人生活的就是个过程，无悔就是最高境界！

Conda 是⼀个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。Conda 主要是为 Python 程序创建的，适⽤于 Linux，OS X 和Windows，也可以打包和分发其他软件，如R和Scala。

1. conda配置镜像

Conda的默认配置属于开箱即用的类型，但如果我们想要更好⽤，还有⼀些设定需要注意。

Conda默认的包频道是Anaconda公司的默认频道。另外还存在⼀个开源频道：conda-forge。condaforge的包往往⽐官⽅更新更快，也更全，通常我们会直接把频道加⼊到conda的默认设置⾥。对于其他自己维护的频道，⽐如pytorch，如果需要，我们也可以自行添加。

生成condarc配置文件；
conda config --add channels conda-forge
conda config --append channels pytorch

另外，如果Conda在国内更新很慢，可以搜索anaconda清华源添加清华大学的国内镜像进行包的更新。

显示目前设置的所有镜像源，在执行conda config 命令的时候，会在当前用户目录下创建 .condarc 文件，可以查看更换源前后该文件内容的变化:

conda config --show-sources

删除安装源
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

换回默认源
conda config --remove-key channels

1.1 清华大学开源软件镜像站

https://mirrors.sjtug.sjtu.edu.cn/

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

1.2上海交通大学开源软件镜像站

https://mirrors.sjtug.sjtu.edu.cn/

channels:
  - defaults
show_channel_urls: true
channel_alias: https://anaconda.mirrors.sjtug.sjtu.edu.cn/
default_channels:
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/main
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/free
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/mro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/msys2
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/pro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/r
custom_channels:
  conda-forge: https://anaconda.mirrors.sjtug.sjtu.edu.cn/conda-forge
  soumith: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/soumith
  bioconda: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/bioconda
  menpo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/menpo
  viscid-hub: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/viscid-hub
  atztogo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/atztogo

1.3 北京外国语大学开源软件镜像站

https://mirrors.bfsu.edu.cn/
注：强烈推荐！！！2020-05-02 上线，清华大学开源软件镜像站的姐妹站，下载体验极佳，再也不用忍受清华源永远下不完的 pytorch 了。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.edu.cn/anaconda
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud



channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

1.4 Linux下环境配置

CondaHTTPError: HTTP 000 CONNECTION FAILED for url
https://blog.csdn.net/ada0915/article/details/78529877

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes


channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

# 2020.12.20 巨快源
channels:
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
show_channel_urls: true
ssl_verify: false

# Linux 2022.4.10 创建py2的虚拟环境
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - defaults
show_channel_urls: true

2. pip换源

pip国内的一些镜像:
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

临时使用某个源安装版本:
pip install -i https://pypi.douban.com/simple torch==1.5.0

3. mamba 安装拓展（极速）

mamba 非常强大，可以在linux/win10下安装；
给conda换好源后，

安装mamba
conda install mamba
conda install mamba -c conda-forge
conda install mamba -n base -c conda-forge

# 查看package
mamba repoquery search busco

# 查看安装包所需依赖
mamba repoquery depends busco

mamba 安装拓展
 mamba install bs4 lxml selenium pyppeteer
  All requested packages already installed
                  __    __    __    __
                 /  \  /  \  /  \  /  \
                /    \/    \/    \/    \
███████████████/  /██/  /██/  /██/  /████████████████████████
              /  / \   / \   / \   / \  \____
             /  /   \_/   \_/   \_/   \    o \__,
            / _/                       \_____/  `
            |/
        ███╗   ███╗ █████╗ ███╗   ███╗██████╗  █████╗
        ████╗ ████║██╔══██╗████╗ ████║██╔══██╗██╔══██╗
        ██╔████╔██║███████║██╔████╔██║██████╔╝███████║
        ██║╚██╔╝██║██╔══██║██║╚██╔╝██║██╔══██╗██╔══██║
        ██║ ╚═╝ ██║██║  ██║██║ ╚═╝ ██║██████╔╝██║  ██║
        ╚═╝     ╚═╝╚═╝  ╚═╝╚═╝     ╚═╝╚═════╝ ╚═╝  ╚═╝
        mamba (0.7.8) supported by @QuantStack

        GitHub:  https://github.com/mamba-org/mamba
        Twitter: https://twitter.com/QuantStack

█████████████████████████████████████████████████████████████
Looking for: ['bs4', 'lxml', 'selenium', 'pyppeteer']


Linux下
将以上配置文件写在~/.condarc中

vim ~/.condarc
channels:
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

配置信息保存在 ~/.condarc 里，cat ~/.condarc即可查看！

3. 环境重建

① 环境迁移

如果我们想要把⼀个conda环境和对应版本的包迁移到别的机器上，那就首先需要导出环境：

conda activate py37 # 激活要导出的环境
conda env export > environment.yml # 导出环境配置，此种方法只能导出相同系统，如 windows机器的配置只能导出给windows使用，不能给linux使用
pip freeze > requirement.txt # 也可以用pip导出，此种方法不限制机器

然后在新机器上重建环境：

conda env create -f environment.yml # 直接利用conda重建 # 或是先安装环境，再用pip重建
conda create -n py37 python=3.7 -y
pip install -r requirement.txt

② 离线环境重建

如果出于某些原因需要在离线的环境⼯作，Python的环境配置会是⼀个很头痛的问题。但conda其实可以很⽅便的帮我们维护⼀整个相互兼容的环境。这种情况下，⾸先，我们需要找到conda的配置⽂件.condarc，通常它会位于：

macOS: /Users/Username
Linux: ~/.condarc
Windows: C:\Users\Username

如果没有看⻅.condarc配置文件，就运行一次conda config。

然后，我们需要在.condarc里修改conda缓存包的地址pkgs_dirs，把这个地址变为我们想要存放下载的python包的地址，在离线的机器上我们也进⾏同样的操作来指定conda的缓存路径。把conda缓存下来的包导入到离线环境的缓存路径下，是建立⼀个完整的python环境的关键。

pkgs_dirs:
- C:\conda-pkgs-cache

在改好.condarc配置文件后，我们就可以下载我们想要的包了，不过此时，需要带上⼀个关键的参数: --download-only

# 通过创建环境的方式下载所有想要的包
conda create -n py36 anaconda pytorch tensorflow lightgbm catboost tqdm black pipreqs python=3.6 --download-only

# 直接下载并缓存对应的包
conda install tensorflow-gpu=1.15 py-xgboost --download-only

在下载后，将之前设定的conda缓存⽬录上传到离线环境中，并在离线环境中也设定.condarc中conda

缓存目录为对应的目录。此时运行：

# 利用缓存创建环境
conda create -n offline36 anaconda pytorch tensorflow lightgbm catboost tqdm black pipreqs python=3.6 --use-index-cache --offline

# 利用缓存安装包
conda install tensorflow-gpu=1.15 py-xgboost --use-index-cache --offline

就可以只用conda缓存中的文件，⽆需联网，就能成功安装对应库到离线环境中了。

4. 创建虚拟环境

安装软件前，先设置一个小环境，不要直接在自己账户的当前环境内安装软件；

conda create -n rna
# 创建一个小环境名为rna
conda install python=2
# 安装python 2版本

# 以上两句话可以等同于一句命令：conda create -n rna python=2

查看小环境

conda info -e
conda info --envs
conda env list    # 都是来查看已经存在小环境名的

# 运行后如下：rna即为刚刚建立成功的小环境名
$ conda info -e
# conda environments:
#
base                  *  /home/you/miniconda2
rna                      /home/you/miniconda2/envs/rna

# **进入小环境**
source activate rna  #激活小环境名为rna的环境

# 退出环境
conda deactivate  #: linux下conda退出小环境命令

# **移除小环境**
conda env remove --name bio-env       #：删除小环境及里面的内容

5.安装软件

5.1 查找软件

• 从conda网页内查找：http://bioconda.github.io/conda-recipe_index.html
• conda search PACKAGENAME：运行命令查找是否存在
  推荐第一种；

5.2 安装软件

第一步：先从bioconda镜像查看软件名具体是什么？一个字母都不能错
第二步：conda install 软件名
第三步：成功调取软件帮助文档==确定安装成功
这里有点类似R包的安装，装后需要library()一下，才能确认安装成功
安装方法：conda install -y sra-tools trim-galore

参数解释：-y要不要均可，是问你同不同意安装，不要的时候，需要手动输入一个y，自己尝试后就理解了这句话含义；sra-tools trim-galore安装两款软件，默认安装最新版； 注意 trim-galore 一个字都不能错，一个字都不能错，重要的事情说三遍！

指定软件安装版本
conda install numpy=1.11：即安装能模糊匹配到numpy版本为1.11
conda install numpy==1.11：即精确安装numpy为1.11的版本

5.3 更新软件

conda update conda：更新conda
conda update bwa：更新bwa；前提是已经安装成功bwa

5.4 查看已安装软件

conda list：在当前小环境下，列举所有安装软件。

示例：
source activate rna
conda list
列举rna小环境内安装的所有软件

pip安装

先安装python，才能使用pip安装python的软件，如pip install multiqc

pip install scrapy-redis --use-feature=2020-resolver   # 2020.11.11 安装

6. miniconda安装失败

• 删除安装目录，如果安装到了/home/you/miniconda2里，执行rm -r /home/you/miniconda2
• 删掉~/.bashrc最后几行conda写入的信息(# added by Miniconda2 4.5.12 installer下面几行一般都是)，如果没有# added by Miniconda2 4.5.12 installer的话，即表明conda配置的信息没写入成功

然后按照上述步骤重新安装！

6.1 conda网络错误

报错如下；

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/bioconda/linux-64/homer-4.9.1-pl5.22.0_5.tar.bz2>Elapsed: -
An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.

1. 检查网络是否已经链接；
实际上，我已经设置好了镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --set show_channel_urls yes
conda install -y -c bioconda homer

人为指定channel 可以解决bug

conda install -y -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda homer

6.2 conda 安装软件经常冲突

事实上不可能有十全十美的工具，conda非常简易的管理了多个软件流程，那么必然也会有解决不了的事情，必然同一个流程的两个python软件基于不同版本的python包，就尴尬了。

Solving environment: failed
UnsatisfiableError: The following specifications were found to be in conflict: 
 - rsem
Use "conda info <package>" to see the dependencies for each package.

没什么好的办法，只能说把冲突的工具安装到不同的子环境。

Solving environment: failed
PackagesNotFoundError: The following packages are not available from current channels: 
 - salmon 
 - boost=1.64 
 - salmon 
 - libcxx==4.0.0

5.3 配置镜像出错

conda: command not found
# 表明环境变量里找不到conda这个软件
# 出错原因：.bashrc里没有配置conda的PATH或者配置过但是没有source ~/.bashrc
# 检验方法：运行echo $PATH，查看是否含有conda安装路径

Warning: 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge' already in 'channels' list, moving to the top
# 表明之前已经运行过这句代码
# 复制镜像配置语句时复制错误，需要重新配置时，需要删除镜像配置文件
rm ~/.condarc 
# 然后重新配置，参考miniconda配置镜像

总结

一步安装conda并且配置好一个ngs组学环境

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda2-latest-Linux-x86_64.sh
# miniconda2软件下载成功

bash Miniconda2-latest-Linux-x86_64.sh
# 遇到yes/no输入yes，其他直接enter搞定
source ~/.bashrc

conda --help
# miniconda2安装成功，并成功配置好环境变量
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --set show_channel_urls yes
# 配置镜像成功

conda create -n rna python=2# 创建小环境成功，并成功安装python2版本
# 每建立一个小环境，都要装一个python=2的软件作为依赖

source activate rna
# 成功激活进入小环境，即可安装软件
conda install -y fastqc
# 出现三个done,即表示安装成功，否则重新提交命令
fastqc --help
# 成功出现帮助文档，fastqc软件安装成功

conda install -y sra-tools# 出现三个done,即表示安装成功，否则重新提交命令prefetch --help
# 成功出现帮助文档，sra-tools软件安装成功
# 安装什么软件，并不等于调用什么命令--help

source deactivate
# 成功退出rna小环境
# 或直接退出当前账户

---------------------------------------------------------------------------------------
报错1
将https改为http即可。

生信环境配置方法改进版——安装简易conda_mamba

mamba 是一个快速的跨平台包管理工具，基于 conda 且与 conda 完全兼容。所谓基于 conda 就是 conda 能干啥它就干啥，所谓兼容就是 conda 怎么用它就怎么用，而缺点就是贼快。

1.用 conda-forge 的 channel 进行安装 ，无报错就成功；
conda install mamba-c conda-forge 

2.报错换种方式安装mamba
conda install -y -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda homer
conda install -y mamba        
#去掉 -y 也可以试一试，安装mamba巨慢；
测试安装成功；安装上mamba,就可以快速的安装各种软件了；

mamba

机器学习库安装

1. sklearn安装：

sklearn是机器学习中一个常用的python第三方模块，对常用的机器学习算法进行了封装
其中包括：
1.分类（Classification）
2.回归（Regression）
3.聚类（Clustering）
4.数据降维（Dimensionality reduction）
5.常用模型（Model selection）
6.数据预处理（Preprocessing）

两种安装方式：
使用 pip
pip install -U scikit-learn

或 conda
conda install scikit-learn