pycharm环境管理--conda、pip、virtualenv的区别

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）

conda、pip、virtualenv的区别

1、 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。

2、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”）

3、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。