如何列出conda可用的软件包版本

Question

有没有办法看到conda可用的软件包版本？我在jupyter中遇到错误但它之前正在工作.像蛋黄一样的东西？

Answer 1

虽然这个问题已经得到了回答,但对于那些冒险在这里寻找答案的人来说,conda search返回的数据太多了,因为它显示了所有软件包的所有可用版本.

要搜索特定包,请使用:conda search -f <package_name>.例如,基于这个问题,要搜索所有版本的"jupyter"包,你会做:conda search -f jupyter.这只会返回有关名为"jupyter"的软件包的信息.

资料来源:https://conda.io/docs/commands/conda-search.html

Answer 2

您只需输入"conda search"即可获得如下内容.

$ conda search 
Fetching package metadata .........
affine                       2.0.0                    py27_0  defaults
                             2.0.0                    py35_0  defaults
                             2.0.0                    py36_0  defaults
alabaster                    0.7.3                    py27_0  defaults
                             0.7.3                    py34_0  defaults
                             0.7.7                    py27_0  defaults
                             0.7.7                    py34_0  defaults
                             0.7.7                    py35_0  defaults
                             0.7.9                    py27_0  defaults

Answer 3

如果您知道要安装的软件包的名称，请搜索它的所有可用版本。例如。对于 pandas 包，您将执行以下操作

conda search pandas

然后安装您想要使用的版本

conda install pandas=1.0.2

Answer 4

作为附录，您可以使用的输出conda search来微调需要安装的软件包的版本。例如，在'nasica88'的列表中，提供了三种Albaster 0.7.7版本以及不同的python版本。如果您需要使用Python 3.4的例如albaster 0.7.7，请按以下步骤安装：

$> conda install albaster=0.7.7=py34_0

因此，第二个=标志是您的朋友在这里。

Answer 5

列出anaconda计算机上安装的软件包

conda list

这是列出可用于anaconda的所有软件包

conda search

Answer 6

要获取某个包的版本，您可以按grep如下方式过滤它：

$ conda list | grep tensorflow

结果：

tensorflow                2.2.0           mkl_py36h5a57954_0  
tensorflow-base           2.2.0           mkl_py36hd506778_0  
tensorflow-estimator      2.2.0              pyh208ff02_0  

Answer 7

要控制特定通道，请使用-c选项。例如：

conda search -c conda-forge jupyterlab

上面的内容还将在 中列出的渠道中进行搜索.condarc，因此为了避免这种情况（并更快地获得结果），可以使用--override-channels：

conda search -c conda-forge --override-channels jupyterlab

要仅显示特定版本之上的版本，请使用"{package}>={release}". 例如：

conda search -c conda-forge "jupyterlab>=3.5"

请注意，某些 shell（尤其是 Windows）不喜欢单引号，因此使用双引号更安全。

最后，如果您打算在程序中使用输出，为了避免解析结果，可以使用--json：

conda search -c conda-forge --override-channels --json "jupyterlab>=3.6"

这将返回：

{
  "jupyterlab": [
    {
      "arch": null,
      "build": "pyhd8ed1ab_0",
      "build_number": 0,
      "channel": "https://conda.anaconda.org/conda-forge/noarch",
      "constrains": [],
      "depends": [
        "ipython",
        "jinja2 >=2.1",
        "jupyter_core",
        "jupyter_server >=1.16.0,<3",
        "jupyter_server_ydoc >=0.6.0,<0.7.0",
        "jupyter_ydoc >=0.2.2,<0.3",
        "jupyterlab_server >=2.19,<3",
        "nbclassic",
        "notebook <7",
        "packaging",
        "python >=3.7",
        "tomli",
        "tornado >=6.1.0"
      ],
      "fn": "jupyterlab-3.6.0-pyhd8ed1ab_0.conda",
      "license": "BSD-3-Clause",
      "license_family": "BSD",
      "md5": "1a9cd36192678fc2175145c9103b95ff",
      "name": "jupyterlab",
      "noarch": "python",
      "package_type": "noarch_python",
      "platform": null,
      "sha256": "66da471830af4f5a7baa6229240c9dfe0fcc43bf20cc576067dab742bf5ec02e",
      "size": 5827178,
      "subdir": "noarch",
      "timestamp": 1675350928375,
      "url": "https://conda.anaconda.org/conda-forge/noarch/jupyterlab-3.6.0-pyhd8ed1ab_0.conda",
      "version": "3.6.0"
    },
    {
      "arch": null,
      "build": "pyhd8ed1ab_0",
      "build_number": 0,
      "channel": "https://conda.anaconda.org/conda-forge/noarch",
      "constrains": [],
      "depends": [
        "ipython",
        "jinja2 >=2.1",
        "jupyter_core",
        "jupyter_server >=1.16.0,<3",
        "jupyter_server_ydoc >=0.6.0,<0.7.0",
        "jupyter_ydoc >=0.2.2,<0.3",
        "jupyterlab_server >=2.19,<3",
        "nbclassic",
        "notebook <7",
        "packaging",
        "python >=3.7",
        "tomli",
        "tornado >=6.1.0"
      ],
      "fn": "jupyterlab-3.6.1-pyhd8ed1ab_0.conda",
      "license": "BSD-3-Clause",
      "license_family": "BSD",
      "md5": "c7de31a5b57a9fc1aa4d3fb9993819c6",
      "name": "jupyterlab",
      "noarch": "python",
      "package_type": "noarch_python",
      "platform": null,
      "sha256": "8f7d234af44356633f8d418ed3001e814215ff09cedbec9583e3fb10fb7cc5e2",
      "size": 5354015,
      "subdir": "noarch",
      "timestamp": 1675434565845,
      "url": "https://conda.anaconda.org/conda-forge/noarch/jupyterlab-3.6.1-pyhd8ed1ab_0.conda",
      "version": "3.6.1"
    }
  ]
}

Answer 8

要将冗长且加载缓慢的输出缩减conda search为适合您环境的（最新）版本，您可以使用MatchSpec过滤器，如conda Github 存储库中所述

例如，要从scikit-learn免费通道获取针对 Python 3.11 预编译的所有可用版本conda-forge，请在 Linux 终端中运行以下命令：

$ conda search "conda-forge/linux-64::scikit-learn=[build=py311*]"
Loading channels: done
# Name                       Version           Build  Channel
scikit-learn                   1.1.3 py311h3b52e38_1  conda-forge
scikit-learn                   1.2.0 py311h67c5ca5_0  conda-forge
scikit-learn                   1.2.1 py311h67c5ca5_0  conda-forge
scikit-learn                   1.2.2 py311h103fc68_1  conda-forge
scikit-learn                   1.2.2 py311h67c5ca5_0  conda-forge
scikit-learn                   1.2.2 py311hc009520_2  conda-forge
scikit-learn                   1.3.0 py311hc009520_0  conda-forge
scikit-learn                   1.3.1 py311hc009520_0  conda-forge

请注意，最新版本位于列表的底部（它们按时间顺序排序），因此可以使用 找到它tail -n1，例如：

$ conda search "conda-forge/linux-64::scikit-learn=[build=py311*]" | tail -n1 | awk '{print $2}'
1.3.1

注意事项：

• 用于version缩小主要和/或次要版本的范围是有风险的，因为version=1.*.*会错过诸如1.1或 之类的版本1，

• 设置架构（使用subdir密钥）可能linux-64会错过一些有用的 Linux 64 位软件包，如果它们存储在noarch文件夹中而不是linux-64，

• 对于某些软件包，可能需要较旧版本的Python（例如“已弃用”的版本最高为3.9 notebook）。