Заменяет ли Conda необходимость в virtualenv?

1. Conda заменяет virtualenv. На мой взгляд так лучше. Это не ограничивается Python, но может использоваться и для других языков. По моему опыту, это обеспечивает гораздо более плавную работу, особенно для научных пакетов. Первый раз, когда я правильно установил MayaVi на Mac, был conda.

2. Вы все еще можете использовать pip. Фактически, conda устанавливает pip в каждую новую среду. Он знает о пакетах, установленных pip.

Например:

conda list

перечисляет все установленные пакеты в вашей текущей среде. Пакеты, установленные Conda, выглядят следующим образом:

sphinx_rtd_theme          0.1.7                    py35_0    defaults

а те, что установлены через pip, имеют маркер <pip>:

wxpython-common           3.0.0.0                   <pip>

Короткий ответ: вам нужен только conda.

1. Conda эффективно сочетает в себе функциональность pip и virtualenv в одном пакете, поэтому вам не понадобится virtualenv, если вы используете conda.

2. Вы будете удивлены, сколько пакетов поддерживает conda. Если этого недостаточно, вы можете использовать pip под conda.

Вот ссылка на страницу conda, на которой сравниваются conda, pip и virtualenv:

https://docs.conda.io/projects/conda/en/latest/commands.html#conda-vs-pip-vs-virtualenv-commands.

Виртуальные среды и pip

Я добавлю, что создание и удаление сред conda является просто с Anaconda.

> conda create --name <envname> python=<version> <optional dependencies>

> conda remove --name <envname> --all 

В активированной среде установите пакеты через conda или pip:

(envname)> conda install <package>

(envname)> pip install <package>

Эти среды сильно привязаны к pip-подобному управлению пакетами conda, поэтому это просто для создания сред и установки пакетов Python и не Python.

Юпитер

Кроме того, установка ipykernel в среде добавляет новый список в раскрывающемся меню «Ядра» ноутбуков Jupyter, расширяя воспроизводимые среды до ноутбуков. Начиная с Anaconda 4.1, были добавлены nbextensions, упрощающие добавление расширений в записные книжки.

Надежность

По моему опыту, conda быстрее и надежнее при установке больших библиотек, таких как numpy и pandas. Более того, если вы хотите передать свое сохраненное состояние среды, вы можете сделать это с помощью общий доступ или клонирование env.

Я использую оба, и (по состоянию на январь 2020 г.) у них есть некоторые поверхностные различия, которые поддаются мне по-разному. По умолчанию Conda предпочитает централизованно управлять списком сред, тогда как virtualenv создает папку в текущем каталоге. Первый (централизованный) имеет смысл, если вы, например, выполняете машинное обучение, и у вас есть всего пара широких сред, которые вы используете во многих проектах и ​​хотите перейти в них из любого места. Последнее (для каждой папки проекта) имеет смысл, если вы выполняете небольшие разовые проекты, которые имеют совершенно разные наборы требований к библиотекам, которые на самом деле больше относятся к самому проекту.

Пустая среда, которую создает Conda, составляет около 122 МБ, в то время как virtualenv - около 12 МБ, так что это еще одна причина, по которой вы можете предпочесть не разбрасывать среды Conda повсюду.

Наконец, еще одним поверхностным признаком того, что Conda предпочитает свои централизованные env, является то, что (опять же, по умолчанию), если вы действительно создаете Conda env в своей собственной папке проекта и активируете его, префикс имени, который появляется в вашей оболочке, является (слишком длинным) абсолютным путь к папке. Вы можете исправить это, присвоив ему имя, но virtualenv по умолчанию делает правильные вещи.

Я ожидаю, что эта информация быстро устареет, поскольку два менеджера пакетов соперничают за доминирование, но на сегодняшний день это компромиссы :)

РЕДАКТИРОВАТЬ: Я снова рассмотрел ситуацию в 04/2021, и она не изменилась. По-прежнему неудобно устанавливать локальный каталог с помощью conda.

Установка Conda позволит вам создавать и удалять среды Python по своему усмотрению, тем самым предоставляя вам те же функции, что и virtualenv было бы.

В случае обоих дистрибутивов вы сможете создать изолированное дерево файловой системы, где вы можете устанавливать и удалять пакеты python (возможно, с помощью pip) по своему усмотрению. Что может пригодиться, если вы хотите иметь разные версии одной и той же библиотеки для разных случаев использования или просто хотите попробовать какой-то дистрибутив и затем удалить его, сохраняя место на диске.

Отличия:

Лицензионное соглашение. Хотя virtualenv подпадает под наиболее либеральную лицензию MIT, Conda использует лицензию BSD с тремя пунктами.

Conda предоставляет вам собственную систему управления пакетами. Эта система управления пакетами часто предоставляет предварительно скомпилированные версии (для большинства популярных систем) популярного программного обеспечения, отличного от Python, что может упростить работу некоторых пакетов машинного обучения. А именно, вам не нужно компилировать оптимизированный код C / C ++ для вашей системы. Хотя для большинства из нас это большое облегчение, это может повлиять на производительность таких библиотек.

В отличие от virtualenv, Conda дублирует некоторые системные библиотеки, по крайней мере, в системе Linux. Эти библиотеки могут рассинхронизироваться, что приведет к несогласованному поведению ваших программ.

Вердикт:

Conda великолепна и должна быть вашим выбором по умолчанию, когда вы начинаете свой путь с машинного обучения. Это сэкономит вам время, связанное с gcc и многочисленными пакетами. Тем не менее, Conda не заменяет virtualenv. Это вносит дополнительную сложность, которая не всегда может быть желательной. Поставляется под другой лицензией. Возможно, вы захотите избежать использования conda в распределенных средах или на оборудовании HPC.

Еще один новый вариант и мой текущий предпочтительный метод запуска и запуска среды - это Pipenv

В настоящее время это официально рекомендованный инструмент упаковки Python от Python.org.

Да, conda намного проще установить, чем virtualenv, и в значительной степени заменяет последнее.

1. Нет, если вы используете conda, вам не нужно использовать какой-либо другой инструмент для управления виртуальными средами (например, venv, virtualenv, pipenv и т. Д.). Может быть, есть какой-то крайний случай, который conda не покрывает, но virtualenv (более тяжеловесный) делает, но я до сих пор не встречал ни одного.

2. Да, вы не только можете использовать pip, но, вероятно, вам придется. Репозиторий пакетов conda содержит меньше, чем pip, поэтому conda install иногда не сможет найти нужный пакет, особенно если это не пакет для анализа данных. И, если я правильно помню, репозиторий conda обновляется не так быстро / часто, как pip, поэтому, если вы хотите использовать последнюю версию пакета, pip снова может быть вашим единственным вариантом.

Примечание: если команда pip недоступна в виртуальной среде conda, вам необходимо сначала установить ее, нажав:

conda install pip

Я работаю в компании, за несколькими брандмауэрами с машиной, к которой у меня нет доступа администратора

В моем ограниченном опыте работы с python (2 года) я столкнулся с несколькими библиотеками (JayDeBeApi, sasl), которые при установке через pip выдавали ошибку ошибок зависимости C ++: требуется Microsoft Visual C ++ 14.0. Получите это с помощью «инструментов сборки Microsoft Visual C ++»: http://landinghub.visualstudio.com/visual-cpp-build-tools

они установлены нормально с conda, поэтому с тех пор я начал работать с conda env. однако нелегко остановить conda от установки зависимости внутри c.programfiles, где у меня нет доступа для записи.