conda安装和pip安装之间的区别。函数比较等。[Python]

2019年5月26日2021年6月20日

到目前为止，只有在conda安装不可用时，pip安装才被认为是替代安装。如果我想要的软件包不在Anaconda存储库中，请使用pip进行安装，并且在某一时刻，由于这些冲突，环境已损坏。

当我以为Jupyter Notebook无法启动时，Anaconda环境已损坏

由于这是一个很好的机会，因此我研究了点差和conda之间的区别，因此在下面将其保留为备忘录。

1. conda和pip之间的区别
- 1.1. 什么是康达
- 1.2. 什么是点子
2. 每个功能的差异
3. conda安装和pip安装
4. 参考

conda和pip之间的区别

什么是康达

简而言之，它是Anaconda / Miniconda的标准包装管理器，并且是一种环境管理系统。

Anaconda是一个提供数据科学软件包的平台（如果您要了解conda和pip之间的区别，您已经知道了）。您可以同时安装Python和R等数据科学的编程语言以及统计分析和机器学习所需的软件包，并且可以立即构建使用Python的环境。
还有一个最小配置的Miniconda。

conda仅在由Anaconda安装程序或miniconda安装程序安装时才起作用。即使将conda安装在python + pip的环境中，也无法像Anaconda发行版那样使用它。

什么是点子

安装纯python随附的标准python软件包安装程序和软件包管理系统。

它从Python程序包索引（PyPI）（用于Python编程语言的存储库）下载并安装程序包。

每个功能的差异

一张简单的表格总结了conda和pip的作用。

机能	康达	点子
软件包安装和管理	可	可
切换Python版本	可	不可能（pipenv，pyenv替代）
虚拟环境管理	可	不可能（用pipenv，virtualenv，venv代替）

由于conda也是一个环境管理系统，因此您可以构建一个虚拟环境，将Python版本更改为3.7，或切换到2.7。

使用pip，您将安装和使用pyenv（版本控制）和venv（虚拟环境管理）等软件包。

最近，pipenv出现了，它似乎具有几乎可以替代conda的功能。

conda安装和pip安装

conda install和pip install的命令相似，但是安装软件包的机制似乎完全不同。在anaconda.com网站上有一个易于理解的比较表，因此，我将其引用（日语和经过修改，以使我更容易理解）。

	康达安装	点安装
包装格式	二进制的	轮或源
编译	不必要	需要
包装类型	其他语言也是可能的	仅限python
虚拟环境管理，版本管理	可能	不可能（用virtualenv，venv代替）
依赖性检查	有	なし
软件包下载源	anaconda存储库，anaconda云	聚乳酸

・ Conda支持python以外的语言

Anaconda / Miniconda是一个跨平台，允许您安装多种编程语言，例如Python，R，Ruby，Java，JavaScript，C / C ++，FORTRAN及其软件包。

conda可以在其跨平台上安装以各种语言编写的软件包。

pip只能安装在Python软件包上。

-是否需要编译

可以使用conda命令安装的1000多个软件包存储在名为Anaconda cloud的专用存储库中。

由于这些软件包是已编译的二进制文件，因此无需编译器就可以下载和安装它们。

通过pip安装的文件包含源文件，您需要在客户端上进行编译。

这可能会导致问题，具体取决于环境，这似乎是在构建环境时经常绊倒的原因之一。也许。它可能需要外部依赖。

・是否有依赖性检查

似乎pip不能确保每次安装软件包时都同时满足所有依赖性。在这种情况下，如果安装的软件包具有它们依赖的软件包的不同版本，则将发生冲突。

conda通过提供一个SAT求解器来支持这一点，该求解器收集所有包的元数据以了解依赖关系。在安装时，快速了解软件包之间的复杂依赖性，并执行适当的更新和安装。

・执行速度的差异

还有信息表明，在conda中安装numpy的矩阵运算速度更快。它取决于计算类型，但似乎相差不止一倍。

BLAS（基本线性代数子程序）有多种实现方法，它们可以实际处理NumPy调用的矩阵运算，其中之一是Intel开发的Intel MKL（数学内核库）。实际上，Anaconda安装的从NumPy调用的BLAS是MKL，但是当NumPy安装有pip时，通常会使用称为OpenBLAS的BLAS，因此这里的性能可能会有所不同。
Anaconda的NumPy和pip-Orizuru之间的NumPy速度差异

BLAS是一个执行基本矩阵和矢量计算的库。 numpy库中有更多活蚂蚁，我不确定...

接下来的页面详细概述了“计算处理速度实际取决于BLAS的不同而实际变化多少”和“如何确定您的环境中使用哪种BLAS”。如果您喜欢，请参考。

看来，计算速度会根据用于Numpy的BLAS而变化[Python]

那就是conda和pip之间的区别。