Python 包管理（pip、conda）基本使用指南

Pyt h on 包管理

概述

介绍

Pyt h on 有丰富的开源的第三方库和包，可以帮助完成各种任务，扩展 Pyth on 的功能，例如 NumPy 用于科学计算，Pand a s 用于数据处理，Matp lotlib 用于绘图等。在开始编写 Pytlh on 程序之前，可能需要安装一些常用的Python库，以便在编程过程中能够轻松地使用它们。

为了方便地管理第三方库和包，需要安装一个 Python 包管理工具，例如 pip、conda 等。这些工具可以帮助安装、升级和删除 Python 包，能够轻松地管理 Python 的依赖关系。

Anaconda、conda、pip、virtual env 的区别

Anaconda

Anaconda 是一个包含 180+ 的科学包及其依赖项的发行版本。其包含的科学包包括：conda，numpy，sci py，i python notebook 等。
conda

conda 是包及其依赖项和环境的管理工具。

适用语言：Python，R，Ruby，Lua，Scala，Java，JavaSc ript，C/C++，FORTRAN

适用平台：Windows，macOS，Linux

用途：
- 快速安装、运行和升级包及其依赖项。
- 在计算机中便捷地创建、保存、加载和切换环境。
  
  如果需要的包要求不同版本的 Python，无需切换到不同的环境，因为 conda 同样是一个环境管理器。仅需要几条命令，就可以创建一个完全独立的环境来运行不同的 Python 版本，同时可以继续在常规的环境中使用常用的 Python 版本。——
conda 为 Python 项目而创造，但可适用于上述的多种语言。

conda 包和环境管理器包含于 Anaconda 的所有版本当中。
pip

pip 是用于安装和管理软件包的包管理器。

pip 适用语言：Python

Python 中默认安装的版本：
- Python 2.7.9 及后续版本：默认安装，命令为 pip
- Python 3.4 及后续版本：默认安装，命令为 pip、pip3
pi p 名称的由来：pi p 采用的是递归缩写进行命名的。其名字被普遍认为来源于2处：
- “Pip install s Packag es”（“pi p 安装包”）
- “Pi p install s Python”（“pi p 安装 Python”）
virtual env

virtual env 是用于创建一个独立的 Python 环境的工具。

解决问题：
- 当一个程序需要使用 Python 2.7 版本，而另一个程序需要使用 Python 3.6 版本，如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
- 安装程序或在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
- 在共享主机时，无法在全局 site-packages 目录中安装包。
vi rtualenv 将会为它自己的安装目录创建一个环境，这并不与其他 vi rtualenv 环境共享库；同时也可以选择性地不连接已安装的全局库。

pi p 与 conda 比较

依赖项检查
- pip：
  
  不一定会展示所需其他依赖包。
  
  安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
- conda：
  
  列出所需其他依赖包。
  
  安装包时自动安装其依赖项。
  
  可以便捷地在包的不同版本中自由切换。
环境管理
- pip：维护多个环境难度较大
- conda：比较方便地在不同环境之间进行切换，环境管理较为简单
对系统自带 Python 的影响
- pip：在系统自带 Python 中包的更新/回退版本/卸载将影响其他程序。
- conda：不会影响系统自带 Python。
适用语言
- pip：仅适用于 Python
- conda：适用于 Python（主要），R，Ruby，Lua，Scala，Java，JavaScript，C/C++，FORTRAN。
conda 与 pip、vi rtualen v 的关系

conda 结合了 pip 和 vi rtualen v 的功能。

conda 使用了一个新的包格式， pip 不能安装和解析 conda 的包格式。可以使用两个工具，但是它们是不能交互的，比如使用 pip 本地安装 conda 的离线包。

pip（Python 包管理器）

介绍

pip 是 Python 的官方包管理器，它随 Python 的版本一起发布。当安装 Python 时，pip 也会被安装。
通过 pip 可以轻松地安装和管理 Python 的不属于 Python 标准库的各种第三方库（包），以便可以在项目中可以直接在代码中引入并使用它们。
pip 是一个命令行工具，可以直接在终端或命令提示符中使用。

基本使用命令

python 包管理

# 查看已安装的包
pip list
# 查看需要升级的库
pip list -o

# 安装一个 python 包
pip install package_name			# package_name：具体地包名
# 安装特定版本的包
pip install package_name==version_number
# 安装本地包
pip install /path/to/package		# /path/to/package：本地包路径

# pip的超时时间默认为15秒，如果下载速度过慢，可以使用以下命令设置超时时间为60秒
# 方式1：添加参数--default-timeout=60。# 方式：在配置里面[global]下添加timeout=60
pip install --default-timeout=60 package_name

# 指定国内的源（阿里云）来安装某个包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <package-name>
# 注意：如果url是http的化，需要信任(因为未加密)，可以通过下面两个方法解决
# 方式1：安装时加入 --trusted-host 临时参数
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com/simple package_name
# 方式2：在 pip.conf 中加入 trusted-host 选项，该方法是一劳永逸
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

# 升级包
pip install --upgrade package_name
# 升级pip
pip install --upgrade pip

# 卸载包
pip uninstall package_name

# 安装包的依赖项
pip install package_name[dependencies]

# 验证已安装的库是否有兼容依赖问题
pip check package_name

# 下载某个包到指定的路径下（不安装）
pip download package_name -d "某个路径"  

# 查看包的详细信息
pip show package_name

# 导出已安装的包列表
pip freeze > requirements.txt
# 从requirements.txt文件中安装包
pip install -r requirements.txt

下载源管理

# 新增全局下载源。国内最好更换pip的源，以便更快地下载包
pip config set name value
# 示例：清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 删除全局下载源
pip config unset name

# 查看pip下载的安装包的默认路径
python -m site

# 显示pip的配置列表
pip config list
# 显示pip文件的所有存储位置
pip -v config list
# 输出的不同的目录对应不同的参数 --global（全局）、--user（用户） 、--site

其他命令

# 清理缓存。pip安装包的时候，会下载并缓存一些包以便后续使用，不会自动删除，这可能会占用磁盘空间，需要手动删除
pip cache purge

# 查看pip版本
pip --version
pip -V

pip 的常规参数 选项

-r，--requirement <file> ：从给定的需求文件中进行安装。此选项可多次使用。
-c，--constraint <file> ：使用给定的约束文件约束版本。此选项可多次使用。

约束文件相对于需求文件更加的智能，约束文件与需求文件在一个关键方面不同：将包放入约束文件不会导致安装包，而需求文件将安装列出的所有包。常用来放某个包的依赖项。
--no-deps ：不要安装程序包依赖项
--pre，pip ：查找包括预发布和开发版本。默认情况下，pip 只查找稳定版本。
-e，--editable <path/url> ：从本地项目路劲或 VCS url 以可编辑模式（即set up tools 开发模式）安装项目。
-t，--target <dir> ：将软件包安装到 <dir>，默认情况下，这不会替换 <dir>下已经存在的文件或文件夹
--platform <platform> ：仅使用与 <platform> 兼容的轮子。默认为运行系统的平台。多次使用此选项可指定目标解释器支持的多个平台
-U，--update ：将所有指定的软件包升级到最新的可用版本。依赖项的处理取决于所使用的升级策略。
--upgrade-strategy <upgrade_strategy> ：确定应如何处理依赖项升级。

两种模式:
- “eager” ：无论当前安装的依赖项版本是否满足升级包的要求，都会升级依赖项
- “only-if-needed” ：仅在不满足升级包的要求时升级
--force-reinstall ：重新安装所有软件包，即使它们已经是最新的
-I,--ignore-installed ：忽略已安装的软件包，覆盖它们。

如果现有软件包的版本不同或安装了不同的软件包管理器，这可能会破坏你的系统。
--compile ：将 python 源文件编译为字节码
--no-compile ：不要将 python 源文件编译为字节码
--no-binary <format_control> ：不要使用二进制软件包。

<format_control> 可以是：
- all：禁用所有二进制软件包
- none：清空之前提供的软件包，或者使用指定的软件包，使用逗号分割
请注意，有些软件包很难编译，在使用此选项时可能无法安装。
--only-binary <format_control> ：不要使用源程序包

Conda（Anaconda）

参考：Anaconda介绍、安装及使用教程

介绍

Conda 是一个开源的包管理系统和环境管理系统，可在 Windows、macOS 和 Linux 上运行。

Conda 可快速安装、运行和更新包及其依赖项，因此可以轻松地在计算机上创建、保存、加载和切换环境。

它本是为 Python 程序而创造的，因为 Python 的版本比较多，并且它的库也非常广泛，同时库和库之间存在很多依赖关系，所以在库的安装和版本的管理上很麻烦，因此设计 Conda 作为一个管理版本和 Python 环境的工具，但它也可以打包和管理任何语言的软件。

conda 是包含在 Anaconda 里的，因此安装了 Anaconda 就可以直接使用 Conda，点击链接下载 download，选择对应的系统和版本类型。
Anaconda 是一个免费开源的 Python 和 R 语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），

Anaconda 致力于简化软件包管理系统和部署，附带了 Conda、python 和 150 多个科学软件包及其相关的包。

Anaconda 的包使用软件包管理系统 Conda 进行管理。

在项目开发和部署过程中，由于项目需要的虚拟环境不同，如 python 版本、模块版本等，即可通过 Conda 为每个项目创建环境，然后在对应环境进行管理和使用。

多种编程语言的包 package 和虚拟环境 environment 的管理
非常简单的完成 package 的安装、运行、更新、删除、依赖问题
可操作 repo.anaconda.com 上 7,500+ packages
非常简单的完成不同环境的构建、保存、加载及切换
支持语言：Python、R、Ruby、Lua、Scala、Java、JavaScript、C / C ++、FORTRAN

但一般主要用于管理 python 包
支持操作系统：Windows，macOS 和 Linux

Conda 常用指令

虚拟环境管理

# 查看所有环境。注：1.*号所在的行表示当前所在环境。2.系统默认虚拟环境为base
conda env list
conda info -e

# 创建新的虚拟环境。注：1.遇到yes/no输入yes，即可完成创建。
conda create -n envs_name python=python_version
# envs_name			：指定环境名称
# python_version	：指定Python版本

# 进入虚拟环境
conda activate envs_name
# 退出当前环境
conda deactivate

# 删除虚拟环境
conda env remove -n envs_name

# 复制虚拟环境
conda create -n new_envs_name --clone old_envs_name

# 更新python
conda update python

# 更新conda版本。注：必须在base环境更新
conda update conda

模块/包管理

# 查看当前环境的包列表
conda list
# 查看指定环境的包列表
conda list -n envs_name

# 在当前环境安装包。注：1.默认安装最新版本，2.同时安装多个包用空格分隔。
conda install package_name
# 在指定环境安装包
conda install --name env_name package_name
# 安装指定版本的包。注：使用conda安装指定包时，conda可以自动处理相关的依赖包
conda install numpy=1.19
# 指定范围内中版本包安装（安装版本处于1.0.4到1.1.1之间的pandas）
conda install "pandas>1.0.4,<1.1.1"
# 指定list中版本包安装（安装pandas 1.0.4版或者1.1.1版）
conda install "pandas[version='1.0.4 |1.1.1']"

# 包安装跳过【y/n】。默认情况下为 false，即安装过程中会请求是否继续安装，设置为yes则不再弹出请求。
conda config --set always_yes yes

# 卸载当前环境的包
conda remove package_name
# 卸载指定环境的包
conda remove --name env_name package_name

# 升级当前环境的包
conda update/upgrade package_name
# 升级指定环境的包
conda update/upgrade -n env_name package_name
# 升级全部包
conda upgrade --all

# 精确查找包
conda search package_name
# 模糊查找包，模糊符号为 *
conda search *<模糊词>*
# 查看某个范围内版本包
conda search "PKGNAME [version='>=1.0.0,<1.1']"

conda 下载源管理

# 查看已配置下载源
conda config --show channels

# 查看已配置下载源优先级
conda config --get channels

# 新增下载源（清华大学源）
conda config --add channels channels_Name
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 删除下载源
conda config --remove channels channels_Name

# 显示包的安装来源
conda config --set show_channel_urls yes

注：Conda 下载源实际是写入到了 .condarc 文件里：

linux 系统的路径为 /home/xx/.condarc
windows 系统的路径为 C:Usersadmin.condarc

windows 默认无 .condarc 文件，需要 conda config –set show_channel_urls yes 先生成

其他命令

# 检查conda版本
conda --version
# 查看conda系统版本等信息
conda info
# 查看conda所有配置信息
conda config --show

IDEA 配置 Conda 虚拟环境

Intel liJ IDEA 在安装并启用 Python 插件后支持使用 Conda 为 Python 创建虚拟环境。

创建 Conda 环境：

确保已将 Anaconda 或 Miniconda 下载并安装在计算机上。
导航到文件|项目结构
- 方式1：左上角 File >>> Project Structure
- 方式2：快捷键：Ctrl+Shift+Alt+S
在 “项目结构（Project Structure）“对话框中，在 “平台设置（Platform Setting）” 部分下选择“ SDK ” ，然后添加一个新的 SDK ，然后从弹出菜单中选择 “Python SDK”
在”添加 Python 解释器（Add Python Interpreter）“对话框的左侧窗格中，选择 “Conda Environment” 。以下操作取决于以前是否存在 Conda 环境。

如果选择“ 新环境（New environment）” ：
1. 在 Locat ion 字段中指定新的 Conda 环境的位置。注意，新的 Conda 环境应位于的目录必须为空！
2. 从 Python vers ion 列表中选择 Python 版本
3. 在 Conda executable 字段中指定 Conda 可执行文件的位置
4. 如果需要，请选中“ 使所有项目都可用（Make av ailable to all projects）”复选框。
如果选择“ 现有环境（Existing environment）”（推荐使用）：
1. 展开“解释器（Interpreter）”列表，然后选择任何现有的解释器。或者，单击选择 “…” 并在文件系统中指定 Conda 可执行文件的路径，例如 C:UsersjetbrainsAnaconda3python.exe
  
  注：最好是 Conda 目录下的 python.exe，否则可能会扫描不到安装好的第三方库
2. 在 Conda executable 字段中指定 Conda 可执行文件的位置
3. 如果需要，请选中“ 使所有项目都可用（Make av ailable to all projects）”复选框。
单击确定以完成任务。