Condaはvirtualenvの必要性を置き換えますか？

SciPyのインストールで問題が発生した後、特に開発中のHerokuアプリでCondaを最近発見しました。

Condaを使用して、virtualenvと同じように環境を作成します。私の質問は：

1. Condaを使用すると、virtualenvの必要性が置き換えられますか？そうでない場合、どうすれば2つを一緒に使用できますか？virtualenvをCondaにインストールしますか、それともvirtualenvにCondaをインストールしますか？
2. それでもpipを使用する必要がありますか？その場合でも、分離された環境でpipを使用してパッケージをインストールできますか？

1. Condaはvirtualenvを置き換えます。私の意見では、それはより良いです。Pythonに限定されず、他の言語にも使用できます。私の経験では、特に科学的なパッケージの場合、それははるかにスムーズな経験を提供します。初めてMacにMayaViを正しくインストールしたのは、condaでした。

2. 引き続き使用できますpip。実際、新しい環境ごとにcondaインストールさpipれます。それは、pipでインストールされたパッケージについて知っています。

例えば：

conda list

現在の環境にインストールされているすべてのパッケージを一覧表示します。Condaがインストールしたパッケージは次のように表示されます。

sphinx_rtd_theme          0.1.7                    py35_0    defaults

を介しpipてインストールされたものには<pip>マーカーがあります：

wxpython-common           3.0.0.0                   <pip>

短い答えは、コンダが必要なだけです。

1. Condaはpipとvirtualenvの機能を単一のパッケージに効果的に組み合わせているため、condaを使用している場合はvirtualenvは必要ありません。

2. condaがサポートするパッケージの数に驚くでしょう。それが十分でない場合は、condaの下でpipを使用できます。

conda、pip、virtualenvを比較するcondaページへのリンクは次のとおりです。

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

仮想環境と pip

Anaconda を使用すると、conda環境の作成と削除が簡単になることを付け加えます。

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

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

で有効な環境を介してパッケージをインストールしますcondaかpip：

(envname)> conda install <package>

(envname)> pip install <package>

これらの環境はcondaのpipのようなパッケージ管理に強く結びついているため、環境を作成してPythonパッケージと非Pythonパッケージの両方をインストールするのは簡単です。

ジュピター

さらに、環境にインストールするipykernelと、Jupyterノートブックの[カーネル]ドロップダウンメニューに新しいリストが追加され、再現可能な環境がノートブックに拡張されます。Anaconda 4.1以降、nbextensionsが追加されました、ノートブックに拡張機能をより簡単に追加できるようになりました。

信頼性

私の経験では、condaはやなどの大規模なライブラリをインストールする方がより高速で信頼性が高くnumpyなりpandasます。さらに、保存された環境の状態を転送したい場合は、envを共有または複製することで実行できます。

Condaをインストールすると、Python環境を希望どおりに作成および削除できるため、virtualenvと同じ機能が提供されます。

両方のディストリビューションの場合、分離されたファイルシステムツリーを作成でき、Pythonパッケージを（おそらく、pipを使用して）インストールおよび削除できます。異なるユースケースで同じライブラリの異なるバージョンを使用したい場合や、何らかの配布を試みて、後でディスクスペースを節約して削除したい場合に、これは便利です。

違い：

ライセンス契約。virtualenvのは、最もリベラルの下に来る間にMITライセンス、Conda 3条項BSDライセンスを使用しています。

Condaは、独自のパッケージ制御システムを提供します。このパッケージ制御システムは、一般的なPython以外のソフトウェアのプリコンパイルされたバージョン（ほとんどの一般的なシステム用）を提供することがよくあります。これにより、機械学習パッケージを簡単に機能させることができます。つまり、システム用に最適化されたC / C ++コードをコンパイルする必要はありません。それは私たちのほとんどにとって大きな安心ですが、そのようなライブラリのパフォーマンスに影響を与える可能性があります。

virtualenvとは異なり、Condaは少なくともLinuxシステムで一部のシステムライブラリを複製します。このライブラリは同期が取れなくなり、プログラムの動作に一貫性がなくなります。

評決：

Condaは素晴らしく、機械学習を始める際のデフォルトの選択になるはずです。これは、gccと多数のパッケージをいじる時間を節約します。それでも、Condaはvirtualenvの代わりにはなりません。これは、常に望ましいとは限らない、いくつかの追加の複雑さをもたらします。それは別のライセンスの下にあります。分散環境またはHPCハードウェアでcondaを使用しないようにすることができます。

私は両方を使用し、（2020年1月の時点で）いくつかの表面的な違いがあるため、使用方法が異なります。することで、デフォルト Conda virtualenvのは、現在のディレクトリ内のフォルダを作るのに対し、中央の場所にあなたのための環境のリストを管理することを好みます。前者（集中型）は、たとえば機械学習を行っており、多くのプロジェクトで使用する広範な環境がいくつかあり、どこからでもそこに飛び込みたい場合に適しています。後者（プロジェクトフォルダーごと）は、本当にプロジェクト自体に属しているlib要件の完全に異なるセットを持つ小さな1回限りのプロジェクトを実行している場合に意味があります。

Condaが作成する空の環境は約122MBですが、virtualenvは約12MBです。そのため、どこにでもConda環境を分散させたくない場合もあります。

最後に、Condaが一元化された環境を好むもう1つの表面的な兆候は、独自のプロジェクトフォルダーにConda envを作成してアクティブ化すると、シェルに表示される名前のプレフィックスが（長すぎる）絶対であることですフォルダへのパス。名前を付けることで修正できますが、virtualenvはデフォルトで正しいことを行います。

2つのパッケージマネージャーが優位を争うにつれて、この情報は急速に古くなると思いますが、これらは今日のトレードオフです:)

別の新しいオプションと、環境を稼働させるための私の現在の推奨方法はPipenvです。

現在、Python.orgから公式に推奨されているPythonパッケージツールです。

はい、condaはインストールよりもvirtualenvはるかに簡単で、後者をほとんど置き換えます。

私は、管理者のアクセス権のないマシンでいくつかのファイアウォールの背後にある企業で働いています

Python（2年間）の限られた経験で、pipを介してインストールするときにC ++依存関係エラーエラーをスローしたいくつかのライブラリ（JayDeBeApi、sasl）に遭遇しました。MicrosoftVisual C ++ 14.0が必要です。「Microsoft Visual C ++ Build Tools」で入手：http : //landinghub.visualstudio.com/visual-cpp-build-tools

これらはcondaでうまくインストールされたので、当時から私はconda envで作業を始めました。ただし、書き込みアクセス権がないc.programfiles内に依存関係をインストールすることからcondaを停止するのは簡単ではありません。