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）
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。
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）。主要的安装包使用方法为命令行执行pip install packagename，当然，后面提到的conda也具有包管理器功能，安装包命令为conda install packagename。
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且会安装过多依赖如TensorFlow自动安装cudnn（在主机配置了cudnn的情况下），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（见下图）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。当然，如果你是一个命令行（见下图）专家（当然，conda并不需要熟悉太多命令）并且觉得Anaconda自带太多用不到的包，只想使用conda的环境管理和包管理功能，那么Anaconda确实太过庞大了，推荐使用Miniconda，它是Anaconda的无界面和预装包的版本。
|
