文章目录
python_1">一. python包管理概述
condaAnaconda_3">1. miniforge、Miniconda与Anaconda
- Anaconda 和 Miniconda 是一个公司的产品，商用是付费的，个人暂时免费；
- Anaconda = Miniconda + more packages。
Miniconda = Python + conda，安装最小的支持包，如openssl, ncurses…
Anaconda = Python + conda + meta package 安装至少不低于400个常见的支持包，如curl, numpy, pandas…
Miniconda vs Miniforge
-
miniforge是由社区主导，用GitHub托管，完全免费，使用 （而且只用）conda-forge 作为（默认）下载channel，避开了Anaconda的repository，从而也就避开了商业使用被Anaconda追责的问题。
-
Miniforge是由社区主导，用GitHub托管，完全免费。
channel的定义
conda channels (源) 是 packages 存储的位置，也即是你是从哪个来源下载这个包，对应到conda内部处理则是下载文件的链接。因为不同源会有相同名字的包，因此必须指定来源，同时安装conda的时候也会有一个默认的channel。目前主流的就是 conda-forge，齐全且更新快。如果有多个channel，他们会按顺序确定优先级，优先的源上找不到，就会到下一个优先级的源上去找。
还可以设置channel的优先级是否strict，如果是strict的话，则只会在这一个源上查找。
MacOS上的支持
-
Miniforge 比 Anaconda、Miniconda 更早支持了Apple M1芯片。在苹果官方的Tensorflow加速训练教程中也是推荐的Miniforge。
-
Miniforge相比Anaconda更为灵活轻便，安装体积小、运行速度快、支持mamba、支持PyPy等。
condapip_67">2. conda与pip的区别是什么？
Conda 和 pip 都是 Python 的包管理工具，但它们有一些区别，主要体现在以下几个方面：
- 包管理范围：
- pip：是 Python 的默认包管理器，主要用于安装和管理 Python 包（也称为模块或库），这些包通常发布在 Python Package Index（PyPI）上。
- Conda：是一个跨平台的包管理器和环境管理器，不仅可以管理 Python 包，还可以管理任何语言的软件包。
- 环境管理：
- pip：虽然可以安装和管理 Python 包，但本身并没有直接提供环境管理的功能。通常需要结合 virtualenv 或者 venv 等工具来创建和管理虚拟环境。
- Conda：除了包管理外，还具有强大的
环境管理功能。Conda 可以创建、导出、复制和删除环境，允许用户在不同的项目中使用不同版本的软件包及其依赖项。
总结
如果需要多个python环境，最好使用conda，因为它可以做创建多个py虚拟环境，互不影响（不同的项目依赖的python 包版本不一致）。
pipconda_97">3. pip与conda配合使用
pip不像conda一样，它不知道环境，我们首先要确保我们用的是本环境的pip，这样pip install时，包才会创建到本环境中。
用下面命令查看我们此时用的pip为哪个环境：
which -a pip
# macos
whereis pip
# pip: /Users/lianggao/miniforge3/envs/pp/bin/pip
当我们自己创建的conda环境里没有pip，此时进入自己的conda环境也会默认用base环境的pip，这就需要将pip安装入本环境。（尽量不要使用base的pip在其他环境装包，这样也会装在base环境中，有产生版本冲突的可能。）
#（进入环境后）
conda install pip
condapy_125">二. 使用conda管理不同py环境
1. 创建一个环境
# 创建环境，
conda create --name myenv python=3.8
conda activate myenv
python3 --version
## 安装包命令
conda install numpy pandas matplotlib
python3 -m pip install ...
arch -arm64 zsh
2. 解决冲突
The conflict is caused by:
paddlepaddle 2.6.1 depends on protobuf>=3.20.2; platform_system != "Windows"
paddlepaddle 2.6.0 depends on protobuf>=3.20.2; platform_system != "Windows"
。。。
To fix this you could try to:
1. loosen the range of package versions you've specified
2. remove package versions to allow pip attempt to solve the dependency conflict
ERROR: ResolutionImpossible: for help visit https://pip.pypa.io/en/latest/topics/dependency-resolution/#dealing-with-dependency-conflicts
放宽版本要求：
如果你的项目允许，可以尝试放宽对 protobuf 的版本要求。例如，将 <=3.20.0, >=3.1.0 改为 >=3.1.0。这将让 pip 更有可能找到一个满足条件的版本，并解决依赖冲突。
python3 -m pip install "protobuf>=3.20.2; platform_system != 'Windows'"
三. 命令合集
conda_186">1. conda
1.1. 常用
conda create --name myenv python=3.8
# 激活环境
conda activate ppfast
# 推出当前环境
conda deactivate
# 查看当前环境所依赖的包
conda list
# 激活conda 环境后pip命令就可以使用了。一般这样使用：
python3 -m pip install xxx
# 修改conda的python版本
conda install python=3.10
# 查看拥有的环境
conda info --envs
1.2. 环境管理
##创建环境
conda create --name your_env_name
##创建制定python版本的环境
conda create --name your_env_name python=2.7
conda create --name your_env_name python=3
conda create --name your_env_name python=3.5
##创建包含某些包的环境
conda create --name your_env_name numpy scipy
##创建指定python版本下包含某些包的环境
conda create --name your_env_name python=3.5 numpy scipy
##列举当前所有环境
conda info --envs
## 列举当前环境下所有包
conda env list
## 进入某个环境
activate your_env_name
## 退出当前环境
deactivate
## 复制某个环境
conda create --name new_env_name --clone old_env_name
## 删除某个环境
conda remove --name your_env_name --all
condapiprequirementstxt_254">1.3. conda分享环境与pip生成requirements.txt
通过分享你的 environment.yml 文件，别人就可以从该文件中创建与你一模一样的环境。
## 在当前环境生成一个environment.yml
conda env export > environment.yml
## 将该文件放在工作目录下，可以通过以下命令从该文件创建环境
conda env create -f environment.yml
# 生成requirements文件
pip freeze > requirements.txt
1.4. 包管理
# 列举当前活跃环境下的所有包
conda list
# 列举一个非当前活跃环境下的所有包
conda list -n your_env_name
# 为指定环境安装某个包
conda install -n env_name package_name
condapip_291">2. 依赖没有在conda源内时，使用pip
如果不能通过conda install来安装，可以直接用pip直接安装。
#pip安装项目依赖
python3 -m pip install -r requirements.txt
# 查看当前环境所依赖的包
conda list
condarequirementtxt_304">3. 使用conda安装requirement.txt依赖
除了使用pip命令来安装requirement.txt依赖，也可以使用conda命令来安装。
python">conda install --yes --file requirements.txt
python">
while read requirement; do conda install --yes $requirement || pip install $requirement; done < requirements.txt
将依赖生成文件
python"># Export to .yml file
conda env export > freeze.yml
# To reproduce:
conda env create -f freeze.yml
参考：
https://stackoverflow.com/questions/35802939/install-only-available-packages-using-conda-install-yes-file-requirements-t
