具版本的关键
- Build：构建标识，不同操作系统可能不同
- Channel：来源，是默认的 defaults 还是 conda-forge
有一次我在项目中遇到一个问题：A 同事的环境跑得好好的，我拉下来就报错。一查 conda list，发现我装的 numpy 是 1.25.0，他的是 1.24.3。版本不兼容导致的。
如果你想只看某个特定的包：
conda list numpy如果你怀疑某个包没装，或者想确认版本对不对，这条命令能救命。
3.5 四条命令的配合套路
我给你整理了一个标准操作流程，平时我都是这么用的：
| 步骤 | 命令 | 目的 |
|---|---|---|
| 1 | conda create -n proj python=3.9 | 创建项目专用环境 |
| 2 | conda activate proj | 进入环境 |
| 3 | conda install numpy pandas | 安装依赖包 |
| 4 | conda list | 确认版本，记下来 |
| 5 | conda deactivate | 退出环境 |
你想想看，有了这套流程，每个项目都在独立的房间里运行，Python 版本随时切，包冲突几乎降为零。这才是 Conda 的核心价值所在。
核心经验：conda list 输出的版本信息，就是你将来锁定工具版本的第一手资料。每次装完新包，我都建议看一眼 conda list，心里有个数。