康达能否取代对virtualenv的需求？

我在安装SciPy时遇到了麻烦，最近发现了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十分相似的环境。我的问题是：

1. 如果我使用Conda，它将取代对virtualenv的需求吗？如果没有，如何将两者一起使用？是否在Conda中安装virtualenv或在virtualenv中安装Conda？
2. 我还需要使用点子吗？如果是这样，我仍然可以在隔离的环境中使用pip安装软件包吗？

1. 康达取代了virtualenv。我认为这更好。它不仅限于Python，还可以用于其他语言。以我的经验，它提供了更加流畅的体验，尤其是对于科学包装。我第一次在Mac上正确安装MayaVi是使用conda。

2. 您仍然可以使用pip。实际上，conda安装pip在每个新环境中。它知道有关pip安装的软件包的信息。

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

并通过安装的pip带有<pip>标记：

wxpython-common           3.0.0.0                   <pip>

简短的答案是，您只需要conda。

1. Conda在单个软件包中有效地结合了pip和virtualenv的功能，因此，如果您使用的是conda，则不需要virtualenv。

2. 您会惊讶conda支持多少个软件包。如果还不够，可以在conda下使用pip。

这是到conda页面的链接，用于比较conda，pip和virtualenv：

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

虚拟环境和 pip

我会补充说，使用Anaconda可以轻松创建和删除 conda环境。

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

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

在激活的环境中，通过conda或安装软件包pip：

(envname)> conda install <package>

(envname)> pip install <package>

这些环境与conda的pip式软件包管理紧密相关，因此创建环境以及安装Python和非Python软件包都很简单。

朱皮特

此外，在环境中安装ipykernel在Jupyter笔记本的“内核”下拉菜单中会添加一个新列表，从而将可复制的环境扩展到笔记本。从Anaconda 4.1开始，添加了nbextensions，更轻松地为笔记本添加了扩展名。

可靠性

以我的经验，conda在安装大型库（例如numpy和）时更快，更可靠pandas。此外，如果您希望转移环境的保留状态，则可以通过共享或克隆环境来实现。

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virtualenv相同的功能。。

对于这两种发行版，您将能够创建一个隔离的文件系统树，在其中您可以根据需要安装和删除python软件包（可能是pip）。如果您想为不同的用例使用同一个库的不同版本，或者只想尝试进行一些发行并将其删除以节省磁盘空间，则可能会派上用场。

差异：

许可协议。虽然virtualenv已获得MIT最宽松的许可证，但Conda使用3条款BSD许可。

康达为您提供了自己的包装控制系统。这个程序包控制系统通常提供流行的非python软件的预编译版本（对于大多数流行的系统），这可以很容易地使某些机器学习程序包正常工作。也就是说，您不必为系统编译优化的C / C ++代码。虽然这对我们大多数人来说是一个很大的缓解，但它可能会影响此类库的性能。

与virtualenv不同，Conda至少在Linux系统上复制了一些系统库。该库可能不同步，从而导致程序行为不一致。

判决：

Conda很棒，应该是您开始机器学习之路的默认选择。它将为您节省一些时间，使他们无法使用gcc和许多软件包。但是，Conda并没有取代virtualenv。它引入了一些额外的复杂性，而这些复杂性可能并非总是需要的。它具有不同的许可。您可能要避免在分布式环境或HPC硬件上使用conda。

我同时使用和（截至2020年1月）它们具有一些肤浅的差异，因此适合我的不同用法。通过默认康达更喜欢在一个中央位置来管理你的环境的列表，而使得的virtualenv在当前目录中的文件夹。前者（集中式）在您进行机器学习时才有意义，例如，您有几个广泛的环境可用于许多项目，并且想从任何地方跳入其中。如果您正在做一些一次性项目，这些项目具有完全不同的lib需求集，而lib需求集实际上更多地属于项目本身，则后者（每个项目文件夹）才有意义。

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

最后，表明Conda偏爱其集中式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一个Conda env并激活它，则出现在外壳中的名称前缀是（太长）绝对值文件夹的路径。您可以通过给它命名来解决该问题，但是virtualenv默认情况下做对了。

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

Pipenv是另一个新的选择，也是我当前首选的启动和运行环境的方法。

目前，它是Python.org官方推荐的Python打包工具

是的，conda它比容易安装得多virtualenv，并且几乎可以替代后者。

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

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

这些用conda安装得很好，因此从那以后，我开始使用conda env。但是要阻止conda从c.programfiles里面安装依赖项并不容易，因为我没有写权限。