# 下載最新的 Anaconda
https://www.anaconda.com/products/individual

# 所有的版本
https://repo.anaconda.com/archive/

# Sublime Text 文字編輯器下載
https://www.sublimetext.com/download



### 3-1 ###

# 建立一個 Streamlit 專用的 Python 3.13 虛擬環境，名稱為 streamlit_313
>>> conda create --name streamlit_313 python=3.13

# 啟動虛擬環境 streamlit_313
>>> activate streamlit_313

# 安裝 torch, torchvision, streamlit
(streamlit_313) >>> pip install torch		(or pip install torch==2.4.1)
(streamlit_313) >>> pip install torchvision	(or pip install torchvision==0.19.1)
(streamlit_313) >>> pip install streamlit	(or pip install streamlit==1.42.0)



### 3-2 (app.py) ###

import streamlit as st    # 匯入 Streamlit 套件

st.title('我的第一個 Streamlit 應用程式')	# 設定應用程式的標題
name = st.text_input('請輸入你的名字：')	# 建立一個文字輸入欄位，讓使用者輸入名字

# 如果使用者有輸入名字，就顯示問候語和數字輸入欄位
if name:
    st.write(f'你好，{name}！')			# 顯示使用者的名字
    number = st.number_input('請輸入一個數字：', min_value = 0, max_value = 100)    # 建立一個數字輸入欄位，限制範圍為 0 到 100
    st.write('你輸入的數字是：', number)	# 顯示使用者輸入的數字



### 3-3 ###

# 切換到 app.py 所在的路徑，使用 streamlit run 命令執行 App1.py
(streamlit_313) >>> cd ch03
(streamlit_313) >>> streamlit run App1.py



### 3-4 ###

# 加上 --server.port 參數，指定 port 8888
(streamlit_313) >>> streamlit run App1.py --server.port 8888



### 3-5 (runApp1.py) ###

import os

py_file = 'App1.py'
port = 8888

def run_streamlit_app():
    command = f'streamlit run {py_file} --server.port {port}'	# 建立 Streamlit 應用的命令
    os.system(command)						# 執行 streamlit run 命令

if __name__ == '__main__':
    run_streamlit_app()



### 3-6 ###

# 執行 runApp1.py 較為方便
(streamlit_313) >>> python runApp1.py



### 3-7 (3-1.py) ###

import streamlit as st

st.title('我的 Streamlit 應用程式')		# 顯示主標題文字
st.subheader('YOLO 物體偵測介面')		# 顯示子標題文字

name = 'YOLO'		# 定義變數 name，值為字串 'YOLO'
st.write(name)		# 顯示變數 name 的內容，也就是顯示 'YOLO'
st.write('建立 **DataFrame 資料表格**：')  	# 顯示文字，並加粗 DataFrame 資料表格部分 (markdown 語法)



### 3-8 (3-2.py) ###

import streamlit as st		# 匯入 Streamlit，用來建立網頁應用程式介面
import pandas as pd		# 匯入 Pandas，用來建立和操作資料表格

... 略 ...

# 建立一個 Pandas 資料框 DataFrame
df = pd.DataFrame({
    '索引': [15, 16, 17, 18],		# 索引欄位資料
    '值': [100, 200, 300, 400]		# 對應的值欄位資料
})

# 顯示資料表格，使用 dataframe（可互動調整大小）
# width = 'stretch' 表示表格的寬度會根據容器的寬度自動拉伸
# height = 400 設定表格的高度為 400 像素
st.dataframe(df, width = 'stretch', height = 400)

name		# 再次顯示變數 name 的內容（這一行其實不會有輸出，因為沒有用 st.write()）



### 3-9 (3-3.py) ###

import streamlit as st
import pandas as pd
import numpy as np		# 匯入 NumPy，用來產生數值資料

... 略 ...

# 建立一組隨機資料用於繪圖（30 筆資料，每筆有 A、B、C 三個欄位）
chart_data = pd.DataFrame(
    np.random.randn(30, 3),		# 產生 30x3 的標準常態分布隨機數據
    columns = ['A', 'B', 'C']		# 欄位名稱
)

st.line_chart(chart_data)		# 畫出折線圖（Line Chart），將上述的隨機資料視覺化



### 3-10 (3-4.py) ###

import streamlit as st
import pandas as pd
import numpy as np

... 略 ...

# 建立隨機的 30 筆地圖座標資料
# 經緯度分別加入 [22.6, 120.4] 表示以台灣南部為中心
map_data = pd.DataFrame(
    np.random.randn(30, 2) / [50, 50] + [22.6, 120.4],		# 調整數據範圍與中心位置
    columns=['lat', 'lon']					# 欄位名稱：緯度 (lat)、經度 (lon)
)

st.map(map_data)	# 顯示地圖，並在圖上標示出隨機生成的位置點



### 3-11 (3-5.py) ###

import streamlit as st
import pandas as pd
import numpy as np

... 略 ...

# 判斷是否按下按鈕
if st.button('請按我'):			# 這行會顯示一個標題為「請按我」的按鈕
    st.text('你已經按下此按鈕!')	# 當按鈕被點擊時，顯示文字訊息「你已經按下此按鈕!」



### 3-12 (3-6.py) ###

import streamlit as st
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')  

# 建立一個勾選框，讓使用者選擇是否顯示圖表
if st.checkbox('顯示圖像'):  
    # 當使用者勾選了「顯示圖像」勾選框時，執行以下程式碼
    # 使用 numpy 生成一個 30x3 的隨機數字矩陣，並將其轉換為 pandas DataFrame 格式
    chart_data = pd.DataFrame(
        np.random.randn(30, 3),			# 產生 30x3 的標準常態分布隨機數據
        columns = ['A', 'B', 'columns']		# 欄位名稱
    )
    
    # 顯示這些隨機數據的折線圖
    st.line_chart(chart_data)



### 3-13 (3-7.py) ###

import streamlit as st
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')  

# 顯示一個選擇框，讓使用者選擇他最喜歡的電腦視覺套件
option = st.selectbox(
    '你最喜歡的電腦視覺套件?',				# 標題，詢問使用者最喜歡的電腦視覺套件
    ['OpenCV', 'MediaPipe/CVZone', 'Dlib', 'YOLO']	# 可選擇的選項列表 (串列容器)
)

# 顯示使用者的選擇
st.text('你的選擇: ' + option)		# 顯示文字「你的選擇: 」並加上使用者所選的選項



### 3-14 (3-8.py) ###

import streamlit as st
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')
st.subheader('YOLO 物體偵測介面')  

# 顯示滑桿讓使用者選擇信心指數，範圍從 30 到 100，預設值為 50
confidence = int(st.slider('選擇信心指數', 30, 100, 50))

# 顯示使用者選擇的信心指數的百分比（轉換為小數形式）
st.write(confidence / 100.0)  



### 3-15 (3-9.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')  

# 使用 with 區塊來創建表單，key 為 'register_form'
with st.form(key = 'register_form'):
    name = st.text_input(label = '姓名', placeholder = '請輸入姓名')	# 顯示姓名輸入框，並提供提示文字「請輸入姓名」
    gender = st.selectbox('性別', ['男', '女'])		# 顯示性別選擇框，選項有「男」和「女」
    birthday = st.date_input('生日')	    		# 顯示生日選擇框
    submit_btn = st.form_submit_button(label = '送出')	# 顯示送出按鈕，按下後會提交表單

if submit_btn:		# 當按下「送出」按鈕後，顯示註冊資料
    st.write(f'註冊資料: {name}, 性別: {gender}, 生日: {birthday}')



### 3-16 (3-10.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

# 在側邊欄（sidebar）建立一個滑動條（slider）
# 使用者可以在側邊欄中選擇 “信心指數”（confidence value），範圍從 30 到 100，預設為 50
# key='conf' 是這個 widget 的唯一識別符號，用於維持狀態
confidence = int(st.sidebar.slider('選擇信心指數', 30, 100, 50, key = 'conf'))

# 將使用者所選的信心指數除以 100，轉為 0.x 形式顯示在側邊欄中
st.sidebar.write(confidence / 100.0)



### 3-17 (3-11.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

# st.columns(3) 建立三個並排的欄位（左右三欄平分空間）
column1, column2, column3 = st.columns(3)

column1.write('第一欄')		# 在第一個欄位中寫入文字「第一欄」
column1.write(10)		# 在第一個欄位中，繼續寫入數值 10
column2.write('第二欄')
column2.write(20)
column3.write('第三欄')
column3.write(30)



### 3-18 (3-12.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

expander = st.expander('請點擊展開...')		# 建立一個可展開／收合的區塊 (expander)，標籤為 「請點擊展開...」

# 在 expander 裡寫入一些內容
# 使用 expander.write() 將文字「展開顯示更多內容...」顯示在這個可展開區塊裡
expander.write('展開顯示更多內容...')



### 3-19 (3-13.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

# 使用 st.tabs 建立兩個分頁（tab），標籤分別為 '一隻貓' 與 '一隻狗'
tab1, tab2 = st.tabs(['一隻貓', '一隻狗'])

with tab1:			# 進入第一個分頁 '一隻貓'
    st.header('一隻貓')		# 在 '一隻貓' 分頁中顯示副標題 '一隻貓'
    st.image('images/cat.jpg', width = 200)	# 顯示一張貓的圖片，寬度設定為 200 像素

with tab2:			# 進入第二個分頁 '一隻狗'
    st.header('一隻狗')
    st.image('images/dog.jpg', width = 200)



### 3-20 (3-14.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

if st.button('開始計數'):		# 建立一個按鈕，文字為「開始計數」。當使用者按下這個按鈕時，下面的程式區塊會執行。
    bar = st.progress(0)		# 建立一個進度條，初始值設為 0%。這會在頁面上顯示一條空進度條。
    for i in range(100):		# 進入一個從 0 到 99 的迴圈，共 100 次，用來模擬計數或某種逐步執行的工作。
        bar.progress(i + 1, f'目前進度: {i + 1} %')	# 更新進度條為第 i+1 個百分比（1% 到 100%），並顯示狀態文字「目前進度: X %」
        time.sleep(0.05)				# 暫停 0.05 秒，讓進度條的變化可以被看見，模擬某些工作在進行（如下載或處理資料）
    bar.progress(100, '載入完成...')			# 當迴圈結束後，確保進度條達 100%，並顯示文字「載入完成...」



### 3-21 (3-15.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

if st.button('儲存資料', type='primary'):	# 建立一個按鈕，文字為 '儲存資料'，type = 'primary' 表示這個按鈕是主要型按鈕（樣式比較強調）
    st.toast('編輯內容已經成功儲存...')		# 顯示一條 'toast' 通知訊息給使用者



### 3-22 (3-16.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

# 如果按下按鈕，就顯示不同種類的訊息框
if st.button('顯示訊息框', type='secondary'):
    st.success('成功...')	# 顯示綠色成功訊息
    st.info('資訊...')		# 顯示藍色資訊訊息
    st.warning('警告...')	# 顯示黃色警告訊息
    st.error('錯誤...')		# 顯示紅色錯誤訊息



### 3-23 (3-17.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')

# 建立一個按鈕，當使用者點擊時會顯示網頁特效
if st.button('顯示網頁特效'):
    st.balloons()	# 顯示彩色氣球動畫（慶祝效果）
    st.snow()		# 顯示飄雪動畫（有趣的視覺效果



### 3-24 (3-18.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')   

# 模擬使用者的聊天訊息區塊
with st.chat_message('user'):
    st.write('Hi! 請問你是誰')			# 顯示使用者的訊息

# 模擬助理的聊天訊息區塊
message = st.chat_message('assistant')		# 建立助理訊息物件
message.write('你好! LLM 可以回答你各種問題...')	# 助理回應的第一段訊息
message.write('請問我有什麼可以幫助你的嗎?')		# 助理回應的第二段訊息



### 3-25 (3-19.py) ###

import streamlit as st        
import pandas as pd
import numpy as np

st.title('我的 Streamlit 應用程式')  
st.subheader('YOLO 物體偵測介面')  

with st.chat_message('user'):  
    st.write('Hi! 請問你是誰')

message = st.chat_message('assistant')
message.write('你好! LLM 可以回答你各種問題...')
message.write('請問我有什麼可以幫助你的嗎?')

# 顯示一個聊天輸入框，提示使用者輸入訊息
user_input = st.chat_input('請輸入聊天訊息...?')

# 如果使用者有輸入訊息（也就是 user_input 不是 None）
if user_input:
    # 在聊天室中以「使用者」的身分顯示剛剛輸入的內容
    with st.chat_message('user'):
        st.write(user_input)
    
    # 接著由「助理」回應使用者的訊息
    message = st.chat_message('assistant')
    message.write('你剛剛說的是：' + user_input)



### 3-26 (App2.py) ###

import streamlit as st
import numpy as np
import pandas as pd
import time

# 設定 Streamlit 網頁的基本配置
# # 3-7-2
st.set_page_config(
   page_title = '我的Streamlit應用程式',  # 設定網頁標題
   page_icon = 'random',               # 設定網頁的圖示，可以是 emoji 或自訂圖示（此處為 'random' 表示隨機）
   layout = 'centered',                # 設定頁面版面配置（centered 為置中顯示，wide 為寬版）
   initial_sidebar_state = 'expanded', # 側邊欄初始狀態，'expanded' 表示展開；也可設為 'collapsed'
   menu_items = {                      # 自訂右上角選單項目
      'Get Help': 'https://fchart.github.io/',  # 使用者點擊 "Get Help" 時跳轉的網址
      'About': '**[fChart](https://fchart.github.io/)** 是fChart工具的網頁'  # 關於資訊，可使用 Markdown 格式
   }
)

... 略 ...


# 使用 Streamlit 的快取功能來加速資料讀取
# 3-7-1
@st.cache_data(ttl = 3600, show_spinner = '正在載入資料...')
def load_csv_data(url):
    # 從指定的 URL 讀取 CSV 資料，並回傳為 Pandas 的 DataFrame
    return pd.read_csv(url)

# 呼叫函式來載入資料，並將其存入 df 變數
df = load_csv_data('https://raw.githubusercontent.com/fchart/PythonCV/refs/heads/main/26k-consumer-complaints.csv')
# df = load_csv_data('data/26k-consumer-complaints.csv')
# 使用 Streamlit 的 dataframe 元件顯示資料表格
st.dataframe(df)



### 3-27 ###

(streamlit_313) >>> pip install ultralytics
(streamlit_313) >>> pip install opencv-python
(streamlit_313) >>> python run3-20-3.py



### 3-28 (3-20-1.py) ###

import streamlit as st
	
st.title('上傳圖檔執行YOLO物體偵測')

# 建立檔案上傳器，讓使用者上傳圖片檔案
source_img = st.file_uploader(
	label = '選擇圖檔...',                # 上傳器的提示文字
	type = ('jpg', 'jpeg', 'png', 'bmp', 'webp')  # 限定可接受的圖檔類型
)



### 3-29 (3-20-2.py) ###

import streamlit as st
from PIL import Image
from ultralytics import YOLO
	
model = YOLO('yolo12n.pt')

st.title('上傳圖檔執行YOLO物體偵測')

source_img = st.file_uploader(
	label = '選擇圖檔...',
	type = ('jpg', 'jpeg', 'png', 'bmp', 'webp')
)

# 建立兩欄位佈局，用來左右並排顯示「原圖」與「偵測結果」
col1, col2 = st.columns(2)

# 左欄位：顯示使用者上傳的原始圖片
with col1:
    if source_img:
        # 使用 PIL 開啟上傳的圖片
        uploaded_image = Image.open(source_img)
        # 顯示圖片
        st.image(image = source_img,
                 caption = '上傳圖檔',
                 use_container_width = True)

# 如果有上傳圖片，就顯示「執行」按鈕
if source_img:
    if st.button('執行'):
        # 顯示載入動畫，提示使用者正在執行中
        with st.spinner('執行中...'):
            # 使用 YOLO 模型對圖片進行預測（conf 是信心閾值，預測分數需 > 0.6 才顯示）
            res = model.predict(uploaded_image, conf = 0.6)

            # res[0].plot() 會將偵測結果畫在圖片上，回傳 numpy 陣列（BGR）
            res_plotted = res[0].plot()[:, :, ::-1]  # 將 BGR 轉為 RGB 顯示

            # 右欄位：顯示畫上偵測框的圖片結果
            with col2:
                st.image(res_plotted,
                         caption = 'YOLO 偵測結果',
                         use_container_width = True)



### 3-30 (3-20-3.py) ###

import streamlit as st
from PIL import Image
from ultralytics import YOLO
	
model = YOLO('yolo12n.pt')

st.title('上傳圖檔執行YOLO物體偵測')

source_img = st.file_uploader(
	label = '選擇圖檔...',
	type = ('jpg', 'jpeg', 'png', 'bmp', 'webp')
)

# 建立兩欄位佈局，用來左右並排顯示「原圖」與「偵測結果」
col1, col2 = st.columns(2)

# 左欄位：顯示使用者上傳的原始圖片
with col1:
    if source_img:
        # 使用 PIL 開啟上傳的圖片
        uploaded_image = Image.open(source_img)
        # 顯示圖片
        st.image(image = source_img,
                 caption = '上傳圖檔',
                 use_container_width = True)


# 檢查是否已有上傳圖片
if source_img:
    
    # 若使用者按下「執行」按鈕
    if st.button('執行'):

        # 顯示載入中動畫，提示使用者模型正在執行
        with st.spinner('執行中...'):

            # 使用 YOLO 模型進行預測，conf=0.6 為信心門檻（60%以上才顯示）
            res = model.predict(uploaded_image, conf = 0.6)

            # 將預測結果繪製在圖片上，並轉換 BGR 為 RGB（符合 Streamlit 顯示格式）
            res_plotted = res[0].plot()[:, :, ::-1]

            # 顯示右邊欄位中的預測圖片
            with col2:
                st.image(res_plotted,
                         caption = '偵測結果影像',
                         use_container_width = True)

                # 嘗試展開詳細資訊的區塊
                try:
                    # 使用 expander 顯示偵測框資料（可展開/收合）
                    with st.expander('偵測結果'):
                        
                        # 逐一讀取偵測結果中的每個「邊界框」
                        for box in res[0].boxes:
                            
                            # 取得邊界框的 xyxy 座標（左上角 x, y；右下角 x, y）
                            cords = box.xyxy[0].tolist()
                            cords = [round(x) for x in cords]  # 四捨五入為整數

                            # 取得類別 ID（例如：0 表示 'person'，1 表示 'car' 等）
                            class_id = int(box.cls[0].item())

                            # 取得信心分數（轉為百分比顯示）
                            conf = box.conf[0].item()
                            conf = round(conf * 100, 2)

                            # 顯示詳細資訊
                            st.write('分類編號:', class_id)
                            st.write('分類名稱:', model.names[class_id])
                            st.write('邊界框座標:', cords)
                            st.write('信心指數:', conf, '%')
                            st.write('------------------------')



### 3-31 (3-21-1.py) ###

import streamlit as st
import tempfile			# tempfile：用來建立臨時檔案（處理上傳影片）

st.title('上傳影片檔執行YOLO物體偵測')

# 建立影片檔上傳器
source_video = st.file_uploader(label = '選擇上傳影片檔...')

# 如果使用者有上傳影片
if source_video:
    # 顯示上傳的影片（僅播放，不進行推論）
    st.video(source_video)

    # 顯示「執行」按鈕，點下去後進行處理
    if st.button('執行'):
        with st.spinner('執行中...'):
            try:
                # 建立一個臨時檔案，用來儲存上傳的影片內容
                tfile = tempfile.NamedTemporaryFile()
                tfile.write(source_video.read())

                # 使用 OpenCV 開啟影片檔（這裡尚未匯入 cv2）
                vid_cap = cv2.VideoCapture(tfile.name)

            except Exception as e:
                # 若有錯誤，顯示錯誤訊息
                st.error(f'載入影片檔錯誤: {e}')



### 3-32 (3-21-2.py) ###

import streamlit as st
import cv2
from ultralytics import YOLO
import tempfile

model = YOLO('yolo12n.pt')

# 自訂函式：顯示 YOLO 偵測結果的影片影格
def _display_detected_frames(conf, model, st_frame, image):
    # 調整圖片大小（寬 720 px，保持 16:9 比例）
    image = cv2.resize(image, (720, int(720 * (9 / 16))))
    
    # 執行 YOLO 模型預測（物件偵測）
    res = model.predict(image, conf = conf)

    # 將預測結果畫上邊界框等資訊，回傳圖像（格式為 BGR）
    res_plotted = res[0].plot()

    # 使用 Streamlit 顯示影格
    st_frame.image(res_plotted,
                   caption = '偵測結果影片',
                   channels = 'BGR',       # OpenCV 預設是 BGR，所以這裡要指定
                   width = 'stretch')      # stretch 讓圖片自動撐滿欄位

st.title('上傳影片檔執行YOLO物體偵測')
source_video = st.file_uploader(label = '選擇上傳影片檔...')

# 如果使用者有上傳影片檔
if source_video:
    # 在頁面上播放原始影片
    st.video(source_video)

    # 按下「執行」按鈕後開始物體偵測
    if st.button('執行'):
        with st.spinner('執行中...'):  # 顯示載入動畫
            try:
                # 將上傳的影片暫存為本機臨時檔案
                tfile = tempfile.NamedTemporaryFile()
                tfile.write(source_video.read())

                # 使用 OpenCV 開啟影片
                vid_cap = cv2.VideoCapture(tfile.name)

                # 建立一個空白容器來即時更新顯示每一幀的 YOLO 偵測結果
                st_frame = st.empty()

                # 使用 while 迴圈逐幀讀取影片內容
                while vid_cap.isOpened():
                    success, image = vid_cap.read()  # 嘗試讀取一幀影像

                    if success:
                        # 對成功讀取的每一幀進行 YOLO 偵測與顯示
                        _display_detected_frames(0.6, model, st_frame, image)
                    else:
                        # 影片讀取完畢，釋放資源
                        vid_cap.release()
                        break

            except Exception as e:
                # 若過程中出錯（如影片無法讀取），顯示錯誤訊息
                st.error(f'載入影片檔錯誤: {e}')



### 3-33 ###

(streamlit_313) >>> python runApp.py



### 附錄 ###

# Step 1：安裝及更新 conda

>>> python -V			# 檢查目前 Python 版本

>>> pip list			# 檢查目前 Python 環境安裝了那些 Package

>>> conda -V			# 檢查目前 conda 版本

>>>  conda -V			# 檢查目前 conda 環境安裝了那些 Package

>>> conda update conda		# 若想要進行更新，可以輸入下列命令 (更新必須以系統管理員執行 Anaconda Prompt)



# Step 2：建立虛擬環境

>>> conda env list					# 看目前系統已經安裝幾個虛擬環境

>>> conda create --name my_313 python=3.13		# 若要建立一個叫做 my_313 的虛擬環境，並且指定最新的 Python 的版本

>>> conda create --name my_27 python=2.7		# 若要建立一個叫做 my_27 的虛擬環境，並且指定 Python 2.7 的版本

>>> conda env list					# 再次檢查目前虛擬環境



# Step 3：啟動虛擬環境

>>> activate my_27			# 啟動一個新的虛擬環境

(my_27) >>> conda list			# 檢查目前此虛擬環境中的 Conda 安裝了那些東西

(my_27) >>> pip list			# 檢查目前虛擬環境的 Python 環境，安裝了那些 Package

(my_27) >>> pip install numpy		# 要在此虛擬環境下安裝所需套件，例如：numpy



# Step 4：離開虛擬環境

(my_27) >>> deactivate			# 關閉目前的虛擬環境



# Step 5：刪除虛擬環境的 Package 或虛擬環境本身

(my_27) >>> pip uninstall numpy		# 要刪除虛擬環境中某個 Package。(例如：虛擬環境 my_27 中的 numpy)

(my_27) >>> deactivate			# 關閉目前的虛擬環境

>>> conda env remove --name my_27	# 要刪除整個虛擬環境 (不能刪除當前的虛擬環境，必須先關閉目前的虛擬環境)



# Step 6：複製虛擬環境

>>> conda create -n my_new313 --clone my_313			# 複製虛擬環境 my_313，新的虛擬環境為 my_new313



# Step 7：為虛擬環境安裝 Anaconda

>>> conda create --name my_313 python=3.13 & activate my_313		# 建一個 Python 3.13 的虛擬環境 my_313，並且切換至 my_313

(my_313) >>> conda install anaconda		# 安裝 Anaconda