pip 和 conda 有什么区别？答案

【问题标题】：What is the difference between pip and conda?pip 和 conda 有什么区别？
【发布时间】：2014-01-26 11:57:39
【问题描述】：

我知道pip 是python 包的包管理器。但是，我在IPython的网站上看到安装使用conda来安装IPython。

我可以使用pip 来安装 IPython 吗？我已经有pip，为什么还要使用conda 作为另一个python 包管理器？

pip 和 conda 有什么区别？

【问题讨论】：

一个区别是 pip 比 conda 可以安装更多的东西：pip 可以在一个命令中从 pypi 安装任何东西。 conda 需要三个命令：skeleton、build、install，如果不起作用，可能还需要更多命令。 pip 可以在一个命令中从 github 或源安装任何东西。 conda 需要编写一个“配方”，这并不容易，尤其是因为文档似乎总是不正确/过时。
相关问题：pip 比 conda 有什么优势？我在下面看到了很多 Anaconda 的宣传，但一点也没有。如果 anaconda 如此出色，为什么 pip 仍然是标准？
我觉得这句话很有启发性：“Pip 是包管理器，Virtualenv 是环境管理器。Conda既是。” (ref.)
观察：我以前认为 conda 暗示要下载无数个包，但这显然不再正确：您可以安装 miniconda，它似乎本质上只是包管理器，conda.io/docs/install/quick.html
@RichLysakowskiPhD 如何从 pypi 安装？

标签： python pip ipython package-managers conda

【解决方案1】：

引用Conda blog:

涉足python世界这么久，我们都知道pip、easy_install、virtualenv，但是这些工具并不能满足我们所有的具体要求。主要问题是他们专注于 Python，忽略了非 Python 库依赖，例如 HDF5、MKL、LLVM 等，它们的源代码中没有 setup.py，也没有将文件安装到 Python 的站点-packages 目录。

因此，Conda 是一个打包工具和安装程序，旨在做的不仅仅是 pip 所做的；处理 Python 包以及 Python 包本身外部的库依赖项。 Conda 还创建了一个虚拟环境，就像 virtualenv 所做的那样。

因此，应该将 Conda 与 Buildout 进行比较，这是另一个可以让您同时处理 Python 和非 Python 安装任务的工具。

由于 Conda 引入了一种新的打包格式，您不能将pip 和 Conda 互换使用； pip 无法安装 Conda 包格式。您可以并排使用这两个工具（通过安装 pip 和 conda install pip），但它们也不能互操作。

自从写下这个答案后，Anaconda 已经发布了new page on Understanding Conda and Pip，这也与此相呼应：

这突出了 conda 和 pip 之间的关键区别。 Pip 安装 Python 包，而 conda 安装可能包含以任何语言编写的软件的包。例如，在使用 pip 之前，必须通过系统包管理器或下载并运行安装程序来安装 Python 解释器。另一方面，Conda 可以直接安装 Python 包和 Python 解释器。

还有更多

有时需要一个包，它不能作为 conda 包提供，但可以在 PyPI 上使用，并且可以使用 pip 安装。在这些情况下，尝试同时使用 conda 和 pip 是有意义的。

【讨论】：

感谢您的解释。但是，我仍然对 Conda 是否可以取代 pip 感到困惑？即，Conda 能做 pip 能做的所有事情吗？
@lazywei：我不认为它可以；例如，Conda 似乎不支持 wheel 存档格式。他们有不同的目标。
@naught101 "只需创建一个食谱" 这不像输入 pip install 那样简单。
能否向我解释一下，如果您使用 pip 和 conda 安装相同的包，但版本不同，python 导入它们时会使用哪个包？
@jrh：使用 OS 包管理器时，不能并排安装同一个包的多个版本，而不是作为核心功能。 Conda 管理环境，每个环境都有自己的特定版本的已安装包组合。因此，项目 A 已经开发了一段时间，仍然可以使用旧版本的库 Foo（没有资源可用于升级项目以使用新版本），而项目 B 需要同一库的最新版本。

【解决方案2】：

免责声明：这个答案描述了十年前的情况，当时 pip 不支持二进制包。 Conda 专门用于更好地支持构建和分发二进制包，特别是具有 C 扩展的数据科学库。作为参考，pip 仅获得了对带有轮子的便携式二进制包（2013 年 pip 1.4）和manylinux1 规范（2016 年 3 月 pip 8.1）的广泛支持。请参阅more recent answer 了解更多历史记录。

这是一个简短的摘要：

点

仅限 Python 包。
从源代码编译所有内容。 编辑：pip 现在安装二进制轮子（如果可用）。
得益于核心 Python 社区（即 Python 3.4+ 包含自动引导 pip 的代码）。

康达

Python 不可知论。现有包的主要重点是 Python，Conda 本身确实是用 Python 编写的，但您也可以拥有用于 C 库或 R 包或其他任何东西的 Conda 包。
安装二进制文件。有一个名为 conda build 的工具可以从源代码构建包，但 conda install 本身会从已构建的 Conda 包中安装东西。
外部。 Conda 是 Continuum Analytics 提供的 Python 发行版 Anaconda 的包管理器，但它也可以在 Anaconda 之外使用。您可以通过 pip 安装将其与现有 Python 安装一起使用（尽管不建议这样做，除非您有充分的理由使用现有安装）。

在这两种情况下：

用 Python 编写
开源（Conda 是 BSD，pip 是 MIT）

Conda 的前两个要点确实使它在许多软件包中优于 pip。由于 pip 是从源代码安装的，因此如果您无法编译源代码，使用它安装东西可能会很痛苦（这在 Windows 上尤其如此，但如果包有一些困难的 C 或 FORTRAN 库，它甚至在 Linux 上也是如此依赖项）。 Conda 从二进制安装，这意味着有人（例如，Continuum）已经完成了编译包的艰苦工作，因此安装很容易。

如果您有兴趣构建自己的软件包，也会有一些差异。例如，pip 是在 setuptools 之上构建的，而 Conda 使用自己的格式，这种格式有一些优点（比如是静态的，并且与 Python 无关）。

【讨论】：

pip 不再从源代码构建所有内容。如果轮子可用，pip install --use-wheel <package> 将安装一个内置包。见这里：wheel.readthedocs.org/en/latest。然而，我对轮子的个人经验是，可用的科学轮子包太少了，它纯粹是学术性的。当然，如果您的构建环境设置不正确，那么 pip install 在 Windows 上大多也不起作用。所以目前，conda ftw。
轮子仍然是新的，默认情况下不使用，所以它们的数量并不多也就不足为奇了。不过，Wheel 仍然适合“特定于 Python”的类别，这意味着它可能不适合非 Python 包或依赖于非 Python 包的 Python 包。
我不得不对此投反对票：第二个要点现在只是一个历史记录，但你稍后也会继续。如今的主要区别在于 pip 是一个包管理器，而 conda 更像是一个环境管理器。
确实 pip 可以从源代码编译，但随着越来越多的包转移到轮子上，这种情况变得越来越少：这些天我可以用 pip 在几秒钟内安装大部分我需要的东西。所以并不是这个答案是错误的，它只是变得有点过时了，因为 pip 在过去几年里有了很大的改进
确实从来没有 pip 只能从源安装。在轮子之前，我们将鸡蛋作为默认的二进制安装格式和推荐的 Windows 安装分发格式，如果这是最好的可用选项，pip 会（并且仍然会）安装鸡蛋。

【解决方案3】：

其他答案给出了对细节的公平描述，但我想强调一些高层次的观点。

pip 是一个包管理器，便于安装、升级和卸载 python 包。它也适用于虚拟 python 环境。

conda 是任何软件（安装、升级和卸载）的包管理器。它也适用于虚拟系统环境。

conda 的设计目标之一是方便用户所需的整个软件堆栈的包管理，其中一个或多个 python 版本可能只是一小部分。这包括低级库（例如线性代数）、编译器（例如 Windows 上的 mingw）、编辑器、版本控制工具（例如 Hg 和 Git），或其他需要分发和管理的工具。

对于版本管理，pip 允许您在多个 python 环境之间切换和管理。

Conda 允许您在多个通用环境之间切换和管理，在这些环境中，多个其他东西的版本号可能会有所不同，例如 C 库、编译器、测试套件或数据库引擎，以及以此类推。

Conda 并非以 Windows 为中心，但在 Windows 上，当需要安装和管理需要编译的复杂科学软件包时，它是目前可用的卓越解决方案。

当我想到我在 Windows 上尝试通过 pip 编译许多这些软件包时浪费了多少时间，或者在需要编译时调试失败的 pip install 会话时，我想哭。

最后一点，Continuum Analytics 还托管（免费）binstar.org（现在称为anaconda.org），以允许常规软件包开发人员创建他们自己的自定义（构建！）软件堆栈，他们的软件包用户将能够conda install 来自。

【讨论】：

根据您的最后一点，third-party conda-forge project 已迅速成为发布 Anaconda 软件包的行业标准方法。 We recently published several conda-forge-hosted packages for our multiphysics biology simulator - 不能足够推荐这个过程。有一个基于 GitHub PR 的同行评审组件可以向 conda-forge 提交新配方，但 conda-forge 自动化方面的优势远远超过了前期时间投资。砰！
@CecilCurry 我在我的代码中导入了Keras，在我的mac 上安装了anaconda，Keras 同时安装了conda 和pip。那么，在终端中运行我的代码时，我如何知道正在导入哪个keras（pip 一个或conda 一个）？

【解决方案4】：

为了不让你更困惑，但是您也可以在您的 conda 环境中使用 pip，它可以验证上面的通用管理器与特定于 python 的管理器 cmets。

conda install -n testenv pip
source activate testenv
pip <pip command>

您还可以将 pip 添加到任何环境的默认包中，这样它每次都存在，因此您不必遵循上面的 sn-p。

【讨论】：

我认为不推荐这样做？
完全推荐在 conda 中使用 pip。最好使用 conda 安装，但是对于任何没有 conda 构建的包，使用 pip 是完全可以接受的。
nit：这句话好像是fully supported？ fully recommended 暗示，在我看来，在 conda 环境中使用 pip 比使用 conda 更好，而且我不确定你/他们的意思是什么？

【解决方案5】：

对于 WINDOWS 用户

“标准”打包工具的情况最近有所好转：

在 pypi 本身上，截至 9 月，现在有 48% 的车轮包。 2015 年 11 月（2015 年 5 月为 38%，2014 年 9 月为 24%），
最新的 python 2.7.9 现在支持开箱即用的车轮格式，

“标准”+“调整”打包工具的情况也在改善：

您可以在 http://www.lfd.uci.edu/~gohlke/pythonlibs 找到几乎所有车轮格式的科学软件包，
mingwpy 项目有一天可能会为 Windows 用户带来一个“编译”包，允许在需要时从源代码安装所有内容。

“Conda”包装对其所服务的市场来说仍然更好，并突出了“标准”应该改进的领域。

（此外，在标准 Wheel 系统和 conda 系统或 buildout 中，多方面的依赖规范并不是 Python 的，如果所有这些打包“核心”技术都可以通过一种 PEP 收敛，那就太好了)

【讨论】：

【解决方案6】：

引用来自Conda for Data Science Continuum 网站的文章：

Conda 与 pip

Python 程序员可能熟悉 pip 从 PyPI 下载包并管理他们的需求。虽然 conda 和 pip 都是包管理器，但它们有很大的不同：

Pip 专用于 Python 包，而 conda 与语言无关，这意味着我们可以使用 conda 管理来自任何语言的包 Pip 从源代码编译，conda 安装二进制文件，消除编译负担

Conda 本地创建与语言无关的环境，而 pip 依赖于 virtualenv 仅管理 Python 环境尽管建议始终使用 conda 包，但 conda 还包含 pip，因此您不必在两者之间进行选择。例如，要安装一个没有 conda 包但可以通过 pip 获得的 python 包，只需运行，例如：

conda install pip
pip install gensim

【讨论】：

这是我需要的，之前我已经在 pip 中安装了这个包，但是我无法在我的 conda 环境中导入它。这有助于解决问题。

【解决方案7】：

引自Conda: Myths and Misconceptions（综合描述）：

...

误区 #3：Conda 和 pip 是直接竞争对手

现实：Conda 和 pip 有不同的用途，并且只在一小部分任务中直接竞争：即在隔离环境中安装 Python 包。

Pip，代表 Pip Installs Packages，是 Python 官方认可的包管理器，最常用于安装在 Python 包索引 (PyPI) 上发布的包。 pip 和 PyPI 均由 Python 打包机构 (PyPA) 管理和支持。

简而言之，pip 是 Python 包的通用管理器； conda 是一个与语言无关的跨平台环境管理器。对于用户来说，最显着的区别可能是：pip 在任何环境中安装 python 包； conda 在 conda 环境中安装任何包。如果您所做的只是在隔离环境中安装 Python 包，那么 conda 和 pip+virtualenv 大部分是可以互换的，但在依赖处理和包可用性方面存在一些差异。隔离环境是指 conda-env 或 virtualenv，您可以在其中安装软件包而无需修改系统 Python 安装。

即使抛开神话 #2，如果我们只关注 Python 包的安装，conda 和 pip 服务于不同的受众和不同的目的。例如，如果您想在现有系统 Python 安装中管理 Python 包，conda 帮不了您：根据设计，它只能在 conda 环境中安装包。比如说，如果你想使用许多依赖于外部依赖的 Python 包（NumPy、SciPy 和 Matplotlib 是常见的例子），同时以有意义的方式跟踪这些依赖，pip 帮不了你：按照设计，它管理 Python 包且仅管理 Python 包。

Conda 和 pip 不是竞争对手，而是专注于不同用户群体和使用模式的工具。

【讨论】：

我不确定这是不是真的，超出了市场定位的角度。比如看pytorch，它提供了三种安装方式：conda、pip、source、pytorch.org，并推荐：conda
“在隔离环境中安装 Python 包”是大多数 Python 开发人员使用 pip 的主要目的。
@Nick 是不是当开发人员已经在“那个”虚拟环境中时？我认为 pip 在虚拟环境中工作并安装包，就好像它正在为系统安装一样。但是正如 sanchos.s 所说，它只安装 python 包并且不关心底层库。如果我错了，请任何人纠正我。

【解决方案8】：

我可以使用 pip 安装 iPython 吗？

当然，两者都有（页面上的第一种方法）

pip install ipython

和（第三种方法，第二种是conda）

您可以从 GitHub 或 PyPI 手动下载 IPython。安装一个在这些版本中，解压它并从顶层运行以下命令使用终端的源目录：
pip install .

是officially recommended ways to install。

既然我已经有了 pip，为什么还要使用 conda 作为另一个 python 包管理器？

正如here所说：

如果你需要一个特定的包，可能只用于一个项目，或者如果你需要与其他人共享项目，conda 似乎更合适。

Conda 在 (YMMV) 中超过 pip

使用非 python 工具的项目
与同事分享
在版本之间切换
在具有不同库版本的项目之间切换

pip 和 conda 有什么区别？

其他人都广泛回答。

【讨论】：

【解决方案9】：

pip 仅适用于 Python

conda 仅适用于 Anaconda + 其他科学软件包，如 R 依赖项等。并不是每个人都需要 Python 自带的 Anaconda。 Anaconda 主要面向那些从事机器学习/深度学习等工作的人。休闲 Python 开发人员不会在他的笔记本电脑上运行 Anaconda。

【讨论】：

简单的解释，但我被教导直接去 Anaconda 的网站下载 Python 2.x 或 3.x 发行版。为什么？ > 因为它包含学生需要的所有包。 Numpy、Scipy、matpliotlib、sklearn 等。这正是在理解更精细的基本细节方面存在差距的原因。学生
我知道这是一个旧答案，但你写的关于 Conda/Anaconda 的内容对我来说似乎完全错误。
@Galapagos 您的回答具有误导性和错误性。 Anaconda 是几个行业标准的 Python 发行版之一。 conda 与 Anaconda 是分开的，但它由 Anaconda 使用。同样在今天，“Anaconda 主要面向那些从事机器学习/深度学习等工作的人。休闲 Python 开发人员不会在他的笔记本电脑上运行 Anaconda。”是公然错误和过时的。 Anaconda 是当今使用 Python 进行的大多数分析和数据科学工作的默认设置。

【解决方案10】：

我可能还发现了另一个细微差别。我在/usr 下有我的python 环境，而不是/home 或其他。为了安装它，我必须使用sudo install pip。对我来说，sudo install pip 的不良副作用与其他地方广泛报道的略有不同：这样做之后，我必须运行python 和sudo 才能导入任何sudo 安装的软件包。我放弃了，最终发现我可以使用sudo conda 将软件包安装到/usr 下的环境中，然后正常导入，而不需要sudo 的python 权限。我什至使用sudo conda 来修复损坏的pip，而不是使用sudo pip uninstall pip 或sudo pip --upgrade install pip。

【讨论】：

【解决方案11】：

pip 是包管理器。

conda 既是包管理器又是环境管理器。

详情：

参考文献

Understanding Conda and Pip

【讨论】：

我想知道这个“依赖检查”到底是什么，pip 正在检查依赖兼容性。 ERROR: package-a 0.5.9 has requirement package-b~=0.2.0, but you'll have package-b 1.0.1 which is incompatible.（比 conda 快得多）。

【解决方案12】：

要回答原来的问题，
对于安装包，PIP 和 Conda 是完成同一件事的不同方法。两者都是安装软件包的标准应用程序。主要区别在于包文件的来源。

PIP/PyPI 将有更多“实验性”包，或更新、不太常见的包版本
Conda 通常会有更完善的软件包或版本

一个重要的注意事项：如果您使用两种来源（pip 和 conda）在同一环境中安装软件包，这可能会导致以后出现问题。

重新创建环境将更加困难
修复包不兼容变得更加复杂

最佳做法是选择一个应用程序（PIP 或 Conda）来安装软件包，然后使用该应用程序安装您需要的任何软件包。但是，在 conda 环境中仍然使用 pip 有很多例外或原因，反之亦然。例如：

如果您需要的软件包仅存在于一个上，并且其他没有。
您需要仅在一种环境中可用的特定版本

【讨论】：

【解决方案13】：

（2021 年更新）

TL;DR 使用 pip，它是 Python 3 以来的官方包管理器。

点

基础知识
pip 是 python 的默认包管理器
pip 自 Python 3.0 起内置
用法：python3 -m venv myenv; source myenv/bin/activate; python3 -m pip install requests
包从官方公共python存储库pypi.org下载
它可以在可用时安装预编译的二进制文件（轮子），或源代码（tar/zip 存档）。
编译后的二进制文件很重要，因为许多包混合了 Python/C/其他与第三方依赖项和复杂的构建链。它们必须以二进制文件的形式分发以供使用。
高级
pip 实际上可以从任何存档、轮子或 git/svn 存储库安装...
...可以位于磁盘、HTTP URL 或个人 pypi 服务器上。
例如pip install git+https://github.com/psf/requests.git@v2.25.0（它可以用于测试分支上的补丁）。
pip install https://download.pytorch.org/whl/cpu/torch-1.9.0%2Bcpu-cp39-cp39-linux_x86_64.whl（那个轮子是 Linux 上的 Python 3.9）。
从源代码安装时，pip 将自动构建包。（这并不总是可能的，尝试在没有 google 构建系统的情况下构建 TensorFlow：D）
二进制轮子可以是特定于 python 版本和特定于操作系统的，请参阅manylinux 规范以最大限度地提高可移植性。

康达

除非您获得许可，否则您不得将 Anaconda 或 Anaconda 存储库中的软件包用于商业用途。
Conda 是 conda 的第三方包管理器。
它由 anaconda 推广，这是一个 Python 发行版，包括大多数常用的数据科学库。
当你使用 anaconda 时，你将使用 conda。
包从the anaconda repo下载。
它只安装预编译的包。
Conda 有自己的包格式。它不使用轮子。
conda install 安装一个包。
conda build 构建一个包。
conda 可以构建 python 解释器（以及它依赖的其他 C 包）。这就是为 anaconda 构建和捆绑解释器的方式。
conda 允许安装和升级 Python 解释器（pip 不允许）。
高级
从历史上看，conda 的卖点是支持构建和安装二进制包，因为 pip 并不能很好地支持二进制包（直到 wheel 和 manylinux2010 规范）。
强调构建软件包。 Conda 具有广泛的构建设置，它存储大量元数据，以处理依赖项和构建链。
一些项目使用 conda 来启动复杂的构建系统并生成一个轮子，该轮子发布到 pypi.org 用于 pip。

easy_install/egg

仅供历史参考。不要使用
egg 是一种废弃的包格式，一直使用到 2010 年代中期，completely replaced by wheels。
egg 是一个 zip 存档，它包含 python 源文件和/或编译的库。
eggs 与 easy_install 和 pip 的第一个版本一起使用。
easy_install 是另一个包管理器，它先于 pip 和 conda。它已在 setuptools v58.3（2021 年）中删除。
它也引起了很多混乱，就像 pip vs conda :D
egg 文件加载缓慢、指定不当且特定于操作系统。
每个 egg 都设置在一个单独的目录中，import mypackage 必须在可能数百个目录中查找mypackage.py（安装了多少个库？）。这很慢而且对文件系统缓存不友好。

从历史上看，上述三个工具都是开源的，并且是用 Python 编写的。然而，conda 背后的公司在 2020 年更新了他们的服务条款以禁止商业用途，请注意！

Funfact：构建 Python 解释器的唯一严格要求的依赖项是 zlib（一个 zip 库），因为压缩是加载更多包所必需的。 Eggs 和 Wheels 包是 zip 文件。

为什么有这么多选择？

一个好问题。

让我们深入了解 Python 和计算机的历史。 =D

纯 python 包在任何这些打包器中都可以正常工作。麻烦不仅在于 Python 包。

世界上的大多数代码都依赖于 C。这对于 Python 解释器是正确的，它是用 C 编写的。对于许多 Python 包也是如此，它们是围绕 C 库的 python 包装器或混合 python/C/ 的项目C++ 代码。

任何涉及 SSL、压缩、GUI（X11 和 Windows 子系统）、数学库、GPU、CUDA 等的东西通常都与一些 C 代码相结合。

这给打包和分发 Python 库带来了麻烦，因为它不仅仅是可以在任何地方运行的 Python 代码。该库必须经过编译，编译需要编译器和系统库以及第三方库，然后编译后生成的二进制代码仅适用于编译它的特定系统和python版本。

最初，python 可以很好地分发纯 python 库，但很少支持分发二进制库。在 2010 年及前后，您在尝试使用 numpy 或 cassandra 时会遇到很多错误。由于缺少依赖项，它下载了源代码并无法编译。或者它下载了一个预构建的包（当时可能是一个鸡蛋）并且在使用时它会因 SEGFAULT 而崩溃，因为它是为另一个系统构建的。这是一场噩梦。

从 2012 年起，pip 和wheels 解决了这个问题。然后等待很多年人们采用这些工具并将这些工具传播到稳定的 Linux 发行版（许多开发人员依赖 /usr/bin/python）。二进制包的问题延伸到 2010 年代后期。

作为参考，这就是为什么在过时的系统上运行的第一个命令是 python3 -m venv myvenv && source myvenv/bin/activate && pip install --upgrade pip setuptools，因为操作系统带有一个 5 年前的旧 python+pip，它有问题并且无法识别当前的包格式。

Conda 并行开发了自己的解决方案。 Anaconda 专门用于使数据科学库易于开箱即用（数据科学 = C 和 C++ 无处不在），因此他们必须提出一个包管理器，专门用于解决构建和分发二进制包的问题，即 conda .

如果您现在使用pip install xxx 安装任何软件包，它就可以正常工作。这是安装软件包的推荐方式，它已内置在当前版本的 Python 中。

【讨论】：