文本适用于anaconda,miniforge等包含conda的所有软件

conda对Python虚拟环境的管理方式

• 虚拟环境均存储在./envs目录下，按照虚拟环境名称命名
• 在不同虚拟环境下，conda会切换到当前envs目录，从而实现访问不同Python和pip

pip包的管理方式

• pip对包默认存储在当前虚拟环境下的lib目录下与Python版本有关，比如，lib/python3.10/site-package
• 具体包的安装路径可使用pip show [package_name]判断
• pip是一个脚本文件，可以使用vim打开，第一行指定了当前pip对应的Python脚本位置，需要设置准确，第一行必须与当前环境下执行which python的结果一致，如果有问题可以修改到指定目录（特别是手动迁移conda管理的虚拟环境时）

如何迁移Python虚拟环境？

• 迁移虚拟环境只需要copy envs文件下下的指定环境目录即可，迁移后记得修改pip/pip3文件对应的第一行路径

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