Anaconda管理虚拟环境的核心是用conda创建隔离Python环境并统一管理包。创建环境用conda create -n name python=x.x，激活用conda activate name，退出用conda deactivate，查看用conda env list，删除用conda env remove -n name，导出复现用conda env export > file.yml和conda env create -f file.yml。
用 Anaconda 管理虚拟环境，核心就两点：用 conda 创建隔离的 Python 环境，再用它来统一管理包和环境。不用手动配路径、不干扰系统 Python，新手也能快速上手。
创建一个新环境
打开终端（Windows 用 Anaconda Prompt，macOS/Linux 用 Terminal），运行：
- conda create -n myenv python=3.9 —— 创建名为 myenv、带 Python 3.9 的环境
- conda create -n myenv python=3.9 numpy pandas matplotlib —— 创建时直接装好常用包
名字（myenv）自己起，推荐用小写字母+下划线，避免空格和特殊符号。
激活与退出环境
环境建好后不会自动进入，必须手动激活：
- conda activate myenv —— 激活后命令行前缀会变成 (myenv)
- conda deactivate —— 退出当前环境，回到 base 或系统默认环境
注意：每次新开终端都要重新 activate；关闭终端后环境自动“休眠”，不占资源。
查看和删除环境
随时掌握有哪些环境在手：
- conda env list 或 conda info --envs —— 列出所有环境，星号标出当前激活的
- conda env remove -n myenv —— 彻底删除指定环境（含所有包）
- conda clean --all —— 清理下载缓存，节省磁盘空间
导出与复现环境
项目要换电脑或分享给同事？靠环境文件最稳妥：
- conda env export > environment.yml —— 当前环境完整快照（含包版本）
- conda env create -f environment.yml —— 在另一台机器上一模一样重建
如果只要纯 Python 包依赖（兼容 pip 生态），可用：pip freeze > requirements.txt，但 conda export 更全面，尤其含非 pip 包（如 numpy 的 MKL 版本）。
基本上就这些。不需要记太多命令，常用就那四五个，配合 conda -h 或 conda [子命令] -h 随时查。关键是养成「先建环境、再装包、不碰 base」的习惯——不复杂但容易忽略。
