Anaconda——conda和pip管理包的区别

管理包命令示例

  • conda

    • 安装包

      1
      2
      # 从虚拟环境 your_env_name 中安装 packge_name包
      conda install -n your_env_name package_name

    • 删除包

      1
      2
      # 在虚拟环境 your_env_name 中删除 package_name包
      conda remove -n your_env_name package_name

    • 关于conda 命令更多详情参考Anaconda——安装和常用命令

  • pip

    • 安装包

      1
      2
      # 安装包到默认路径
      pip install package_name

    • 卸载包

      1
      2
      # 删除包
      pip uninstall package_name

    • 查看已经安装的包

      1
      2
      3
      4
      # 列出所有包
      pip list
      # 查看指定包的详细信息
      pip show --files package_name

    • 升级包

      1
      pip install --upgrade package_name

conda install 与 pip install 的核心区别

管理范围不同

  • conda install ：通用包管理器，能安装 Python 包、C/C++ 库、命令行工具、编译器（如 OpenSSL、CUDA 工具包）
  • pip install ：仅限 Python 包，只能安装 PyPI 仓库中的 Python 代码和模块

依赖解析方式不同

  • conda install ：安装前严格检查所有依赖，包括底层系统库的版本兼容性，解析全面，安装成功率高
  • pip install ：只检查 Python 包级别的依赖，不关心系统底层库（如动态链接库是否缺失），容易因环境不匹配导致安装失败

文件放置机制不同

  • conda install：中央缓存 + 硬链接
    • 中央缓存：包首先被下载并解压到一个统一的缓存目录（如 anaconda3/pkgs）
    • 硬链接：当在某个环境（如 myenv）中安装时，conda 会在这个环境的 site-packages 目录中创建指向缓存文件的“硬链接”
      • 这能节省磁盘空间并避免重复下载
  • pip install：直接安装
    • 在当前激活的 Python 环境的 site-packages 目录中直接放入包的实际文件
    • 不使用 conda 的 pkgs 缓存，也不被 conda 管理
  • 总结
    • conda 的安装路径是 <anaconda3>/pkgs/ (缓存) 和 <anaconda3>/envs/<env_name>/lib/pythonX.X/site-packages/ (硬链接)
    • pip 的安装路径是 <anaconda3>/envs/<env_name>/lib/pythonX.X/site-packages/ (实际文件)
  • 注：
    • 如果 pip 指向的是系统 Python，包会安装到系统的 site-packages
    • 若使用 --user 选项，则会安装到用户目录
    • 在当前 conda 虚拟环境下安装时，不管是 conda install 和 pip install 安装都是为当前虚拟环境范围对齐的

元数据记录方式不同

  • conda install ：有独立数据库（conda-meta 目录），完整记录每个通过 conda 安装的包及其版本
  • pip install ：没有中央数据库，安装记录以 dist-info 或 egg-info 元数据文件夹的形式直接存放在 site-packages 目录中

彼此感知与可管理性

  • conda install 的包，pip list 会显示吗？
    • 会显示（如果是 Python 包，在 site-packages 里有元数据，pip list 扫描磁盘时能看到）
    • 但 pip 只能“看见”，无法“管理”（不能卸载、不能升级）
      • 执行 pip uninstall 会失败或残留文件
  • conda list 能感知 pip 安装的包 ：
    • conda list 会列出所有用 pip 和 conda 安装的包，且会区分两者的类型展示出来

特别注意：同名包互相覆盖（最危险的问题）

  • 由于安装和管理机制不同，混用会带来以下风险：
    • 依赖冲突 ：
      • 当 conda 后续尝试解决依赖时，可能会因为不了解 pip 安装的包而做出错误判断，导致版本冲突或环境损坏
    • 覆盖与混乱 ：pip 可能会用不同版本的文件覆盖 conda 已安装的包，导致环境状态不一致
    • 卸载不彻底 ：用 conda 安装的包，若用 pip 卸载，可能只移除部分文件，留下“孤儿文件”
  • list 动作的效果，conda list 和 pip list 都可以同时展示出两个他们安装的所有包
    • 通过 conda list 是可以同时列出包名和安装来源
    • 通过 pip list 仅列出报名，没有来源

最佳实践（但我不使用）

  • 一些规则（平时我们用的都不对）：

    • 1）优先使用 conda ：尽可能先用 conda install 安装包
    • 2）**pip 作为补充** ：仅当包在 conda 源中不存在时，才使用 pip install
    • 3）统一管理 ：通过 conda list 和 pip list 检查包，确保不被混用
    • 4）使用 environment.yml ：这是最稳健的做法。在文件中同时声明 conda 和 pip 的依赖，conda 会按顺序处理，确保环境一致性

  • 导入一个新环境的方式

    • 配置文件构造：

      1
      2
      3
      4
      5
      6
      7
      8
      9
      # environment.yml 示例
      name: myenv
      dependencies:
      	- python=3.9
      	- numpy           # conda 安装
      	- pip             # 必须包含 pip
      	- pip:
      		- requests      # pip 安装
      		- click==8.0.0

    • 然后用以下命令创建环境：

      1
      conda env create -f environment.yml