Question

我在安装SciPy时遇到问题，最近发现Conda，特别是在我正在开发的Heroku应用程序上。

使用Conda，您可以创建与virtualenv非常相似的环境。我的问题是：

如果我使用Conda，它会取代对virtualenv的需求吗？如果没有，我该如何将两者结合使用？我是在Conda中安装virtualenv，还是在virtualenv中安装Conda？
我还需要使用pip吗？如果是这样，我还能在隔离环境中安装带有pip的软件包吗？

Answer 1

Conda取代了virtualenv。在我看来它更好。它不仅限于Python，也可以用于其他语言。根据我的经验，它提供了更加顺畅的体验，特别是对于科学包装。我第一次在Mac上正确安装MayaVi时使用conda。
您仍然可以使用pip。实际上，conda会在每个新环境中安装pip。它知道pip安装的软件包。

例如：

conda list

列出当前环境中所有已安装的软件包。 Conda安装的软件包显示如下：

sphinx_rtd_theme          0.1.7                    py35_0    defaults

以及通过pip安装的内容如下：

wxpython-common           3.0.0.0                   <pip>

Answer 2

简短的回答是，你只需要conda。

Conda在单个软件包中有效地结合了pip和virtualenv的功能，因此如果您使用conda，则不需要virtualenv。
你会惊讶于conda支持多少个包。如果还不够，你可以在conda下使用pip。

这是conda页面的链接，比较conda，pip和virtualenv：

https://docs.conda.io/projects/conda/en/latest/commands.html#conda-vs-pip-vs-virtualenv-commands

Answer 3

虚拟环境和pip

我将在Anaconda中添加creating和removing conda环境很简单。

> conda create --name <envname> python=<version> <optional dependencies>

> conda remove --name <envname> --all

在activated environment中，通过conda或pip安装软件包：

(envname)> conda install <package>

(envname)> pip install <package>

这些环境与conda's pip-like package management紧密相关，因此创建环境并安装Python和非Python包都很简单。

<强> Jupyter

此外，环境中的installing ipykernel会在Jupyter笔记本的内核下拉菜单中添加新列表，从而将可重现的环境扩展到笔记本电脑。从Anaconda 4.1开始，nbextensions were added，更容易为笔记本添加扩展。

<强>可靠性

根据我的经验，conda在安装numpy和pandas等大型库时更快，更可靠。此外，如果您希望转移保存的环境状态，可以通过sharing或cloning环境转移。

Answer 4

我同时使用和（截至2020年1月）它们之间存在一些肤浅的差异，因此对我来说它们具有不同的用法。默认情况下，Conda倾向于在中央位置为您管理一系列环境，而virtualenv在当前目录中创建一个文件夹。如果您是（例如）前者（集中式）很有意义做机器学习，只有几个广泛的环境，您可以在许多项目中使用它们，并希望从任何地方跳入这些环境。如果您正在做的一次性项目具有完全不同的lib需求集，而这些需求实际上更多地属于项目本身，那么后者（每个项目文件夹）就很有意义。

Conda创建的空白环境约为122MB，而virtualenv约为12MB，因此，这是您可能不希望将Conda环境分散到各处的另一个原因。

最后，表明Conda首选集中式env的另一个表面现象是（同样，默认情况下），如果您确实在自己的项目文件夹中创建了Conda env并激活它，则出现在外壳中的名称前缀也是（同样长）文件夹的绝对路径。您可以通过给它命名来解决该问题，但是virtualenv默认情况下会做正确的事情。

我希望随着两个程序包管理者争夺霸主地位，该信息会迅速过时，但这是今天的权衡：）

Answer 5

安装Conda将使您能够根据需要创建和删除python环境，从而为您提供与virtialenv相同的功能。

如果是两个发行版，您将能够创建一个独立的文件系统树，您可以根据需要安装和删除python包（可能是pip）。如果您希望针对不同的用例使用相同库的不同版本，或者您只是想尝试一些分发并在保留磁盘空间后将其删除，那么这可能会派上用场。

差异：

许可协议。虽然virtualenv属于最自由的MIT license，Conda使用3条BSD许可。

Conda为您提供了自己的包裹控制系统。这个包控制系统经常提供流行的非python软件的预编译版本（对于大多数流行的系统），这可以很容易地使一些机器学习包工作。也就是说，您不必为您的系统编译优化的C / C ++代码。虽然这对我们大多数人来说是一个很大的缓解，但它可能会影响这些图书馆的表现。

与virtualenv不同，Conda至少在Linux系统上复制了一些系统库。这些库可能会不同步，导致程序行为不一致。

判决：

Conda很棒，应该是您开始使用机器学习的默认选择。这将节省你一些时间搞乱gcc和众多包。然而，康达不会取代virtualenv。它引入了一些可能并不总是需要的额外复杂性。它有不同的许可证。您可能希望避免在分布式环境或HPC硬件上使用conda。

Answer 6

另一个新选项和我当前首选的启动和运行环境的方法是Pipenv

目前，它是Python.org官方推荐的Python打包工具

Answer 7

1.不，如果您使用 conda，则不需要使用任何其他工具来管理虚拟环境（例如 venv、virtualenv、pipenv 等）。也许有一些边缘情况 conda 不包括但 virtualenv（更重量级）可以，但到目前为止我还没有遇到过。

2.是的，您不仅可以继续使用 pip，而且您可能必须这样做。 conda 包存储库包含的比 pip 少，因此 conda install 有时无法找到您要查找的包，如果它不是数据科学包，则更是如此。而且，如果我没记错的话，conda 的存储库的更新速度/频率不如 pip，所以如果您想使用最新版本的软件包，pip 可能再次成为您唯一的选择。

注意：如果 pip 命令在 conda 虚拟环境中不可用，您必须先安装它，点击：

conda 安装 pip

Answer 8

是的，conda比virtualenv更容易安装，并且几乎取代了后者。

Answer 9

我在公司工作，在几台没有管理员权限的计算机的防火墙后面

以我在python的有限经验（两年），我遇到了几个库（JayDeBeApi，sasl），这些库通过pip安装时会抛出C ++依赖错误错误：需要Microsoft Visual C ++ 14.0。使用“ Microsoft Visual C ++生成工具”获取它：http://landinghub.visualstudio.com/visual-cpp-build-tools

这些与conda配合良好，因此从那以后我开始使用conda env。但是要阻止conda在我没有写权限的c.programfiles内部安装依赖关系并不容易。

Conda是否取代了virtualenv的需求？

9 个答案:

差异：

判决：