即使是对于有多年工作经验的编程老司机，如果被问到这样的问题，也不是很容易能马上给出答案。下面让我为大家一一道来，请搬好小板凳：
故事引言
在很久之前，为了方便对python包进行管理，于是出现了pip这样的管理工具。这个工具可以很方便的下载指定名称的Python包，也可以指定版本，同时也可以卸载。然而美中不足的是，早期的这个工具它并不能够处理不同Python包之间的兼容性。
关于兼容性，举个简单的例子：
- 比如开发包A依赖于开发包B的1.12版本，这两个包已经安装在电脑上了。
- 某一天由于开发需要，你需要安装包C，而包C依赖包B的2.21版本。
- 假设开发包B的这两个版本之间有非常大的改动，然后会导致他们互不兼容。换句话说有可能把函数名被改了，或者说把函数的参数改掉了
- 于是在你安装开发包C的时候，pip偷偷的把你的开发包的版本升到了2.21，然而这一切你有可能都是不知情的
- 于是又过了一个月，当你继续使用开发包A进行开发时，发现程序报错了，然后你突然就懵掉了……
美猴王Conda横空出世
为了应对不同版本Python包之间的相互依赖问题以及提供虚拟环境等，于是有团队便想再推出一个新的Python包管理工具，这就是Anaconda。Anaconda软件的命令行缩写为conda，下面用缩写指代。
由于我们的男主角出现的比较晚，他不能一开始就把原有的生态全部推翻，所以很显然这样的工具它是要与pip兼容的，换句话说就是在conda那里也允许使用pip。
conda可以在已安装新python包与旧版本冲突时进行提示，当然很多时候它是不允许安装的。当然pip管理工具也在更新，最新的pip工具里面，其实已经也已经有相关的功能了。
Conda虚拟环境功能
考虑到Python同一个包不同版本的兼容问题以及不同包之间的依赖问题，然而有的时候又确实需要用不同版本的包。
比如我现在安装了tensorflow2.3，现在一个开源项目用tensorflow1.5实现的，当前项目用2.3跑报错，比如xx not found之类的。如果直接安装1.5，由于兼容性问题，我的2.3环境就要被破坏，或者干脆被卸载了。
应对这一问题比较简单的做法，就是将这两个tensorflow的版本进行隔离。既然隔离了，那他们也就是互不影响，相互独立的。被隔离的版本所在的Python环境称为虚拟环境，很显然这里有两个虚拟环境。
建议
如果你当前是在使用windows系统进行Python开发，强烈建议你安装conda，这样可以省去很多不必要的麻烦。如果是Linux，其实系统自带的Python和Pip也挺好用的。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。