python环境学习：pip介绍，pip 和 conda的区别和联系。哪个更好使用？pip创建虚拟环境并解释venv模块，pip的常用命令，conda的常用命令。

一、pip介绍

1. pip 介绍很简单，但是在学习深度学习的时候，虽然用过，但也仅仅是用过，对其了解不多，更多的是下载包，相对于pip，用的更多的反而是anaconda 和 miniconda 这两个python包管理器。
2. pip 是 Python 的包管理工具，主要用于安装、更新、卸载 Python 软件包。它是 Python 官方推荐的工具，能够从 Python Package Index (PyPI) 下载并安装符合指定依赖关系的包。
3. 下面是pip和conda的区别和联系

• 有兴趣可以添加我，一起探讨技术。
  • 加V:Fengfl1222，名称：聚星汇智。
  • 要资料，申请备注为：CSDN+地方+资料，如CSDN山东资料。
  • 想接项目一起努力进步，申请备注为：CSDN+地方+项目，如CSDN+山东+项目，添加成功之后，可以发一份简历。
  • 项目组缺人，想要兼职的人，火速加我进群。
  • 本人介绍：211高校（北京交通大学）计算机研究生，本科双非计算机毕业后，校招进入军工，工作2个月离职后进入阿里，工作两年后离职考研，现已毕业，入职济南某大厂。团队主要技术栈：RAG、LLM、JAVA、PYTHON、GO、VUE、REACT等web开发需求。已有开发团队，如果有空闲时间想一个接项目者，可以加我呦。
  • 不按上诉规则添加好友者，不予通过。

二、pip 和 conda 的区别与联系

1、包管理器的功能

• conda: 是一个跨平台的包管理器和环境管理器，最初由 Anaconda 公司开发。它不仅可以管理 Python 包，还可以管理其他语言（如 R、C++）的包。此外，conda 还可以创建和管理虚拟环境。

• pip: 是 Python 的包管理工具，用于安装和管理 Python 包。pip 主要从 Python Package Index (PyPI) 上下载并安装包。

2、下载包的来源

• conda: 从 conda 仓库（如 Anaconda 仓库或 conda-forge）中下载和安装包。conda 仓库中的包通常经过了额外的测试和优化，适合在科学计算和数据分析环境中使用。

• pip: 从 PyPI 仓库中下载和安装包，几乎可以安装任何 Python 包，包括一些最新的第三方库。

3、 环境管理

• conda: 提供了强大的环境管理功能，可以创建独立的环境（很好的工具），并为这些环境安装特定版本的 Python 和相关的库。conda 还能自动处理包之间的依赖关系。

• pip: 只能安装和管理 Python 包，不能管理环境。如果 需要管理虚拟环境，通常使用 virtualenv 或 venv 等工具与 pip 结合使用（也很好用，我现在就在用这个）。

4、 安装速度和依赖管理

• conda: conda 包通常是预编译的二进制包，安装速度快，并且 conda 会自动处理包的依赖关系，避免依赖冲突。

• pip: pip 通常下载源代码并在安装时编译，安装速度可能较慢，特别是对于需要编译的包。pip 处理依赖关系时有时可能会遇到冲突，需要手动解决。

5、联系

• 兼容性: 在 conda 环境中，你可以使用 pip 安装包。pip 安装的包会直接下载到当前的 conda 环境中，并且可以与 conda 安装的包一起使用。不过，需要注意包的兼容性问题，特别是当 pip 安装的包和 conda 安装的包有冲突时，可能会导致环境中的某些功能失效。

• 环境隔离: 无论是使用 conda 还是 pip 安装包，在 conda 创建的环境中安装的包都是隔离的，不会影响其他环境中的包。

6、实践中的使用

• 使用 conda 安装依赖包: 对于常见的科学计算和数据分析包（如 NumPy、Pandas、Scikit-learn 等），建议优先使用 conda 进行安装，因为这些包已经过优化，并且能自动处理复杂的依赖关系。

• 使用 pip 安装无法通过 conda 获取的包: 当你需要安装一些不在 conda 仓库中的包时，可以使用 pip。在 conda 环境中运行 pip 命令时，pip 安装的包会直接下载到该 conda 环境中。

综上所述，在 conda 环境中使用 pip 是完全可以的，安装的包会直接进入 conda 环境，但最好在安装之前确保包的兼容性。
pip和conda包管理器一般是同步使用的

三、pip创建独立环境

1、存在问题并提供解决方案

a、问题

pip也可以像conda一样，创建独立的项目python环境

缺点：就是pip创建独立的python环境会依赖全局的python环境，也就是全局必须现有python环境，而且创建的python环境和全局的python版本是一致的，不能更改。

好处：每个项目都有自己的虚拟环境，可以导出到 requirement.txt 文件，方便其他人使用部署。

b、解决方案1

缺点解决方案：我会先使用conda创建不同的python环境，然后在自己需要的python 版本下，进入到项目，使用 python -m venv venv 去创建虚拟环境，

c、解决方案2

电脑上可以安装多个python版本，但是如何切换，目前没调研，后面再学习把。

1、创建虚拟环境流程（easy）

1. 删除旧的虚拟环境（假设你当前的虚拟环境目录名为 venv）（如果有，需要删除）：

   rm -rf venv
   

2. 重新创建虚拟环境：
   Linux

   python3 -m venv venv
   

   window

   python -m venv venv
   

3. 激活虚拟环境
   Linux

   source venv/bin/activate
   

   window

   ./venv/Scripts/activate
   

4. 并安装依赖：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
   

这样操作后，你的项目将在新的虚拟环境中运行，所有的依赖包也会基于 Linux 平台重新安装，确保项目能够正常工作

2、python3 -m venv venv 意思

命令 python3 -m venv venv 用于在 Python 中创建一个虚拟环境。下面是这个命令的具体解释：

• python3 : 指定使用 Python 3 版本的解释器。有些系统中你可能需要使用 python 或 python3，具体取决于 Python 的安装方式。如果你运行的是 python3.8 或其他版本，你可以直接指定对应的版本，例如 python3.8。
• -m venv :
  ○ -m 选项告诉 Python 运行指定的模块作为脚本。在这个例子中，venv 是一个用于创建虚拟环境的标准模块。
  ○ venv 模块用于创建虚拟环境，这是一种隔离的Python环境，独立于系统的全局Python安装。
• venv: 这个是你想要创建的 虚拟环境的名称（文件夹名称）。可以随意命名，但使用 venv 作为文件夹名是常见的约定。

a、执行效果：

当你运行 python3 -m venv venv 时，会发生以下几件事：

1. 创建一个新的目录（如果不存在）：在这个例子中是 venv，这个目录将包含虚拟环境的所有文件。
2. 复制Python解释器：虚拟环境会有一个独立的 Python 解释器，它位于 venv/bin/（Linux） 或 venv/Scripts/（Windows）中。
3. 创建隔离的环境：在这个虚拟环境中安装的任何 Python 包都不会影响系统的全局 Python 安装，且不会与其他项目的依赖冲突。

b、使用示例：

创建虚拟环境后，你需要激活它，然后在这个环境中安装和使用依赖包。例如：

1. 创建虚拟环境。win/linux/mac都是这个

   python -m venv venv
   

   或者是（版本问题）：

   python3 -m venv venv
   

2. 激活虚拟环境（Linux/macOS）

   source venv/bin/activate
   

3. 激活虚拟环境（Windows）

   venv\Scripts\activate
   

4. 安装项目依赖

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
   

虚拟环境使得项目之间的依赖隔离，避免冲突，是Python项目管理的最佳实践之一。

四、pip常用命令

1. 安装包。安装最新版本的包

   pip install package_name
   

   示例：pip install requests

2. 安装指定版本的包

   pip install package_name==version
   

   示例：pip install requests==2.25.1

3. 安装最新的兼容版本

   pip install package_name~=version
   

   示例：pip install requests~=2.25 这是安装 2.25.x 版本的最新版本。

4. 从文件安装包

   pip install -r requirements.txt
   

   这是用来安装 requirements.txt 文件中列出的所有包。

5. 升级包
   升级包到最新版本
   bash

   pip install --upgrade package_name
   

   示例：pip install --upgrade requests

6. 卸载包

   pip uninstall package_name
   

   示例：pip uninstall requests

7. 查看已安装的包
   列出所有已安装的包

   pip list
   

   这将显示当前环境中所有已安装的包及其版本号。

8. 查看包的详细信息

   pip show package_name
   

   示例：pip show requests

9. 检查包是否需要更新
   检查包是否有可用的更新

   pip list --outdated
   

   这会列出所有可以更新的包及其最新可用版本。

10. 清理缓存
    清理下载缓存

    pip cache purge
    

11. 搜索包
    搜索包

    pip search package_name
    

    这个命令在新版 pip 中被移除，但在旧版中可以用来搜索包。

12. 生成 requirements.txt 文件
    生成当前环境的依赖文件

    pip freeze > requirements.txt
    

    这会将当前环境中所有包及其版本输出到 requirements.txt 文件中。

13. 指定源
    从特定源安装包

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
    

你可以指定从不同的源安装包，比如国内源来加快速度。
这些命令涵盖了 pip 包管理的常见操作，帮助你有效地管理 Python 项目中的依赖。

五、conda 常用命令

请转到博文：pytorch学习一(扩展篇)：miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令（亲测ok）

六、python 创建虚拟环境