4 September 2024

Python包管理-Pip与Conda的用法

by mikhayeeer

@[TOC]

python的包管理工具一般是pip和conda

pip和conda是Python开发环境中广泛使用的两大包管理工具。 conda是Anaconda发行版的一部分，但也可以单独安装使用，适用于所有Python环境，不仅仅是Anaconda用户。

这个博客是平时的笔记的一次整合，至于为什么连这些都有笔记，那只能是：

为了更好展现使用方法，就不分为pip和conda两部分展示。而是依照使用进行区分展示。

0. 获取帮助页面

对于任何命令行工具，查阅其帮助文档通常是快速熟悉和掌握其用法的有效途径。 pip和conda可分别通过以下命令访问其帮助页面：

pip help
pip --help
# pip可以通过两种来获取帮助

conda --help
# conda只能--help

非常推荐在日常使用中去随时查看help文档

1. 基础操作

安装包

安装包的基本命令如下：

pip install <package_name>

conda install <package_name>

指定特定版本安装：

pip install numpy==1.21.5

conda install numpy=1.21.5

换源

pip 更换pip的默认源以加速下载，如使用清华大学镜像：
```
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
```
使用-i的方法是临时性的，并不是永久的
conda conda换源和切换至特定通道安装： ```bash conda install numpy -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda install conda-pack -c conda-forge

> **注**：“源”（`pip`中的`--index-url`或`-i`选项）与“通道”（`conda`中的`-c`或`--channel`选项）尽管在功能上都是指代软件包的来源，但它们分别对应于`pip`与`conda`各自独立的服务体系（PyPI与Anaconda Cloud）及其特有的命令行参数。

#### 国内镜像源
同时，在指定源进行安装的时候，为了避免一些安全性问题，建议选择常规可信源进行安装。

||一些常见的源|
|--|--|
|清华：|https://pypi.tuna.tsinghua.edu.cn/simple|
|阿里云|http://mirrors.aliyun.com/pypi/simple/|
|中科大|https://pypi.mirrors.ustc.edu.cn/simple/|
|豆瓣|http://pypi.douban.com/simple/|

### 更新
更新单个包：
```bash
pip install --upgrade <package_name>

conda update <package_name>

更新所有已安装包：

pip install --upgrade --all

conda update --all

卸载

pip uninstall <package_name>

conda remove <package_name>

查看

查看单一包的详情

pip show <package_name>

conda list <package_name>

查看所有已安装的包

pip list

conda list

2. requirements

依据requirements.txt安装

pip install -r requirements.txt
pip install --requirement requirements.txt

conda install --yes --file requirements.txt
conda install -y -f requirements.txt

生成requirements.txt

使用pip自带功能生成：

pip freeze > requirements.txt
# 自带的功能，会把所有包都生成出来

使用第三方工具pipreqs生成：(推荐)

pip install pipreqs

pipreqs . 
# 对当前路径下的文件进行requirements生成
pipreqs . --encoding=utf8
# 加上这个避免一些编码错误

freeze和pipreqs的差别

pip freeze 用于列出当前 Python 环境中所有已安装包及其版本。执行此命令时，它不分项目边界，一视同仁地捕捉环境中所有的软件包，无论这些包是否直接服务于当前项目。也导致生成的 requirements.txt 文件可能包含大量非项目必需的依赖，提供的是全局环境快照，依赖列表过于宽泛。

pipreqs 是一款专门针对项目代码进行依赖分析的工具。它通过静态解析项目目录下的源代码和相关文件（如 .py, .ipynb, .yaml 等），识别出项目实际引用的库。基于这种精准分析，生成的 requirements.txt 文件仅包含项目实际使用的依赖，剔除了无关包。所以通常更推荐使用 pipreqs。

3. conda环境

创建

conda create -n New_env python=3.7
conda create --name New_env python=3.7

重命名env

conda create --name conda-new --clone conda-old
# 通过克隆进行重命名

查看环境
```
conda env list
conda info --envs
```
激活与退出 ```bash conda activate

conda deactivate

- 删除环境
```bash
conda env remove --name <env_name>

环境迁移

Export环境配置进行迁移

# 导出环境配置
conda env export > enviroment.yml
# 依据环境配置创建环境
conda env create -f enviroment.yml

打包环境进行迁移 ```bash conda install conda-pack -c conda-forge
从通道conda-forge安装conda-pack工具

conda pack -n -o /path/to/.tar.gz

eg.
```bash
conda pack -n mask-rcnn -o /pack_envs/mask-rcnn.tar.gz
# 将环境存储到路径为<>的文件中

导入打包好的环境将打包文件移动至目标路径，并解压。假设目标路径为$CondaPath/<env_name>，操作如下：
```
cd $CondaPath
mkdir <env_name>
cd <env_name>
tar -xzvf /path/to/<pack_filename>.tar.gz
```
激活并验证已导入的环境：
```
conda env list
conda activate <env_name>
```

注意：$CondaPath代表conda环境目录，通常位于/root/anaconda/envs（或其他路径），具体位置可通过conda info命令查看。

更新说明

2024年4月20日

补充了freeze和pipreqs的区别，说明为什么更推荐pipreqs。跳转

tags: Python