pip install 与 conda install 的区别

结论：
  1. 在没激活任何 conda 环境时，pip install 装到哪取决于当前 shell 里 pip 指向的 Python（往往是系统 Python 或 conda base）；激活别的环境后，这些包默认看不见。
  2. 在 conda 环境中，pip 与 pip3 没有任何区别，二者功能完全一致。
  3. 在 conda 环境里，pip install 仅把包扔进本环境的 site-packages，而 conda install 会跨语言、跨库做整体依赖解析和 ABI 一致性校验，并可随时用 conda remove/conda list --revisions 回滚。
  4. 因此最佳实践是：先 conda install 解决底层/科学计算依赖，再对 PyPI-only 的包用 pip install，最后用 conda env export 或 conda list --explicit 锁定可复现环境。

以上结论得出过程，请见以下与 Kimi 的对话。

问1：

系统里安装了conda，但当前没有activate任何一个conda环境，现在，我使用pip安装python软件包，请问这个软件包安装到了哪里？
如果后续我ctivate了conda环境，在conda环境中，我可以使用这些通过pip安装的软件包吗？

答1：

先把两个问题拆开回答：

1️⃣ 没有激活任何 conda 环境时，pip install 会把包装到哪？

  • 取决于 当前 shell 里 pip 指向的可执行文件 是谁。
    运行：

    which pip
# 或
which pip3

    常见结果与含义：

    which pip 的输出 实际安装位置（Linux 示例）
    /usr/bin/pip3 系统级 Python：/usr/lib/python3.x/site-packages
    $HOME/.local/bin/pip “用户级” Python：$HOME/.local/lib/python3.x/site-packages
    /opt/conda/bin/pip conda base 环境的 site-packages（如果你把 conda 的 base 设为默认）

    ➡️ 结论：只要没激活任何环境，装到 系统 Python 还是 conda base，取决于 PATH 顺序。
    几乎不会装到“某个还没激活的环境”里去。

2️⃣ 之后激活某个 conda 环境，能否用到之前装的包？

  • 不能直接使用。
    conda 环境有自己独立的 site-packages 目录，PATH、PYTHONPATH 也都会切换。
    之前装到系统或 base 环境里的包在新环境里 默认不可见。

  • 如果想用，可以：

    • 在目标环境里重新装：conda activate myenv && pip install package
    • 或者把旧路径临时加到 PYTHONPATH（不推荐，容易冲突）。
✅ 一句话总结

没激活任何 conda 环境时，pip install 装到哪个 Python 就取决于当前 PATH；激活 conda 环境后，那些包默认用不到，得在目标环境里再装一遍。


问2：

根据如下内容，请问，为什么看起来pip和pip3是同一个东西？

ubuntu@ubuntu:~$ conda activate rl
(rl) ubuntu@ubuntu:~$ which pip
/home/ubuntu/miniconda3/envs/rl/bin/pip
(rl) ubuntu@ubuntu:~$ which pip3
/home/ubuntu/miniconda3/envs/rl/bin/pip3
(rl) ubuntu@ubuntu:~$ pip --version
pip 25.1.1 from /home/ubuntu/miniconda3/envs/rl/lib/python3.12/site-packages/pip (python 3.12)
(rl) ubuntu@ubuntu:~$ pip3 --version
pip 25.1.1 from /home/ubuntu/miniconda3/envs/rl/lib/python3.12/site-packages/pip (python 3.12)
答2：

在 当前这个 conda 环境（rl） 里，pip 和 pip3 实际上指向同一个可执行文件，只是名字不同：

  • which pip → /home/ubuntu/miniconda3/envs/rl/bin/pip
  • which pip3 → /home/ubuntu/miniconda3/envs/rl/bin/pip3

这两个文件在 conda 环境里是 软链接（symlink） 到同一个入口脚本，内容也完全一样：

ls -l /home/ubuntu/miniconda3/envs/rl/bin/pip*
# 会看到类似：
# pip -> pip3
# pip3 -> pip3.12
# pip3.12 是一个 Python 入口脚本
✅ 为什么要有 pip 和 pip3 两个名字？

  • 历史兼容：
    在系统 Python 里，Python 2 时代用 pip，Python 3 用 pip3 区分。
    但现在大多数环境默认就是 Python 3，所以 pip 也就直接指向 Python 3 的 pip。

  • conda 环境隔离：
    每个环境只对应一个 Python 版本（这里是 3.12），所以不需要再区分 pip2/pip3，直接 pip install 就够了。

✅ 一句话总结

在 conda 环境里，pip 和 pip3 是同一个东西，只是名字不同，完全等价。
用哪个都一样，推荐用 pip 更简洁。


问3：

根据你的描述，pip 和 pip3 实际上指向同一个可执行文件，但实际并不是这样，它们是两个不同的文件。
这是怎么回事？

(rl) ubuntu@ubuntu:~$ ls -l /home/ubuntu/miniconda3/envs/rl/bin/pip*
-rwxrwxr-x 1 ubuntu ubuntu 254 5月  26 11:17 /home/ubuntu/miniconda3/envs/rl/bin/pip
-rwxrwxr-x 1 ubuntu ubuntu 254 5月  26 11:17 /home/ubuntu/miniconda3/envs/rl/bin/pip3
答3：

你看到的输出其实 不是软链接，而是两个普通可执行脚本（名字都叫 pip 和 pip3）：

-rwxrwxr-x 1 ubuntu ubuntu 254 5月 26 11:17 /home/ubuntu/miniconda3/envs/rl/bin/pip
-rwxrwxr-x 1 ubuntu ubuntu 254 5月 26 11:17 /home/ubuntu/miniconda3/envs/rl/bin/pip3

这两个文件是 conda 在安装该环境时自动生成的入口脚本，内容几乎一样，都是：

#!/home/ubuntu/miniconda3/envs/rl/bin/python3.12
# -*- coding: utf-8 -*-
import re
import sys
from pip._internal.cli.main import main
if __name__ == '__main__':
    sys.argv[0] = re.sub(r'(-script\.pyw|\.exe)?$', '', sys.argv[0])
    sys.exit(main())
✅ 所以结论是：
  • 它们不是软链接，但功能完全一致，都调用的是当前 conda 环境（Python 3.12）里的 pip。
  • 你可以理解为：conda 为了兼容旧习惯，保留了 pip3 这个名字，但本质上它和 pip 是一样的。
🔍 想验证内容是否一样？

可以运行：

diff /home/ubuntu/miniconda3/envs/rl/bin/pip /home/ubuntu/miniconda3/envs/rl/bin/pip3

如果没有输出，说明文件内容完全一致。

问4：

确实如你所说，这两个文件没有任何差别。
还有一个问题，在conda环境中，使用pip安装软件包和使用conda install安装软件包有什么区别？

答4：

一句话先总结：

在 conda 环境里用 pip install 只是 把包塞进这个环境的 site-packages，而 conda install 不仅装包，还会 在整个 conda 生态里做严格的依赖解析、版本锁定、二进制兼容检查，并在需要时降级/升级你环境中的其它 conda 包。

下面分点展开：

维度 pip install conda install
包来源 PyPI（Python-only 或带 wheel 的二进制） Anaconda 官方/conda-forge 等 channel（多为完整二进制发行版）
依赖解析范围 只看 Python 依赖（install_requires）；对系统 C/Fortran/R 库、CUDA、MKL 等 不管 跨语言、跨库统一解析；会把 numpy-base, libgcc, openssl, cuda-toolkit … 都考虑进去
冲突处理 遇到版本冲突时直接覆盖或留下双版本，容易出现 “DLL not found” 或 ABI 不兼容 发现冲突会给出方案（降级/升级/替换），装不上就报错，保持环境一致性
二进制兼容性 依赖系统已有的动态库，容易 “这台机器能跑、那台机器挂” 所有二进制在 CI 里用同一套编译链 + 固定 ABI 打包，跨机器一致性高
卸载/回滚 pip uninstall 只能卸 pip 装的包，可能留下孤儿文件 conda remove / conda install --revision 可以把整个环境回滚到上一个 transaction
速度/镜像 国内 PyPI 镜像很多，下载快 国内清华、中科大、conda-forge 镜像也不错，但首次解析索引稍慢
适用场景 ① PyPI 独有包；② 开发阶段频繁迭代；③ 纯 Python 包 ① 科学计算全家桶（numpy, pytorch, tensorflow…）；② 需要 MKL/CUDA；③ 生产环境需高一致性
实际建议

  1. 优先 conda：
    装 “科学计算/深度学习” 全家桶时，先用 conda 解决底层依赖，例如

    conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

  2. conda 找不到再 pip：
    某些包只在 PyPI 发布（如 yfinance, tushare）：

    pip install yfinance

  3. 混用顺序：
    先 conda → 后 pip；不要反过来，否则 conda 的依赖解析会被 pip “破坏”。

  4. 锁定环境：
    最终用 conda env export > environment.yml 或 conda list --explicit > spec.txt 记录，保证可复现。

彩蛋：一个常见误区

“我在 conda 环境里 pip install tensorflow，结果 import 报错找不到 libcublas.so”
原因就是 pip 装的 wheel 依赖系统 CUDA，而 conda 环境里没有对应版本。改用

conda install tensorflow-gpu

conda 会一次性把 cudatoolkit、cudnn、tensorflow 全部配好。

总结：

再看一遍结论，小本本记下来！

webwxgetmsgimg

  1. 在没激活任何 conda 环境时，pip install 装到哪取决于当前 shell 里 pip 指向的 Python（往往是系统 Python 或 conda base）；激活别的环境后，这些包默认看不见。
  2. 在 conda 环境中，pip 与 pip3 没有任何区别，二者功能完全一致。
  3. 在 conda 环境里，pip install 仅把包扔进本环境的 site-packages，而 conda install 会跨语言、跨库做整体依赖解析和 ABI 一致性校验，并可随时用 conda remove/conda list --revisions 回滚。
  4. 因此最佳实践是：先 conda install 解决底层/科学计算依赖，再对 PyPI-only 的包用 pip install，最后用 conda env export 或 conda list --explicit 锁定可复现环境。
posted @ 2025-08-27 10:42  icuic  阅读(49)  评论(0)    收藏  举报