venv vs conda

Python的venv模块和Anaconda的conda命令都用于创建和管理Python的虚拟环境，这些环境是隔离的，能够防止不同项目的库版本冲突。

venv

venv是Python的一个标准库，它用于创建隔离的Python环境。每一个venv环境都有自己独立的Python解释器、库和脚本。这种隔离性使得我们可以在不同的项目中使用不同版本的库，而不需要担心库版本之间的冲突。

命令python3 -m venv <目录>就可以创建一个独立的Python运行环境。

观察bin目录的内容，里面有python3、pip3等可执行文件，实际上是链接到Python系统目录的软链接。

继续进入bin目录，Linux/Mac用 source activate，Windows用 activate.bat 激活该venv环境。

退出当前环境用： deactivate

如果不再使用某个venv，例如proj101env，删除它也很简单。
首先确认该venv没有处于“激活”状态，然后直接把整个目录proj101env删掉就行。

参看：

• https://docs.python.org/zh-cn/3/tutorial/venv.html

conda

conda 是由 Anaconda 开发的开源跨平台语言无关的包管理器。它用于安装各种包，可以用于Python，R，Ruby，Lua，Scala，Java，JavaScript，C/ C++，FORTRAN等等，尽管Python是最常见的使用情况。

同时，conda也是一个环境管理系统，用于在同一机器上创建有不同Python版本或包集合的隔离环境。

conda在大数据科学、机器学习、深度学习和相关领域特别受欢迎，这是因为它能很好地处理具有复杂依赖关系的大型科学计算包，比如NumPy，SciPy，Pandas等。

conda的优点之一是它的跨平台性，它可以在Windows，macOS和Linux上运行。此外，conda也支持二进制包，这意味着在安装包时无需从源代码编译，这通常比使用Python的默认包管理器pip更快，更容易。

常用的conda命令。

# 查看conda版本，验证是否安装
conda -V

# 更新conda至最新版本
conda update conda

# 更新所有包
conda update --all

# 更新指定的包
conda update package_name

要创建新的conda环境，你可以使用conda create -n [环境名] python=[python版本] [需要安装的包]命令。这将创建一个新的conda环境，并在其中安装指定的Python版本和指定的包。

例如：
conda create -n python3 python=python3.7 numpy pandas
创建了python3环境，python版本为3.7，同时还安装了numpy pandas包

激活环境的命令为conda activate [环境名]
conda activate env_name

停用环境的命令为
conda deactivate。

# 显示所有已经创建的环境
conda info -e
# 或者使用
conda env list

# 复制 old_env_name 为 new_env_name
conda create --name new_env_name --clone old_env_name

# 删除环境
conda remove --name env_name --all

# 查看所有已经安装的包
conda list

# 在当前环境中安装包
conda install package_name

# 在指定环境中安装包
conda install --name env_name package_name

# 删除指定环境中的包
conda remove -- name env_name package

# 采用上一步方法删除环境失败时，可采用这种方法
conda env remove -n env_name

# 删除当前环境中的包
conda remove package

# 更新默认的conda版本
# 先检查并确认是 base 这个环境
conda env list

# 执行下面命令做默认conda的升级。
conda update anaconda

conda 有些包没有时，可以考虑如何在 conda 环境中使用 pip 进行安装？

区别

尽管他们的功能相似，但是他们之间存在一些主要的区别。

包管理器

venv使用Python的内置包管理器pip来管理软件包。Pip是Python的官方包管理器，包含了Python的大部分库。

而conda是Anaconda distribution的包管理器，可以管理Python以及其他非Python的包。

跨平台性

venv是Python的一个内置模块，因此在任何Python环境中都可用。

而conda只在Anaconda distribution中可用。如果你没有安装Anaconda，你就不能使用conda命令。

环境隔离程度

两者都能隔离Python的版本和库，但是conda提供了更深层次的隔离。

例如，conda可以管理不同的Python解释器版本，还可以管理非Python的包，如R包，或是系统级别的库。

库的覆盖面

如果你需要的库是Python的，那么venv和conda都可以很好地完成工作。

但是，如果你需要的库是非Python的，或者是一些科学计算的库，例如numpy, scipy, tensorflow等，那么使用conda会更方便，因为Anaconda distribution包含了这些库的预编译版本，可以方便地安装。

适用场景

哪一个更适合你，取决于你的具体需求。

venv：

如果你的项目只需要Python库，并且不需要特定版本的Python解释器，那么venv是一个很好的选择。这也是大多数Python开发者的默认选择。

conda：

如果你的项目需要一些科学计算的库，或者需要管理非Python的包，那么conda可能是更好的选择。

Anaconda distribution被设计为用于数据科学和机器学习的项目，包含了许多预编译的科学计算库，可以节省你的安装时间。

此外，如果你需要管理不同版本的Python解释器，那么conda也是一个很好的选择。