conda、pip、mamba、anaconda、miniconda、miniforge相互比较

初学python的爱好者，都有一个共同的地方，就是安装环境总是安装不好，这个包安了卸，卸了装，总是装不好，不知道是什么原因。学习python的热情，大大降低，甚至都有不想学的念头。今天我们讲解conda、pip、mamba、anaconda、miniconda、miniforge相互之间比较和关系。

conda、pip、mamba、anaconda、miniconda、miniforge，都是与python的包管理有关的环境程序，搞清楚他们的关系非常重要。它可以让我们轻松建立我们的开发环境，轻松驾驭包的安装和管理。

Anaconda vs Miniconda vs Miniforge

他们的核心都是包含conda这一工具，来实现 python 环境(environment) 和 包(package) 管理的，（其实conda不仅仅可以用来管理python，很多语言R, Java, C都支持）。

• Anaconda 和 Miniconda 是一个公司的产品，商用是付费的，个人暂时免费；
• Miniforge是由社区主导，用GitHub托管，完全免费。
• Miniconda 和 Miniforge 是差不多的产物，mini代表着轻量化，
• Anaconda是完整版，就略显臃肿，里面包括spyder、Jupter Notebook、Ananconda navigator等程序环境。

Anaconda vs Miniconda

(老司机) Miniconda = Python + conda，安装最小的支持包，如openssl, ncurses...

(新司机) Anaconda = Python + conda + meta package ，如
Anaconda3-2022.05-Windows-x86_64，安装至少不低于400个常见的支持包，如curl, numpy, pandas...

也就是说，Anaconda = Miniconda + more packages。Anaconda 一般还包括一个图形界面spyder，主要是多了一些基本的包，常见的包，安装完后，一般就可以直接使用，很省事，不用再单独安装了，但也有一些可能一直用不到，占用了许多空间。Miniconda 可以按需求安装库，但也可以借助conda install anaconda手动实现anaconda一样的预安装包 pre-installed package。Anaconda是安装初期花费更多时间下载，Miniconda是后期花更多时间单独安装。主语用哪一个，就看个人爱好了。我都都在Anaconda环境下教学，如果有特殊的包环境，我就建立虚拟环境，占用空间，反正现在硬盘大小不是问题，也不是主要矛盾。

Miniconda vs Miniforge

• Miniforge 使用conda-forge 作为默认 channel
• Miniconda 使用anaconda.org 作为默认channel。

另外：Miniforge 比 Anaconda、Miniconda 更早支持了Apple M1芯片。2022年5月6日Anaconda官方宣布原生支持了Apple M1版本。在苹果官方的Tensorflow加速训练教程中也是推荐的Miniforge。

channel含义：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。

Conda vs Pip

• conda包管理的来源是anaconda.org，而pip的来源是 PyPI (Python Package Index)。
• pip是专门针对python打包而成的，属于wheels or source distributions，需要compiler来安装；conda的包是二进制（conda packages are binaries），因此包含例如C语言写的库，同时也不需要compilers。
• pip的没有严格的依赖冲突检查，而conda是会有严格的依赖冲突检查。

通常我们安装一个python包，直接用pip install <pkg-name> 就行，但如果我们想要多个python环境，也就需要用到virtualenv；同时如果这个包没有不是 Python packages，是用C语言写的；这时候就需要Conda登场了，它同时解决了以上所有问题。

言而总之，优先推荐的是用conda创建虚拟python环境，使用conda安装需要的包，尤其是需要一些其他运行环境模块的时候。如遇见在使用过程中包出现问题的时候，就卸载后，使用pip install进行在线安装，或者直接下载对应的whl包进行安装。如果遇见特殊编译的，可以根据开发者的说明使用conda进行安装。个人推荐优先conda install，不行再pip install

需要注意的是 pip 和 conda 安装包对象的名称可能是不一样的，这个要看官网的说明，例如conda --- pytorch，pip --- torch。

Conda vs Mamba

我在python编程实践：mamba加速神器，体验飞一般的感觉，已经做了解释，总结一下：

mamba是用于管理环境的 CLI 工具。相比于 conda，mamba 是用 c++重写了 conda 的部分功能，运行效率显著提高，可以进行并行的下载，使用 rpm 包管理工具中的 libsolv，可以更快的解决环境依赖问题。mamba 的使用也比较简单，首先使用 conda 安装 mamba，后面所有用到 conda 的地方，都可以使用 mamba 替换即可。

安装：conda install mamba -c conda-forge

mamba优点：

• 自带多线程下载下载repository data和packages；
• mamba使用​libsolv加速解决依赖关系​​ (安装过程中Solving environment:转圈圈的时间)；
• Mamba的核心部分是通过C++实现，以获得最大执行效率；
• 最重要的是​​Mamba可与conda完美兼容，学习成本极小​​ (将conda执行命令中的conda换做mamba即可)。

总而言之：mamba可完全替换conda，提高包的管理的效率，和包安装的成功率。

最后，如果您喜欢我的文章，可以点个“关注”，成为铁粉后能第一时间收到文章推送。