Python—pip、venv、conda、Mamba（3）pip 介绍 pip 是 Python 标准库之外的一个第三

pip 介绍

pip 是 Python 标准库之外的一个第三方包管理工具，用于安装、升级和管理 Python 包也可以方便的管理Python包的依赖关系。从Python Package Index（PyPI） 下载和安装各种Python包。

pip安装

一般情况下，pip是随着Python一起安装了，可使用 pip --version 检查 pip 是否已经安装。
如果发现pip不可用或者损坏，则直接执行如下命令

python -m ensurepip --upgrade

pip 常用命令

pip install : 安装Python包
pip install package_name[dependencies]：安装包以及其依赖的其他包
pip install /path/to/package：安装一个本地的Python包
pip install -r requirements.txt：从requirements.txt 文件中安装包
pip install package_name==version_number：安装指定版本的包
pip install --upgrade package_name：升级安装的包
pip install --user package_name：安装Python包到用户的本地目录
pip install --no-dependencies package_name：安装Python包但是忽略其他依赖项
pip install --find-links=URL package_name：从指定的URL中安装Python包
pip uninstall package_name: 删除包
pip list: 查看所有的包

pip install panpda

# 安装 my_pkg 并且安装其对应的[numpy,scipy]依赖项
pip install my_pkg[numpy,scipy]

将指定的Python包或者库打包成wheel文件：pip wheel package_name

pip wheel numpy
# 注意：wheel 文件Python的分布式文件格式，替代Python传统的egg文件

pip cache purge:清理缓存
pip list : 列出当前Python环境中已经安装的所有包或者库列表
pip show package_name：显示包的详细信息，包括名称、版本号、安装路径等。
pip search package_name：在PyPI（Python Package Index）上搜索指定的包或者库，并显示相关信息。
pip freeze：显示当前Python环境中已安装的所有包名称和版本号

venv

系统安装的Python3只有一个版本：3.x。所有第三方的包都会被pip安装到Python3的site-packages目录下。当多个应用共享同一 Python 环境时，可能会出现库版本冲突。

venv 是 Python 提供的一个标准库，用于创建虚拟环境。虚拟环境是一种隔离的 Python 运行环境，可以让你为每个项目创建独立的依赖库，而不会干扰全局 Python 环境。它帮助避免不同项目之间的依赖冲突，并且使得项目更加易于管理。

创建虚拟环境：python -m venv venv_name
- venv_name 为虚拟环境选择的名称，通常用 venv 或项目名。这里会创建一个名为 venv_name 的文件夹，里面包含一个独立的 Python 解释器和一组标准的库。
激活虚拟环境
```
# Windows：
venv_name\Scripts\activate

# macOS 和 Linux：
source venv_name/bin/activate
```
当虚拟环境激活后，你会看到命令行提示符的前面有虚拟环境的名字，如 (venv_name)，这表示你当前正在使用该虚拟环境。
在虚拟环境中安装依赖：激活虚拟环境后，就可使用 pip 来安装所需的依赖包。所有的依赖都会被安装到虚拟环境的 lib 目录中，而不是全局环境。
查看已安装的包：在虚拟环境中，你可以使用 pip list 来查看已安装的所有包。
退出虚拟环境：命令：deactivate 执行命令后则会返回到全局 Python 环境。
删除虚拟环境

rm -r venv_name  # Linux/macOS
rmdir /S /Q venv_name  # Windows

在虚拟环境中，常常需要记录项目的依赖，以便其他开发者可以复现相同的环境。可以通过 pip freeze 将当前环境中的所有依赖写入到 requirements.txt 文件中：

pip freeze > requirements.txt

要安装这些依赖，可以通过以下命令：

pip install -r requirements.txt

使用 venv 创建虚拟环境，可以让你的项目拥有独立的 Python 环境，避免依赖冲突。
创建虚拟环境：python -m venv venv_name
激活虚拟环境：source venv_name/bin/activate（macOS/Linux）或 venv_name\Scripts\activate（Windows）
安装包：pip install package_name
退出虚拟环境：deactivate
记录和恢复依赖：pip freeze > requirements.txt 和 pip install -r requirements.txt

Conda、MiniConda、Anaconda

开发中需要用到很多第三方库，比如Pillow、MySQL驱动程序、Web框架Flask、科学计算Numpy等。pip安装不仅费时费力，还需考虑兼容性。

Conda = 包和环境管理的工具

MINICONDA = conda + python + base packages

ANACONDA = MINICONDA + 150 high quality packages

Anaconda一个基于Python的数据处理和科学计算平台，它内置了许多第三方库。
Miniconda 更加的轻量，默认只包含了 conda，Python和一些它们所以依赖的包。
文档：docs.anaconda.com/getting-sta…

常用的Python虚拟环境管理工具有：

Virtualenv
Conda
pipenv
venv

Anaconda 安装

官网下载：www.anaconda.com/download 下载后可直接安装
安装完 Anaconda 后
- Anaconda Anaconda会把系统 Path 中的 python 指向自己自带的 Python，并且，Anaconda 安装的第三方模块会安装在Anaconda自己的路径下，不影响系统已安装的Python目录。

Conda 的常用命令

conda –help # 查看帮助
conda info # 查看 conda 信息
conda - version  # 查看 conda 版本
conda update conda  # 更新Conda（慎用）
conda clean –all # 清理不再需要的包
conda <指令> - help # 查看某一个指令的详细帮助
conda config - show #查看 conda 的环境配置
conda clean -p  # 清理没有用，没有安装的包
conda clean -t  # 清理 tarball
conda clean - all  # 清理所有包和 conda 的缓存文件

Conda 的 channel

Channel 是 Conda 用来查找和下载软件包的源（仓库）。可以从通道中获取需要的软件包。

默认通道：Conda自带的官方通道，由Anaconda维护，包含了常用的数据科学和机器学习包。提供的包经过测试和优化，稳定且值得信赖。
Conda-Forge：一个社区驱动的通道，由社区维护，更新速度快，拥有数量庞大的软件包和活跃的维护者社区。
Bioconda：专为生物信息学和生物数据分析设计的通道。包含很多用于生物数据处理和分析的工具。

如果需要托管私有包，可以创建自己的Conda通道。可以通过简单的HTTP服务器（如NGINX或Apache）托管。

查看已经配置的仓库：conda config - show channels
添加新的通道：conda config - add channels conda-forge
将新通道添加到优先位置：conda config --add channels <channel_name> --prepend
将新通道添加到最后：conda config --add channels <channel_name> --append
严格按照通道顺序选择包：conda config - set channel_priority strict
删除通道：conda config --remove channels <channel_name>
临时使用通道：conda install package-name -c conda-forge

通道优先级 Conda默认会根据通道列表的顺序依次查找包。以下命令启用或禁用通道优先级：

conda config - set channel_priority true  # 启用优先级
conda config - set channel_priority false # 禁用优先级

Conda 设置镜像

设置国内镜像，提高Conda包的下载速度

通过命令添加镜像通道

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

接编辑 conda 配置文件 conda 的配置文件通常存储在 ~/.condarc（Linux/macOS）。可以手动编辑这个文件，向 channels 部分添加新的 channel。

.condarc 文件内容：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

为了确保使用的是最新的镜像源，可以清理 Conda 缓存：conda clean -i

Anaconda 环境管理

Anaconda 使用 conda 来管理不同的 Python 环境。安装 Anaconda 时，它会创建一个名为 base 的默认环境，并在你打开终端时自动激活这个环境。

命令行中显示 (base) ➜ 是因为 Anaconda 默认启用了 base 环境。(base) 是 Anaconda 环境的名称，表示你当前正在使用 base 环境。
- 如果不想每次打开终端进入 (base) 环境，执行conda config --set auto_activate_base false。
- 手动激活 base 环境：conda activate base

通过界面也可以管理虚拟环境

通过命令管理虚拟环境

创建虚拟环境：conda create -n env_name python=version package_names
查看虚拟环境列表：conda env list
激活（切换）虚拟环境：conda activate env_name
退出当前虚拟环境：conda deactivate
删除虚拟环境：conda remove -n env_name --all
克隆环境：conda create - name new_evn_name - clone old_env_name

注意：

如果要指定conda环境的路径，需要设置envs_dirs：conda config --add envs_dirs D:/python/envs
创建环境时一定要指定python环境

Anaconda 包管理

激活环境后，你就可以使用 conda 和 pip 在当前环境下安装你所需要的包。conda环境中，不建议使用 pip 。

`pip` 和 `conda`对比

www.anaconda.com/blog/unders…

pip：Python官方推荐，用于安装Python Package Index(PyPI)托管的包。可安装wheels或源码格式的包
conda：是一个跨平台的包和运行环境管理工具，其安装的包通常来自于Anaconda repository 和 Anaconda Cloud。和 pip 安装的包不同的是，Conda包是二进制格式的，因此无需预先安装编译器。除此之外，Conda更强大的地方在于其不仅可以安装Python包，还可以安装C（C++）、R语言包以及其他语言编写的包等。conda ≈ pip（python包管理） + virtualenv（虚拟环境） + 非python依赖包管理

Anaconda 包管理操作

安装Python包：conda install numpy
安装指定版本的Python包：conda install numpy=1.18
更新某个包到最新版本：conda update numpy
更新所有包到最新版本(慎用)：conda update --all
卸载包：conda remove numpy
列出环境中所有的包：conda list
查看环境中某个包的信息：conda list numpy
搜索指定包：conda search numpy

Conda 导入导出环境

将当前环境导入到yml文件中

conda env export > environment.yml

从yml文件中创建一个环境

conda env create -f environment.yml

Pycharm中使用Anaconda

Anaconda 用来管理项目环境及其依赖包，非常简单和高效；配合 Pycharm 可以任意切换不同的环境

创建项目，通过conda新建虚拟环境也可以选择已存在的环境
查看项目所使用的环境
创建项目时，环境 Name 的值为 PythonProject
创建好项目后就可在终端 Terminal 进行虚拟环境和包的操作管理
已存在的项目，新增虚拟环境
已存在的项目，切换虚拟环境

Mamba

Mamba 介绍

Mamba 是一个快速、可靠的包管理工具，作为 conda 的替代品，旨在提供更快的安装和更新体验。Mamba 是基于 conda 的，但使用了不同的实现，特别是在解决依赖关系和安装包的速度上进行了优化。

Mamba 的特点

速度更快：Mamba 通过使用 C++ 实现的核心，比起 conda，在包解析和环境创建方面具有显著的性能优势。
兼容性：Mamba 与 conda 完全兼容，可以直接替代 conda 命令，用户可以无缝地使用 Mamba 来代替 conda 执行大部分操作。
简化的依赖解析：Mamba 使用不同的依赖解析算法，使得处理复杂依赖关系时更加高效，特别是在安装大量包时。
并行下载：Mamba 支持并行下载包，这使得安装速度比 conda 更快。
高效的依赖解析：Mamba 使用优化的依赖解析算法，能够更快速地处理复杂的依赖关系和环境冲突。

安装 Mamba

可以通过 conda 安装 Mamba。以下是安装 Mamba 的步骤：

conda install mamba -c conda-forge

Mamba 使用

mamba 的命令几乎与 conda 完全相同

创建新环境：mamba create -n myenv python=3.8
激活环境(激活命令同 conda)：conda activate myenv
安装包：mamba install numpy
更新包： mamba update numpy
删除包：mamba remove numpy
列出环境：mamba env list
列出已安装的包：mamba list

Python—pip、venv、conda、Mamba（3）