python pip及conda指南

Python包管理工具深度测评:uv、pip、conda全面对比与选型指南 在Python开发中,依赖管理堪称"基础设施建设"。从早期`pip`的单刀赴会,到`conda`带来跨语言管理的降维打击,再到`uv`以Rust高性能重构工具链,每一次变革都在重塑开发体验。本文将从技术实现、性能表现、适用场景等维度深度解析三大工具,助你打造趁手的开发兵器库。 阅读详情

最近做实验,换了新环境。OSX + Pycharm + Anaconda2
之前在Ubuntu上都是直接在终端中使用pip安装相关的包。但是在OSX中却会遇到一些坑。同时Anaconda2本身自带了很多有用的包,加上conda的包管理,总体来说比pip优秀一些。但是conda安装也会有些坑,这里介绍一些今天安装的经验。

conda的安装,这一块就不介绍了,网上有非常多的教程。就是普通命令行下需要将conda添加到~/.bash_profile这个配置环境中才能使用。我是直接在pycharm中的终端使用conda安装相关包的。

Conda配置

  1. conda配置国内源
# 使用清华的源是很好用的
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

清华Anaconda镜像源

2.conda使用

# 查看安装的包
conda list
# 安装conda的包
conda install 包名
# 更新conda的包
conda update 包名
# 删除conda的包
conda remove 包名
# 创建并激活虚拟环境
conda create --name snowflakes biopython
# 激活新环境
# 这将创建一个名为/envs/snowflakes的环境,该环境包括程序Biopython
source activate snowflakes
# 创建并激活新环境
# 这次创建和命名一个新的环境,并安装不同版本的Python和两个包命名为Astroid和Babel
conda create --name bunnies python=3 astroid babel
# 验证当前环境
conda info --envs
# 删除环境
conda remove --name flowers --all

Pip配置

  1. pip配置国内源(pip也要配置国内源,要不慢死)
在 ~/.pip/pip.conf (若没有就创建它)添加以下内容
【豆瓣源】
[global]
timeout = 60
index-url = http://pypi.douban.com/simple
trusted-host = pypi.douban.com
OR
[global]
timeout = 60
index-url = https://pypi.doubanio.com/simple
OR
【阿里源】
[global]
timeout = 60
trusted-host=mirrors.aliyun.com
index-url=http://mirrors.aliyun.com/pypi/simple/
  1. pip使用
# 如果pip没添加到配置环境
python -m pip 相关操作
# 安装包
pip install SomePackage # 最新版本
pip install SomePackage==1.0.4     # 指定版本
pip install 'SomePackage>=1.0.4'     # 最低的版本
# 安装包(offline)
pip install SomePackage.whl
# 展示了已经安装的包
pip show --files SomePackage
# 查看已经过时的包
pip list --outdated
# 更新包
pip install --upgrade SomePackage
# 卸载包
pip uninstall SomePackage
# 安装requirements中的包(具体requirements的格式接下来再说)
pip install -r requirements.txt
# 从指定本地目录安装requirements文件
pip install wheels
pip wheel --wheel-dir=/local/wheels -r requirements.txt
# 从指定本地目录安装requirements文件,不用pypi
pip install --no-index --find-links=/local/wheels -r requirements.txt
参数介绍
#
--user OR -U 针对特定(全部)用户(如果加上这个参数,那么pip安装的包conda也能用!划重点!!!)
--ignore-installed 强制安装
PS:某些特殊情况下,需要使用强制安装

pip用户指南

  1. requirements的使用
# 格式
[[--option]...]
<requirement specifier> [; markers] [[--option]...]
<archive url/path>
[-e] <local project path>
[-e] <vcs project url>

# 例子

####### example-requirements.txt #######
#
###### Requirements without Version Specifiers ######
nose
nose-cov
beautifulsoup4
#
###### Requirements with Version Specifiers ######
#   See https://www.python.org/dev/peps/pep-0440/#version-specifiers
docopt == 0.6.1             # Version Matching. Must be version 0.6.1
keyring >= 4.1.1            # Minimum version 4.1.1
coverage != 3.5             # Version Exclusion. Anything except version 3.5
Mopidy-Dirble ~= 1.1        # Compatible release. Same as >= 1.1, == 1.*
#
###### Refer to other requirements files ######
-r other-requirements.txt
#
#
###### A particular file ######
./downloads/numpy-1.9.2-cp34-none-win32.whl
http://wxpython.org/Phoenix/snapshot-builds/wxPython_Phoenix-3.0.3.dev1820+49a8884-cp34-none-win_amd64.whl
#
###### Additional Requirements without Version Specifiers ######
#   Same as 1st section, just here to show that you can put things in any order.
rejected
green
#

# 将相关包加入到requirements
pip SomePackage > requirements.txt

requirements-file-format详细介绍

Conda vs Pip vs Venv:3种Python环境方案深度对比与选型指南 本文深度对比了Conda、Pip和Venv三种Python环境管理工具的优缺点,帮助开发者根据项目需求做出最佳选择。Conda适合数据科学和跨语言项目,Pip+Venv组合轻量且官方推荐,Venv则提供基础隔离功能。文章还提供了典型场景选型指南和高级特性解析,助力高效Python开发。 阅读详情

相关推荐

Python第三方库安装指南:pip与conda的完整使用教程

本文全面介绍了Python的两大主流包管理工具——pip和conda的使用方法,并通过对比和实际案例帮助开发者掌握高效管理Python环境的技能。文章首先概述了包管理工具的必要性,并对比了pip和conda的特性。随后,详细介绍了pip和conda的基础安装、常用命令、高级功能以及环境管理方法。此外,还探讨了pip与conda的混合使用策略,并提供了最佳实践和常见问题的解决方案。最后,文章总结了pip和conda的适用场景,帮助开发者根据项目需求选择合适的工具。通过本文,读者可以全面掌握Python包管理的

记录学习的过程 2167

pip 提速方法和conda install命令,利用pip安装到conda 特定环境中

在 pip install 包名 后面加上 -i + 镜像地址,这样 pip 安装时即可成倍的提速了。

tony365的博客 1896

深入理解 pip 与 conda:给 Python 开发者的实用环境管理与依赖治理指南

摘要:Python开发者环境管理指南深入对比pip与conda的核心差异与应用场景。pip专注Python包管理,适合Web/CLI项目;conda提供跨语言二进制包管理和内置环境隔离,是数据科学项目的首选。文章详细解析两者在依赖解析、二进制支持、复现能力等方面的区别,提供基础操作速查和进阶技巧,包括混用顺序、渠道统一、依赖锁定等最佳实践,并通过Django和数据分析项目案例展示具体应用。

铭渊老黄 8167

【Conda-pip】Conda下Python环境配置

本文使用Conda + pip配置Python环境,使用Conda是因为Conda安装的包兼容性好,使用pip是因为Conda包的数量比pip少得多,有些小众的包还是需要借助pip安装,据统计,Conda安装包约1500种,而pip的安装包至少有15万种。当Conda与pip都无法安装时,我们推荐使用编译安装,即本文优先使用的Python运行环境是:用Conda创造虚拟环境Python安装包的原则是:Conda > pip > 编译环境。1.安装opencv,,优先使用conda安装,利用指令。

weixin_45056254的博客 2695

医疗影像处理实战:如何用Slicer和Mimics将.nii.gz文件转为.ply格式(附避坑指南)

本文详细介绍了利用3D Slicer和Materialise Mimics软件,将医学影像中常见的.nii.gz格式文件转换为通用三维网格.ply格式的完整实战流程。文章重点分享了从数据分割、DICOM序列导出到高质量网格生成的核心步骤与关键参数设置,并提供了针对常见问题的避坑指南,旨在帮助医学影像研究者和工程师高效完成从体数据到三维模型的关键转换。

weixin_28304023的博客 105

ZYNQ平台AXI DMA传输避坑指南:如何快速定位‘errors:200‘等中断故障

本文详细解析了ZYNQ平台AXI DMA传输中常见的'errors:200'等中断故障,提供了从寄存器解析到压力测试的完整解决方案。通过深入分析XILINX_DMA中断机制、错误分类及五步排查法,帮助开发者快速定位并解决DMA传输问题,提升系统稳定性与性能。

weixin_29159613的博客 441

02.28:pip install conda

02.28:pip install conda

HilariousBojack的博客 1339

从零到一:Mx_yolo本地训练与K210部署实战指南

本文详细介绍了从零开始进行Mx_yolo本地模型训练到K210部署的全流程实战指南。涵盖环境配置、数据准备、模型训练与调优、模型转换及K210部署等关键步骤,并提供了常见问题解决方案和性能优化技巧,帮助开发者高效完成AI模型在嵌入式设备的落地应用。

weixin_29081163的博客 252

人工智能:pip、conda配置、使用命令,以及个人安装过的包汇总(pip/conda) ---- python3.7

人工智能:个人安装过的包汇总 ---- python3.0 包 安装命令(安装方式) 功能 领域方向(类型) 注 gensim pip install gensim LDA主题模型的建模 NLP自然语言处理 slenium pip install selenium -i https://mirrors.aliyun.com/pypi/simple 爬取js动态加载的网页数据时............

Acegem的博客 4670

K8s认证文件丢失的应急处理与恢复策略

本文详细介绍了Kubernetes(K8s)认证文件丢失时的应急处理与恢复策略。从快速诊断问题范围到不同场景的临时解决方案,再到深度恢复方案(无损重建、部分重置、完全重建),提供了全面的操作指南。同时强调了生产环境中的防丢失设计、高可用集群的特殊处理以及日常运维建议,帮助运维人员有效应对认证文件丢失的紧急情况。

weixin_33743248的博客 328

遗传算法(GA)全面解析:从生物基础到工程实践

本文全面解析了遗传算法(GA),从其生物基础到工程实践应用。遗传算法模拟自然进化过程,通过选择、交叉和变异等操作在解空间中高效搜索最优解。文章详细介绍了算法的生物学基础(达尔文进化论、孟德尔遗传定律)、基本概念(种群、个体、基因等)和核心思想。重点阐述了遗传算法的数学模型,包括编码机制、适应度函数设计、遗传算子(选择、交叉、变异)以及关键控制参数。最后提供了一个完整的Python实现示例,展示了遗传算法求解函数最大值问题的具体应用。该算法具有群体搜索、概率导向、无需梯度等特点,适用于各类复杂优化问题。

qq_42212808的博客 1179

conda安装和pip安装

在 Python 包管理中,)和)是两种主流方式。

m0_62123442的博客 627

YOLO26改进策略【YOLO和Mamba】| 替换骨干 Mamba-YOLO26-T !!! 最新的发文热点

模块是模型中的一个重要组成部分,其主要作用是在模型的初始阶段对输入图像进行处理,方便后续的特征提取和目标检测。以下是对。

Limiiiing的博客 901

包和依赖管理:Python的pip和conda使用指南

通过本文,我们希望帮助你理解pip和conda的基本使用方法,以及如何解决一些常见的问题。记住,不要害怕尝试和犯错,这是学习过程的一部分。随着时间的推移,你会越来越熟练地管理你的Python项目依赖。祝你编程愉快!

无远弗届 974

在Android Jetpack Compose中实现夜间模式

Android基于Compose的深色主题实现

虎哥LoveDroid 1243

【APM】在Kubernetes中,使用Helm安装Grafana 9.5.1

Grafana是一款流行的开源数据可视化和分析平台,它特别擅长处理时序数据,即随时间变化的数据,因此在监控系统性能、应用程序指标、物联网(IoT)设备数据等领域有着广泛的应用。

CN_Eden 1203

Python 安装和依赖管理指南:Conda 与 Pip

本文介绍了在 Mac 系统下使用 Miniconda 进行 Python 环境管理以及如何使用 pip 进行依赖安装。首先,用户可以从 Anaconda 官网 下载并安装 Miniconda,随后通过 conda 管理多个 Python 版本和环境。接下来,详细说明了如何通过 pip 安装特定版本的库、一次性安装多个依赖以及使用国内镜像源进行加速。文章还介绍了通过 pip freeze 导出依赖文件,并在不同项目间迁移依赖环境,极大提升了 Python 项目管理的便利性。

敲代码别忘了喝上一杯凉白开。 2000

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Python 包管理(pip、conda)基本使用指南

Python 包管理(pip、conda)基本使用指南

墨鸦的博客 9921

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Python 环境导出终极指南:conda vs pip 选型 + 实操 + GitHub 开源项目依赖规范

本文将从「本地环境导出选型」和「开源项目依赖规范」两大核心场景出发,结合 Linux 实操命令、核心区别对比、避坑指南,帮你彻底搞懂环境导出的底层逻辑和最佳实践,覆盖从个人开发到开源协作的全场景需求。在 Python 开发中,环境一致性是项目可复用、可协作的核心前提 —— 无论是本地多设备同步开发、团队协作对接,还是部署上线、复现开源项目,「环境导出与还原」都是绕不开的关键步骤。conda 环境支持混用两种安装方式,但导出时的选型直接决定环境还原的成功率,选错可能导致包缺失、版本冲突、项目跑不起来。

qq_40324073的博客 954

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Python环境管理工具深度指南:pip、Poetry、uv、Conda

本文介绍Python虚拟环境的概念,以及四种主流的环境和依赖管理工具:pip、Poetry、uv和Conda,讲解它们的安装、用法、特点和适用场景,并对比分析各自的优缺点,最后给出推荐的实践和工具选择策略。

于归promax 5160

chatgpt赋能python:Python模块安装指南:从pip到conda

本文由chatgpt生成,文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型,只是展现它原本的实力。对于颠覆工作方式的ChatGPT,应该选择拥抱而不是抗拒,未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。

vacvefito的博客 233

终极Python包管理指南:从pip到conda的完整使用攻略

Python作为最受欢迎的编程语言之一,拥有丰富的第三方库生态系统。而高效管理这些包和依赖项是每个Python开发者必备的技能。本文将详细介绍Python生态中最主流的包管理工具——pip与conda,帮助你轻松掌握环境配置、依赖管理和版本控制的核心技巧,让Python开发更简单高效。 [![Python包管理生态概览](https://raw.gitcode.com/GitHub_Trendi

gitblog_01040的博客 1051

深入了解pip和conda:高效Python环境管理的必备指南

​ 在本篇博客中,我们深入探讨了pip和conda这两个强大的Python包管理工具。通过学习这些相关命令,我们可以轻松地下载、更新和删除Python包,构建适合自己需求的开发环境,并且掌握了在conda中创建环境、配置Jupyter Notebook以及回滚环境的技巧。这些知识不仅为搭建深度学习环境提供了基础,还可以作为日常开发中的速查命令手册。希望本文能够帮助你更好地管理和利用Python生态系统中的工具和资源,提高开发效率。

ak_bingbing的博客 766

避坑指南:用conda和pip混装Python包时如何避免‘~umpy‘这类幽灵错误

本文深入解析了在Python开发中混合使用conda和pip时常见的'~umpy'幽灵错误的成因与解决方案。该错误通常源于安装中断或包管理工具冲突,导致site-packages目录下出现无效的元数据文件。文章提供了从手动清理到系统性预防的完整策略,强调确立conda为主、pip为辅的安装顺序,并利用环境锁定文件确保环境可复现,帮助开发者构建稳定、清晰的工作流。

agile9scrum的博客 931

OpenCV-Python安装全攻略:从pip到conda的实战指南

本文详细介绍了OpenCV-Python的安装方法,包括pip和conda两种主流方式,并针对不同操作系统提供了优化建议。从基础版到完整版的选择,再到常见问题排查,帮助开发者快速部署OpenCV-Python环境,提升计算机视觉开发效率。

weixin_30664051的博客 401

Miniconda-Python3.9环境下使用pip与conda混合安装指南

在Miniconda与Python 3.9环境下,合理结合conda和pip可高效构建稳定、可复现的AI开发环境。优先使用conda安装核心科学计算库和深度学习框架,利用其强大的依赖解析与非Python依赖管理能力;再用pip补充PyPI生态中的前沿工具包,并通过environment.yml完整导出环境配置,确保跨平台协作一致性。

weixin_28931507的博客 968
上一篇: 机器学习-逻辑回归模型公式推导
下一篇: Pycharm远程调试docker containers
我就想叫这个
博客等级 码龄11年 52粉丝 39原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值