Conda env & python 的包管理器

Python 有多种 包管理器与环境管理器 的工具,比如 venv, conda, uv 等等

1,如何看 conda的当前 env

2, python 的包 管理器的比较

一、核心对比表格(一目了然)

特性维度 pip(官方默认) conda(多语言 + 环境) poetry(项目打包 + 依赖锁定) pipenv(pip+virtualenv 整合) uv(新一代高性能)
核心定位 Python 官方基础包管理器 多语言包 + 环境管理器(跨语言) 项目依赖管理 + 打包发布工具 简化版 "pip+virtualenv" 整合工具 高性能 pip 替代(快速安装 / 解析)
管理范围 仅 Python 包 Python/R/C++ 等多语言包 仅 Python 包 仅 Python 包 仅 Python 包
环境管理 无(需搭配 virtualenv/venv) 原生支持(核心功能,环境隔离) 原生支持(自动创建虚拟环境) 原生支持(自动关联环境) 无(需搭配 venv/conda)
依赖解决 仅安装指定包,不主动解决冲突 自动分析并解决跨语言依赖冲突 严格依赖锁定(生成 poetry.lock) 依赖锁定(Pipfile.lock) 极速依赖解析(比 pip 快 10-100 倍)
依赖文件 requirements.txt(松散) environment.yml(支持版本约束) pyproject.toml + poetry.lock Pipfile + Pipfile.lock 兼容 requirements.txt/pyproject.toml
打包发布 需配合 setuptools(繁琐) 不支持打包发布 原生支持(构建 wheel/sdist,上传 PyPI) 支持但体验一般 仅依赖管理,不支持打包
跨平台兼容性 强(但部分包需系统编译) 极强(预编译包,无需编译) 强 强 强
适用场景 简单项目、快速安装包、新手入门 数据科学、AI 开发、多语言项目 Python 项目开发 + 打包发布 中小型项目、想简化 pip+venv 流程 追求极致速度的项目、大型依赖项目
优点 轻量、官方默认、生态最广 解决复杂依赖冲突、多版本切换 依赖锁定严谨、打包发布一体化 简化环境 + 依赖管理、上手简单 速度极快、兼容现有工作流
缺点 无环境管理、依赖冲突需手动处理 包体积大、非 Python 包支持有限 学习成本略高、部分老包兼容差 依赖解析速度慢、维护力度下降 无环境管理、功能单一(仅包管理)

3,总结

大多数开发者的最终组合是:conda(环境管理)+ uv(包管理) 或 poetry(依赖 + 打包),兼顾效率和规范性。

相关推荐
linweidong4 天前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
Blockbuater_drug17 天前
OpenMM分子动力学模拟02 安装:Linux:conda 一条命令装通 GPU 加速的分子模拟环境
linux·conda·cuda·gpu驱动·pythonpath·openmm安装
SoulRoar.20 天前
WSL2 + Conda 环境下MinerU 4.x GPU 服务部署与 systemd 常驻指南
conda·wsl·文档解析·mineru
benjiangliu1 个月前
恩培趣味计算机视觉-01-conda环境和Python库
开发语言·python·conda
weixin_461769401 个月前
conda create 创建容器 Failed to resolve ‘repo.anaconda.com‘问题
开发语言·python·conda·repo·网络问题·无法创建
饭来_1 个月前
Ubuntu 中出现 CondaToSNonInteractiveError 的解决方法
ubuntu·conda·debug
emo_2b1 个月前
Pycharm配置conda解释器时遇到的问题及解决方法
linux·pycharm·conda
Είναι η κοπέλα1 个月前
llama.cpp 与 GGUF 格式:本地大模型的“裸引擎“
开发语言·人工智能·pytorch·python·conda
Είναι η κοπέλα1 个月前
显存计算与模型选择:你的显卡能跑多大的模型
人工智能·pytorch·python·开源·conda
天蓝蓝的本我1 个月前
conda日常用到的命令积累1-登录linux,安装pycharm
linux·pycharm·conda