python虚拟环境： conda create与 virtualenv对比

Anacodna之conda与 virtualenv对比使用教程，创建虚拟环境

conda创建虚拟环境

1.查看包

• conda list查看安装了哪些包
• conda env list查看有哪些虚拟环境
• conda -V查看conda的版本

2.创建虚拟环境,命名为myflaskapp，n就是指name；并安装flask包。

Note that the conda create command requires that you give it the name of a package to install in the new environment.

conda命令创建虚拟环境时，必须指定一个或者几个你需要安装的package。

conda create -n py2 python=2* anaconda
这样就会安装anaconda2版本。

栗子1：
这条命令安装了一个名为myflaskapp虚拟环境，安装flask包。

conda create -n myflaskapp flask

栗子2：
这个是克隆创建了一个和原系统一样的python环境，命名为nb。

conda create -n nb --clone root

栗子3：
这就不需指定具体包了

conda create --name $ENVIRONMENT_NAME python

其他：

$ conda create -n py3 python=3*
$ conda create -n py2 python=2*

This will create two environments, one with Python3 and the other with Python2. I typically set one of these as my default by adding source activate py3 to my terminal startup. Typically I only use these "named python" environments to run a Python REPL or do general Python tasks. I'll create another conda environment named specifically for each real project I work on.

这个创建两个python版本的环境。

3.切换环境

Linux命令未实验。

• Linux:source activate myflaskapp
• Windows:activate myflaskapp

4.关闭环境

• Linux:source deactivate
• Windows:deactivate

5.改指定虚拟环境安装包

conda install -n yourenvname [package]

6.移除虚拟环境

• 移除某个环境中的包

conda remove --name $ENVIRONMENT_NAME $PACKAGE_NAME

• 移除某个虚拟环境

conda remove -n yourenvname --all

这些所有的虚拟环境，都在C:\Anaconda3\envs文件夹下。

virtualenv创建虚拟环境

1.安装virtualenv

pip install virtualenv

2.创建虚拟环境

$ mkdir myproject
$ cd myproject
$ virtualenv venv

创建了一个名为myproject的文件夹，然后这里边创建虚拟环境venv。

在创建virtualenv时增加--no-site-packages 选项的virtualenv就不会读取系统包，如下：

virtualenv nowamagic_venv --no-site-packages

--distribute选项使virtualenv使用新的基于发行版的包管理系统而不是 setuptools 获得的包。 你现在需要知道的就是 --distribute 选项会自动在新的虚拟环境中安装 pip ，这样就不需要手动安装了。 当你成为一个更有经验的Python开发者，你就会明白其中细节。

virtualenv --distribute nowamagic_venv

3.激活虚拟环境

• Linux:$ . venv/bin/activate或者source $ENV_BASE_DIR/$ENVIRONMENT_NAME/bin/activate
  没有实验，所以暂时写两种方法，如果此时进入到venv虚拟环境文件夹下，可以source bin/activate
• Windows:$ venv\scripts\activate

4.退出环境

deactivate

conda与 pip 和 virtualenv关系理解

2019年01月11日 11:15:35 小伙儿1995 阅读数 1417

版权声明： https://blog.csdn.net/sinat_28442665/article/details/86292354

有conda就是一个包管理?和安装?，他就是要做比pip更多的事情；在python-site-packages之外管理python 库依赖关系。 而且conda同样也像virtualenv一样创建一个虚拟环境。

conda可以让你同时管理安装处理你有关python的任务和跟python无关的任务

conda使用了一个新的包格式，你不能交替使用pip 和conda。因为pip不能安装和解析conda的包格式。你可以使用两个工具 但是他们是不能交互的。

• Anaconda、conda、pip、virtualenv的区别

① Anaconda

Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。

② conda

conda是包及其依赖项和环境的管理工具。
适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
适用平台：Windows, macOS, Linux

用途：

快速安装、运行和升级包及其依赖项。
在计算机中便捷地创建、保存、加载和切换环境。

如果你需要的包要求不同版本的Python，你无需切换到不同的环境，因为conda同样是一个环境管理器。仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。——conda官方网站

conda为Python项目而创造，但可适用于上述的多种语言。
conda包和环境管理器包含于Anaconda的所有版本当中。

③ pip

pip是用于安装和管理软件包的包管理器。
pip编写语言：Python。

Python中默认安装的版本：

Python 2.7.9及后续版本：默认安装，命令为pip

Python 3.4及后续版本：默认安装，命令为pip3

pip名称的由来：pip采用的是递归缩写进行命名的。其名字被普遍认为来源于2处：

“Pip installs Packages”（“pip安装包”）
“Pip installs Python”（“pip安装Python”）

④ virtualenv

virtualenv：用于创建一个独立的Python环境的工具。

解决问题：

当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？
如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
在共享主机时，无法在全局site-packages目录中安装包。

virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。

⑤ pip 与 conda 比较
→ 依赖项检查

pip：

不一定会展示所需其他依赖包。
安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。

conda：

列出所需其他依赖包。
安装包时自动安装其依赖项。
可以便捷地在包的不同版本中自由切换。

→ 环境管理

pip：维护多个环境难度较大。
conda：比较方便地在不同环境之间进行切换，环境管理较为简单。

→ 对系统自带Python的影响

pip：在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
conda：不会影响系统自带Python。

→ 适用语言

pip：仅适用于Python。
conda：适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。

⑥ conda与pip、virtualenv的关系

conda结合了pip和virtualenv的功能。

原作者链接，非常感谢，是一篇给力的好文章

ython配置-virtualenv和conda的区别

2018年12月01日 11:23:09 周先森爱吃素 阅读数 2077

版权声明：转载请注明出处 https://blog.csdn.net/zhouchen1998/article/details/84671528

之前详细说过如何在windows上部署conda环境，详细可以查看我的这篇博客。其他平台（主要是linux和macos）在我看来异曲同工，只是几个命令由conda变为了source。（如conda activate myvenv变为source activate myvenv）

1.什么是virtualenv(venv)

• 这是一个虚拟环境管理器，作为非数据科学领域的开发者来说是很实用的。它可以让你每个项目甚至每个脚本配置一个自定义的python解释器环境，这最大的好处是我可以不污染开发环境。
• 举个例子，我有个项目是专门写爬虫的，那么我可能需要requests,bs4,lxml,pyspider,scrapy等包或者框架，此时我还有个项目我想要写点GUI界面，主要使用的包是pyqt，如果在原生的python解释器环境里面，我不得不把这个GUI包（对于我爬虫项目可能永远不会涉及使用）放到下载的包里面。
• 这不只是看着不舒服（不考虑反复去卸载包），久而久之，你的开发环境可能会变得很庞大，因为里面堆积了很多垃圾包（你基本上不会再使用了），很多配置文件，难以寻觅，这对计算机是莫大的伤害。
• 但是venv则可以创建任意多个虚拟环境，你只要指定当前环境那么pip安装的包就只会在这个环境下，这个环境和你的操作系统部署的python环境是隔离的。这有两个好处。
  • 首先，我可以分门别类常见虚拟环境，互不污染。（如机器学习和爬虫不干涉）
  • 其次，一旦我不使用了，可以直接删除虚拟环境，而不用管各种文件残留，关联问题了。

2.什么是pip

• pip 是 Python 最常用的包管理器，该工具提供了对Python 包的查找、下载、安装、卸载的功能。它能自动处理依赖 。（linux开发者曾今对此深恶痛绝知道yum的出现）
• 一般pip是解释器自带的，当然也可以安装。pip的出现使得类似java那样第三方包较难管理的局面消失（当然java也可以方便处理了）。
• 使用方法：pip install packagename
• 当然，后面提到的conda也具有包管理器功能，使用是：conda install packagename

3.什么是conda

• 最近有人问我venv和conda有什么区别，其实在我看来区别不是特别大。主要如下。
  • 如果说venv是虚拟环境管理器，pip是包管理器，那么conda则是两者的结合。
  • 遗憾的是conda的包管理器做的一般，大多数时候还是使用pip安装包。
  • 但是，注意，pip只能安装Python的包，conda可以安装一些工具软件，即使这些软件不是基于Python开发的。
  • 但是conda的虚拟环境管理还是可以的，一般使用venv会在该项目下创建虚拟环境，再不济也会在项目下创建venv的文件夹（含配置文件），当然pycharm下创建虚拟环境另说；然而conda每个虚拟环境不会占用项目文件夹的空间，它创建在用户设定的一个位置，这使得多个项目共享一个虚拟环境更加方便（只是方便，venv也是可以的，但是venv一般占用项目文件夹空间，而且venv命令行使用具有局限性）。
  • conda虚拟环境是独立于操作系统解释器环境的，即无论操作系统解释器什么版本（哪怕2.7），我也可以指定虚拟环境python版本为3.6（见文章开头所说原博客），而venv是依赖主环境的。
  • 对于科学计算和大数据领域的人，conda是环境自动集成了numpy这样的主流科学计算包的，venv每个包都要自行下载。
  • conda有图形化环境管理器，venv没有。（虽然开发人员几乎不用图形界面conda）

好吧，对于我这样一个一直使用conda的人问我venv怎么样本来就有失偏颇，但个人觉得conda是很好用的，尤其图形化环境下（如windows，ubuntu）安装anaconda集成了jupyter notebook等科算数据分析人员等常用工具。