Python中anaconda/conda与virtualenv、virtualwrapper、pipenv、pyenv等环境管理器的实际区别是什么？
平时时候后者,最近在自学 AI 基于 python.
发现科学计算相关的都是用 anaconda/conda.
好吧好吧,我没有强迫症.
但是真的想知道他们的差别在哪里,用起来感觉一样啊,…
Python中anaconda/conda与virtualenv、virtualwrapper、pipenv、pyenv等环境管理器的实际区别是什么？
简单说，conda是包管理器+环境管理器，能管Python包也能管非Python的二进制依赖（比如MKL、CUDA）。其他几个本质都是纯Python环境管理器，依赖pip装包。
核心区别：
- conda：解决科学计算场景的依赖地狱，能处理Python包和系统级库。channel机制是双刃剑（方便但可能混用导致冲突）。
- virtualenv/pyenv：Unix系传统方案。
pyenv管Python版本，virtualenv管环境，pip装包。分工明确，但全是命令行操作。 - pipenv：想学npm的
package.json+lock机制，把pip和virtualenv打包了。但性能问题和依赖解析速度被吐槽较多。 - virtualwrapper：就是给
virtualenv加了几个方便的命令（像workon、mkvirtualenv）。
怎么选：
- 做数据科学/机器学习，用conda（尤其Windows或需要非Python依赖时）。
- 做Web开发或纯Python项目，用virtualenv或pyenv-virtualenv组合更轻量可控。
- 喜欢依赖锁且项目结构简单，可以试试pipenv。
一句话建议：科学计算用conda，其他用virtualenv+pyenv组合更省心。
conda 本身不依赖于 python 和 pip，因此可以先装 conda，再在 conda 里装 python，这与其他先装 python，再利用 python 来管理环境有着本质区别。毕竟，从一开始、从根本上就不依赖 python，感觉更彻底，更不容易出差错。
不过其实都差不多，这些东西各有各的好用，都没有大问题，随便找一个用，用得爽就继续用，用不爽就换一个。
另外，如果是用 Windows 系统，由于不用担心搞坏系统自带的 python，可以先不用环境管理器，基本上没有问题，实在遇到版本冲突再用也不迟。
- conda 不仅仅是 “ Python 包管理器”，它想成为 数据科学领域各种软件的包管理。Python 本身就是一个包，可以用 conda 安装不同版本的 Python , 而 virtualenv virtualwrapper pipenv 不可以
2. conda 流行主要是靠安装二进制包方便 。Pypi 全靠社区维护，如果包的提交者不提供 window，mac 的二进制安装包， 使用者就要自己编译， 安装就很费劲
3. python packaging 本身就不是为二进制分发设计的.
以 torch 为例:
Os(Linux/Windows/Mac), Python 版本(2.7/3.5/3.6), CUDA 版本(8/9)
那么一个 torch 版本对应的二进制版本就有 332=18 个
pip 并没有一个机制去自动判断该安装哪个二进制包， 所以 pip 安装 pytorch tensorflow 是要靠人手动选择对应的包的
pip3 install http://download.pytorch.org/whl/cu90/torch-0.4.0-cp35-cp35m-win_amd64.whl
conda 把相关信息打包在了包的 metadata 里，就能自动判断了:
conda install pytorch cuda90 -c pytorch
忽然想到一个小问题.
如果我用 conda 管理其他包,譬如 django
然后我想阅读 django 源码 可以实现吗?还是说默认实现不了的.,
因为你说 conda 下载的是二进制包?
还是我理解有误?
希望能够得到您进一步解答.
我就不用啊。。。而且上面的第三点其实。。。pip 本身就有 2/3 然后比如 tf 他其实就对应起来 tensorflow/ tensorflow-gpu。。。除非你要装特定版本号的
二进制仅对包含 C 扩展的 Python 包有区别，此时 C 写的部分会编译成.so 库文件而看不到源码
像 Django 这种纯 Python 的包，是可以看源码的，因为 Python 是个解释型的语言。
