创建虚拟环境，venv和Anaconda有何区别？我知道两者都可以创建文件夹，使我能够在项目中本地安装软件包，而不是全局安装到我的计算机。目前我的理解是venv更内置且轻量级，适合喜欢打字的人使用；而Anaconda则更适合喜欢点击操作的人使用。Anaconda也允许我pip安装软件包和启动工具，而venv只是关于创建本地文件夹，并默认使用pip进行软件包安装。每种方法的优缺点是什么？在哪些情况下使用每个工具最好？我承认这是一个新手问题，类似的问题已经比较了pip和venv或讨论了Anaconda环境中的pip。但我没有找到关于venv和Anaconda用于虚拟环境的问题。
使用venv还是Anaconda创建虚拟环境？
4
- robrich
3
3https://docs.conda.io/projects/conda/en/latest/user-guide/concepts/environments.html?highlight=venv#virtual-environments - sinoroc
1这个评论完全让我找到了答案。想把它变成一个回答，这样我就可以投票支持了吗？ - robrich
3我宁愿不提供只有链接的答案，这有点违反规则。请随意编写自己的答案，并包含你从该链接中学到的内容。 - sinoroc
1个回答
7
我想指出问题中sinoroc的评论中的链接是一个足够的答案。
但我会添加一些细节，我认为Conda文档没有提供这些细节，这将有助于新用户了解venv和conda环境管理之间的差异。
Anaconda环境比较笨重，但更为全面。Anaconda环境包含以下内容：
- 特定版本的Python，例如Python 3.6.5
- 在该环境中的软件包（例如，pytorch、beautifulsoup4、pandas等）
venv的虚拟环境管理系统依赖于您计算机上的Python（即您系统的Python）。如果您正在处理需要使用相同软件包不同版本的两个不同项目，例如TensorFlow 1.1与2.1，则这些不同版本的TensorFlow具有不同的依赖关系，此时使用两个anaconda环境更容易。
然而，anaconda最大的优点是可以与jupyter笔记本进行交互。个人而言，我根据正在处理的项目类型拥有一些标准conda环境；这些环境的名称描述了它们的用途，因此我将列出它们。
- ml_pytorch_3_6_5 - 用于使用Python 3.6.5和pytorch进行机器学习的环境
- ml_pytorch_3_8_10 - 用于使用Python 3.8.10和pytorch进行机器学习的环境
- ml_tensorflow_3_6_5 - 用于使用Python 3.6.5和TensorFlow进行机器学习的环境
- web_dev_apache - 用于Web开发，其中使用Apache服务器
- web_dev_nginx - 用于使用Nginx服务器进行Web开发的环境
这种工作流程比标准的venv管理具有优势，因为我的计算机上有多个不同版本的Python可用于不同目的。由于每个目的的环境都是相当标准的，因此我可以根据所做工作的性质在不同项目之间重复使用一个环境。
- pb360
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接