Cómo enumerar las versiones de paquetes disponibles con conda

3 minutos de lectura

avatar de usuario
pkumar0

¿HAY alguna manera de ver qué versiones de paquetes están disponibles con conda? Recibo un error con jupyter pero estaba funcionando antes. ¿Algo como la yema?

avatar de usuario
El alma del estudiante

Para buscar un paquete específico, utilice: conda search -f <package_name>. Por ejemplo, según la pregunta, para buscar todas las versiones del paquete “jupyter”, hará lo siguiente: conda search -f jupyter. Esto solo devolverá información sobre los paquetes llamados “jupyter” exactamente.

Fuente: https://docs.conda.io/projects/conda/en/latest/commands/search.html

  • Hmmm gracias pero no estoy seguro -f ya que los documentos no lo mencionan. En realidad diff <(condaw search -f jupyter) <(condaw search jupyter) |& wc -l devoluciones 0 para mi versión de conda: conda 4.7.10

    – bgoodr

    17 de agosto de 2019 a las 16:28

Simplemente puede escribir “búsqueda de conda” que le dará algo como lo siguiente.

$ 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

Para enumerar los paquetes que están instalados en su máquina anaconda

conda list

Esto es para listar todos los paquetes disponibles para anaconda

conda search

Como apéndice, puede utilizar la salida de conda search para ajustar la versión del paquete que necesita instalar. Por ejemplo, en la lista de ‘nasica88’, hay tres versiones de albaster 0.7.7 disponibles con diferentes versiones de python. Si necesita, por ejemplo, albaster 0.7.7 con python 3.4, instálelo de la siguiente manera:

$> conda install albaster=0.7.7=py34_0

Entonces, el segundo = El letrero es tu amigo aquí.

Si conoce el nombre del paquete que desea instalar, busque todas las versiones disponibles del mismo. p.ej. para el paquete pandas harás lo siguiente

conda search pandas

y luego instale la versión que desea usar

conda install pandas=1.0.2

avatar de usuario
Nathan S. Watson-Haigh

Para recortar la carga larga y lenta conda search salida solo a la(s) versión(es) (más reciente(s)) apropiada(s) para su entorno, puede usar MatchSpec filtros, como se documenta aquí en conda repositorio de Github

Por ejemplo:

$ conda search "conda-forge::*[name=scikit-learn, subdir=linux-64, build=*py37*]" | tail -n5
scikit-learn                  0.21.2  py37h627018c_0  conda-forge
scikit-learn                  0.21.2  py37hcdab131_1  conda-forge
scikit-learn                  0.21.3  py37hcdab131_0  conda-forge
scikit-learn                    0.22  py37hcdab131_0  conda-forge
scikit-learn                    0.22  py37hcdab131_1  conda-forge

Tenga en cuenta que la versión más reciente se coloca al final de la lista (están ordenadas en orden cronológico ascendente), por lo que se puede encontrar usando tail -n1p.ej:

$ conda search "conda-forge::*[name=scikit-learn, subdir=linux-64, build=*py38*]" | tail -n1 | awk {'print $2'}
$ 0.23.2

Precauciones:

  • usando version reducir la versión principal y/o secundaria es arriesgado, porque version=1.*.* echaría de menos versiones como 1.1 o 1,

  • configuración de la arquitectura (usando subdir clave para linux-64 puede perder algunos paquetes útiles de Linux de 64 bits, si están almacenados en el noarch carpeta en lugar de linux-64

avatar de usuario
Amir Fo

Para obtener la versión de cierto paquete, puede filtrarlo por grep Me gusta:

$ conda list | grep tensorflow

Resultado:

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

¿Ha sido útil esta solución?