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

本文介绍如何通过使用国内镜像源来提高pip和conda的安装速度,包括临时和永久设置镜像源的方法,并提供了常见国内镜像源地址。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. pip 提速

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。
后面的地址主要是国内的一些镜像地址,速度会快一些
国内主要镜像地址如下:

“
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/

所以临时让 pip 安装时提速的格式如下:

pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. conda install 命令

conda install -c conda-forge opencv-python

3. 利用pip安装到conda 特定环境中

conda安装一般没问题,但是有些库必须利用pip安装
但是pip安装有时候会不生效,总是安装在base环境中。

3.1 需要修改 envs/envname/lib/site.py中的 USER_SITE和USER_BASE,

在这里插入图片描述
具体步骤参考文章:
conda环境下pip install 无法安装到指定conda环境中(conda环境的默认pip安装位置)

3.2 另外需要注意的是是否激活成功

  1. 用管理员身份运行cmd或anaconda powershell, 然后激活 conda activate envname
  2. 命令行运行python, 查看是否有warning提示,以及python版本是否正确。

4. 参考:

https://www.cnblogs.com/sugh/articles/14066428.html

5.pip

pip安装地址–清华源(国内常用镜像源)

国内常用镜像源

清华大学 :https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科学技术大学 :http://pypi.mirrors.ustc.edu.cn/simple/
华中科技大学:http://pypi.hustunique.com/
豆瓣源:http://pypi.douban.com/simple/
腾讯源:http://mirrors.cloud.tencent.com/pypi/simple
华为镜像源:https://repo.huaweicloud.com/repository/pypi/simple/

————————————————
1、临时使用

pip install [包名] -i [pip源URL]

pip install pytest -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2、永久使用
前提pip版本 (>=10.0.0) 方可使用此命令进行配置:

升级 pip 到最新的版本

pip install pip -U

python -m pip install --upgrade pip
修改pip源为清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

参考https://juejin.cn/post/7141566114412101662

### pip3 installconda install 的区别及使用场景 #### 包管理工具的本质差异 `pip3 install` `conda install` 是两种不同的包管理工具,分别隶属于 Python 生态 Conda 生态。`pip3` 是 Python 官方的包管理工具,主要用于安装 Python 包及其依赖项[^1]。而 `conda install` 是 Conda 提供的包管理工具,它不仅能够管理 Python 包,还能管理其他语言的包(如 C/C++、R 等)以及二进制文件[^3]。 #### 环境管理能力 `pip3` 本身并不具备环境管理功能,因此需要结合 `venv` 或 `virtualenv` 等工具来创建管理虚拟环境。相比之下,`conda install` 内置了强大的环境管理功能,可以直接创建独立的 Conda 环境,并在其中安装所需的包依赖项[^2]。 #### 包来源的不同 `pip3` 主要从 PyPI(Python Package Index)获取包,这些包通常是源代码形式,可能需要本地编译器支持才能正确安装。而 `conda install` 的包通常来自于 Anaconda Repository 或 Anaconda Cloud,这些包是预编译的二进制格式,因此无需额外安装编译器即可直接使用[^3]。 #### 依赖解决能力 `conda install` 在处理复杂的依赖关系时表现更为出色,尤其是在涉及多个语言或系统级别的依赖时。例如,当需要安装一个既包含 Python 代码又包含 C/C++ 扩展的包时,`conda install` 能够更稳定地解决所有依赖问题[^2]。而 `pip3` 在这种情况下可能会遇到依赖冲突或编译失败的问题。 #### 安装速度性能 由于 `conda install` 使用的是预编译的二进制包,因此在大多数情况下安装速度更快,且运行性能更优。而 `pip3` 需要从源代码编译某些包,这可能导致安装时间较长,尤其是在没有合适编译器的情况下[^1]。 #### 使用场景推荐 - **优先使用 `conda install`**:当需要安装的包存在复杂依赖关系,或者需要跨语言支持时,建议使用 `conda install`,因为它能更稳定地解决依赖问题并提供更好的性能。 - **备用使用 `pip3 install`**:当目标包仅存在于 PyPI 上,而 Conda 渠道中没有对应的包时,可以选择使用 `pip3 install` 进行安装。但在混用时需要注意依赖管理,通常建议先使用 `conda install` 安装主要依赖,再使用 `pip3 install` 安装剩余的包[^2]。 #### 示例代码 以下是一个简单的示例,展示如何分别使用 `pip3` `conda` 安装同一个包: ```bash # 使用 pip3 安装 NumPy pip3 install numpy # 使用 conda 安装 NumPy conda install numpy ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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