# 全面总结 pip install 与 conda install 的使用区别

## 一、写在前面

* conda install xxx：这种方式安装的库都会放在 `anaconda3/pkgs`目录下，这样的好处就是，当在某个环境下已经下载好了某个库，再在另一个环境中还需要这个库时，就可以直接从pkgs目录下将该库复制至新环境而不用重复下载。
* pip install xxx：分两种情况，一种情况就是当前conda环境的python是conda安装的，和系统的不一样，那么xxx会被安装到 `anaconda3/envs/current_env/lib/python3.x/site-packages`文件夹中，如果当前conda环境用的是系统的python，那么xxx会通常会被安装到 `~/.local/lib/python3.x/site-packages`文件夹中

这里引出一个问题：conda和pip安装同一个xxx库情况下，conda环境下python代码中import xxx时，谁安装的xxx优先级较高会被import，这个问题通过下面这条命令可以解决：

```bash
python -m site
```

在我的机器上，会有类似下面输出：

```bash
sys.path = [
    '/data1/calculation/Cluster_Coupling/chiralcluster_chiralmol',
    '/opt/anaconda3/envs/gpaw/lib/python311.zip',
    '/opt/anaconda3/envs/gpaw/lib/python3.11',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/lib-dynload',
    '/home/gn/.local/lib/python3.11/site-packages',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/gpaw-22.8.0-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/PyYAML-6.0-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/scipy-1.10.1-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/ase-3.22.1-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/matplotlib-3.7.1-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/python_dateutil-2.8.2-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/pyparsing-3.1.0b2-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/Pillow-9.5.0-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/packaging-23.1-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/kiwisolver-1.4.4-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/fonttools-4.39.4-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/cycler-0.11.0-py3.11.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/contourpy-1.0.7-py3.11-linux-x86_64.egg',
    '/opt/anaconda3/envs/gpaw/lib/python3.11/site-packages/six-1.16.0-py3.11.egg',
]
USER_BASE: '/home/gn/.local' (exists)
USER_SITE: '/home/gn/.local/lib/python3.11/site-packages' (exists)
ENABLE_USER_SITE: True

```

这里的USER_BASE 和USER_SITE其实就是用户自定义的启用Python脚本和依赖安装包的基础路径，从上面的输出可以看到，`import xxx`时，先找的是 `anaconda3/pkgs`目录，所以conda安装的包会被import进来。

---

大部分情况下，二者没有区别，怎么安装都可以work，不过，二者混着装各种package你真的会因为版本冲突而发疯！

**conda有严格的检查机制，它会保证你当前装的package安装好之后能work，但是，它只检查用conda安装过的package。** 例如，你新安装的package会依赖numpy ，不过你已经安装numpy(e.g., 1.19.2)，但是用pip安装的，不好意思，它会认为你没安装，然后用conda再安装一个依赖版本的numpy(e.g., 1.18.5)。这个时候，两个numpy可能就打架了。并且你 `pip list`与 `conda list`显示的numpy版本可能不一致，结果不知道最后运行程序的时候调用了哪个版本的numpy。

这个时候，uninstall可能也卸载不干净，卸了一个还有一个，最后还可能一直list有却是一个空壳。这个时候，快刀斩乱麻的方法，找到anaconda的lib/site-packages/numpy, 手动删掉它！

**pip的一个好处是可以安装时既检查conda安装过package的也检查pip安装过的package。** 不过，它只负责要什么装什么，不负责能不能把装的一堆packages打通，可能装好不work :(。

**一般原则，在新环境中，如果装多个packages，既用到conda，又用到pip，那就先conda 的都装好，再pip，如果能用一种装到底，就不要来回换着用。**

## 二、使用区别

> **[支持语言]：**

> pip 是 python 官方推荐的包下载工具，但是只能安装python包
> conda 是一个跨平台（支持linux, mac, win）的通用包和环境管理器，它除了支持python外，还能安装各种其他语言的包，例如 C/C++, R语言等

> **[Repo源]：**

> pip 从PyPI（Python Package Index）上拉取数据。上面的数据更新更及时，涵盖的内容也更加全面
> conda 从 Anaconda.org 上拉取数据。虽然Anaconda上有一些主流Python包，但在数量级上明显少于PyPI，缺少一些小众的包

> **[包的内容]：**

> pip 里的软件包为wheel版或源代码发行版。wheel属于已编译发新版的一种，下载好后可以直接使用；而源代码发行版必须要经过编译生成可执行程序后才能使用，编译的过程是在用户的机子上进行的
> conda 里的软件包都是二进制文件，下载后即可使用，不需要经过编译

> **[环境隔离]：**

> pip 没有内置支持环境隔离，只能借助其他工具例如virtualenv or venv实现环境隔离
> conda 有能力直接创建隔离的环境

> **[依赖关系]：**

> pip安装包时，尽管也对当前包的依赖做检查，但是并不保证当前环境的所有包的所有依赖关系都同时满足。当某个环境所安装的包越来越多，产生冲突的可能性就越来越大。
> conda会检查当前环境下所有包之间的依赖关系，保证当前环境里的所有包的所有依赖都会被满足

> **[库的储存位置]：**

> 在conda虚拟环境下使用 pip install 安装的库： 如果使用系统的的python，则库会被保存在 ~/.local/lib/python3.x/site-packages 文件夹中；如果使用的是conda内置的python，则会被保存到 anaconda3/envs/current_env/lib/site-packages中
> conda install 安装的库都会放在anaconda3/pkgs目录下。这样的好处就是，当在某个环境下已经下载好了某个库，再在另一个环境中还需要这个库时，就可以直接从pkgs目录下将该库复制至新环境而不用重复下载

## 三、使用总结

推荐使用conda创建虚拟环境，能用conda安装的就先用conda，不行再使用pip安装。