Conda 설치 및 사용 가이드 — Python 환경 관리의 정석

Conda가 필요한 이유

Python 프로젝트마다 필요한 라이브러리 버전이 다릅니다. 프로젝트 A는 numpy 1.24, 프로젝트 B는 numpy 2.0을 요구하면 충돌이 발생합니다. Conda는 프로젝트별 독립 환경을 만들어 이 문제를 해결합니다.

pip + venv와의 차이:

항목	pip + venv	Conda
Python 버전 관리	별도 설치 필요 (pyenv 등)	Conda가 직접 관리
비Python 패키지	설치 불가 (시스템 의존)	C 라이브러리, CUDA 등 포함 설치
의존성 해결	설치 순서에 따라 충돌 가능	SAT solver로 호환성 검증
용도	순수 Python 프로젝트	데이터 과학, ML, 과학 계산

데이터 과학이나 머신러닝 프로젝트라면 Conda를 권장합니다. 순수 웹 개발이라면 pip + venv로 충분합니다.

Miniconda vs Anaconda

항목	Miniconda	Anaconda
크기	~80MB	~4.5GB
포함 패키지	conda + Python만	conda + 300개 이상 패키지
권장 대상	필요한 것만 설치하고 싶은 개발자	설치 즉시 pandas, numpy 등을 쓰고 싶은 초보자

Miniconda를 권장합니다. 필요한 패키지만 설치하므로 디스크 절약이 크고, 환경이 깔끔합니다.

설치 방법

Windows

# 1. Miniconda 설치 파일 다운로드
# https://docs.conda.io/en/latest/miniconda.html 에서 Windows 64-bit 다운로드

# 2. 설치 실행 후 "Add to PATH" 옵션은 체크하지 않음 (권장)
# → 대신 "Anaconda Prompt" 또는 "Miniconda Prompt"를 사용

# 3. 설치 확인 (Anaconda Prompt에서)
conda --version
# conda 24.9.2

python --version
# Python 3.12.7

macOS / Linux

# 1. 설치 스크립트 다운로드 및 실행
# macOS (Apple Silicon)
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

# macOS (Intel)
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh

# Linux
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 2. 쉘 재시작 또는 설정 반영
source ~/.bashrc    # bash
source ~/.zshrc     # zsh

# 3. 설치 확인
conda --version
# conda 24.9.2

설치 중 “Do you wish to update your shell profile to automatically initialize conda?” 질문에 yes를 선택하세요. 터미널을 열 때마다 자동으로 conda가 활성화됩니다.

가상환경 관리

환경 생성

# Python 3.12로 새 환경 생성
conda create -n myproject python=3.12
# Proceed ([y]/n)? y

# 환경 활성화
conda activate myproject
# (myproject) $    ← 프롬프트 앞에 환경 이름 표시

# Python 버전 확인
python --version
# Python 3.12.7

# 환경 비활성화
conda deactivate

-n은 환경 이름입니다. 프로젝트별로 의미 있는 이름을 붙이세요 (예: ml-project, web-api, data-analysis).

환경 목록과 삭제

# 모든 환경 목록
conda env list
# base                  *  /home/user/miniconda3
# myproject                /home/user/miniconda3/envs/myproject
# ml-project               /home/user/miniconda3/envs/ml-project

# 환경 삭제
conda env remove -n myproject

# 환경 복제 (기존 환경을 기반으로 새 환경 생성)
conda create -n myproject-v2 --clone myproject

환경 내보내기와 재현

팀원이나 서버에서 동일한 환경을 재현할 때 사용합니다.

# 환경을 YAML 파일로 내보내기
conda activate myproject
conda env export > environment.yml

# YAML 파일로 환경 생성 (다른 PC에서)
conda env create -f environment.yml

# 크로스 플랫폼용 (OS 의존 빌드 번호 제외)
conda env export --no-builds > environment.yml

environment.yml 예시:

name: myproject
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.12
  - numpy=2.1
  - pandas=2.2
  - scikit-learn=1.5
  - pip:
      - fastapi==0.115.0     # pip 전용 패키지도 포함 가능
      - uvicorn==0.32.0

패키지 관리

conda install

# 패키지 설치
conda install numpy pandas matplotlib

# 특정 버전 설치
conda install numpy=2.1

# conda-forge 채널에서 설치 (최신 버전이 더 빠르게 올라옴)
conda install -c conda-forge jupyterlab

# 설치된 패키지 목록
conda list
# Name            Version    Channel
# numpy           2.1.3      conda-forge
# pandas          2.2.3      conda-forge
# python          3.12.7     conda-forge

# 패키지 검색
conda search pytorch

# 패키지 삭제
conda remove matplotlib

conda-forge 채널

기본 defaults 채널보다 conda-forge가 패키지가 더 많고 업데이트가 빠릅니다. 기본 채널로 설정하면 편합니다.

# conda-forge를 기본 채널로 설정
conda config --add channels conda-forge
conda config --set channel_priority strict

# 설정 확인
conda config --show channels
# channels:
#   - conda-forge
#   - defaults

conda + pip 혼용

Conda에 없는 패키지는 pip으로 설치할 수 있습니다. 단, 순서가 중요합니다.

# 올바른 순서: conda 먼저 → pip 나중에
conda install numpy pandas scikit-learn    # conda로 설치 가능한 것 먼저
pip install some-rare-package              # conda에 없는 것만 pip으로

# 잘못된 순서: pip 먼저 설치 후 conda install
# → conda가 pip 설치 패키지를 인식하지 못해 충돌 가능

자주 쓰는 명령어 정리

명령어	설명
conda create -n 이름 python=버전	새 환경 생성
conda activate 이름	환경 활성화
conda deactivate	환경 비활성화
conda env list	환경 목록
conda env remove -n 이름	환경 삭제
conda install 패키지	패키지 설치
conda list	설치된 패키지 목록
conda update conda	conda 자체 업데이트
conda update --all	환경의 모든 패키지 업데이트
conda env export > environment.yml	환경 내보내기
conda env create -f environment.yml	환경 재현
conda clean --all	캐시/미사용 패키지 정리 (디스크 절약)

실전 팁

base 환경에 패키지를 설치하지 마세요. base는 conda 자체를 관리하는 환경입니다. 항상 새 환경을 만들어서 작업하세요.

# base 환경 자동 활성화 끄기 (선택 사항)
conda config --set auto_activate_base false
# → 터미널 열 때 (base) 표시가 사라짐
# → 필요할 때 conda activate base로 수동 활성화

환경이 느려졌다면 conda clean으로 캐시를 정리하세요. 수 GB를 회복할 수 있습니다.

# 캐시, 미사용 패키지, tarball 전부 정리
conda clean --all
# Total:  3.2 GB
# Proceed ([y]/n)? y

libmamba solver를 사용하면 의존성 해결 속도가 크게 빨라집니다. Conda 23.10부터 기본 solver로 채택되었지만, 이전 버전이라면 수동 설정하세요.

# solver 확인
conda config --show solver
# solver: libmamba    ← 이미 설정되어 있으면 OK