conda install和pip install区别

conda ≈ pip（python包管理） + virtualenv（虚拟环境） + 非python依赖包管理

级别不一样conda和yum比较类似，可以安装很多库，不限于Python。conda是创建一个局部的环境，并安装相应包；pip是安装包到原有的环境中。

pip install会检查一些依赖包并给你安装，而conda的这种检查更多，甚至会把你已有的卸了替换成他认为合适的...反正conda我只是拿来管理，安装一直是pip install...conda install真心不太喜欢乱检测乱适配....

1.pip只能安装python包，而conda可以安装由任何语言编写的包

2.pip不能创建虚拟环境，需要借助另外的包，例如`virtualenv`,而conda可以创建虚拟环境。

3.pip是按照python时自带的，而conda需要安装anaconda才能用。

pip pip install xxx，在特定环境里使用pip，下载的包会存在特定环境的目录里面，例如：
D:\Anaconda3\envs\nlp\Lib\site-packages\fasttext使用pip uninstallxxx，包就卸载掉了，也可以用
conda remove--name nlp--all 来删除环境
conda conda install xxx，不管在什么环境下载的包，都统一放在一个目录里面：
D:\Anaconda3\pkgs\fasttext这个fasttext里面也有site-packages文件夹
在某个环境下面下载了某个包，再到另外一个环境下载同样的包，conda会自动在上面的目录里面找，如果有，就不会重复下载，而是将这个包的site-packages下的文件复制到当前环境下（和直接pip install一样）使用conda uninstall xxx时，和pip uninstall一样，删除了当前环境site-packages里面的包内容，但是在上述目录里面还存在这这个包，此时再到另外一个环境下载这个包，还是将site-packages复制一份到当前环境下，做到了一次下载，到处使用。

参考：https://www.zhihu.com/question/395145313/answer/1230725052

pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器的支持，pip也不会去支持python语言之外的依赖项。

conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。然后，conda安装的都是编译好的二进制包，不需要你自己编译。所以，pip有时候系统环境没有某个编译器可能会失败，conda不会。这导致了conda装东西的体积一般比较大，尤其是mkl这种，动不动几百兆甚至一G多。

然后，conda功能其实比pip更多。pip几乎就是个安装包的软件，conda是个环境管理的工具。conda自己可以用来创建环境，pip不能，需要依赖virtualenv之类的。意味着你能用conda安装python解释器，pip不行。这一点我觉得是conda很有优势的地方，用conda env可以很轻松地管理很多个版本的python，pip不行。

然后是一些可能不太容易察觉的地方。conda和pip对于环境依赖的处理不同，总体来讲，conda比pip更加严格，conda会检查当前环境下所有包之间的依赖关系，pip可能对之前安装的包就不管了。这样做的话，conda基本上安上了就能保证工作，pip有时候可能装上了也不work。不过我个人感觉这个影响不大，毕竟主流包的支持都挺不错的，很少遇到broken的情况。这个区别也导致了安装的时候conda算依赖项的时间比pip多很多，而且重新安装的包也会更多（会选择更新旧包的版本）。

最后，pip的包跟conda不完全重叠，有些包只能通过其中一个装。

https://www.zhihu.com/question/395145313

conda可以安装的库都是Anaconda公司或第三方打包、编译，提交到anaconda服务器的，包括一些python库（肯定不全），也包括一些C++的库。可能还有R语言的？

pip就是python官方的包管理。

conda中包括一些C++库，一般都是和python的科学计算有关的。比如可以直接安装这些C++库：

conda install cudatoolkit
conda install mkl
conda install hdf5

当你通过conda安装TensorFlow的时候：

conda install tensorflow-gpu

你就获得了编译链接到cuda和mkl加持的tensorflow库，同时还有编译链接到mkl上的numpy。

参考：https://www.zhihu.com/question/395145313/answer/1247325175