为什么要同时使用conda和pip？
为什么要同时使用conda和pip？
这个问题已经有了答案：
在这篇文章中，作者建议采用以下方法：
为了安装模糊匹配器，我发现先通过conda安装依赖（pandas、metaphone、fuzzywuzzy），然后使用pip安装fuzzymatcher更简单。考虑到这些算法的计算负担，您需要尽可能多地使用编译后的C组件，而conda对我来说是最容易的。
有人能解释一下为什么他建议使用Conda安装依赖，然后使用pip安装实际的软件包，即fuzzymatcher吗？为什么我们不能只使用Conda呢？此外，我们如何知道我们是否正在使用他建议的编译后的C包？
conda是Anaconda或Miniconda的包管理器（安装和卸载程序）。
pip是Python的包管理器。
依赖于您的系统环境和其他设置，pip和conda可能安装在相同的Python安装文件夹（$PYTHONPATH/Lib/site-packages或%PYTHONPATH%\Lib\site-packages）。 因此，conda和pip通常一起工作得很好。
然而，conda和pip从不同的频道或网站获取它们的Python软件包。
-
conda从官方频道搜索和下载：https://repo.anaconda.com/pkgs/
-
这些软件包得到Anaconda的官方支持，因此在该频道中进行维护。
-
然而，我们可能找不到每个Python软件包或新版本的软件包，这就是为什么有时我们可能会从“conda-forge”或“bioconda”中安装Python软件包。 这些都是由开发人员和其他友好用户维护的非官方频道。
-
我们可以指定其他这样的频道：
conda install
--channel conda-forge conda install --channel bioconda
-
-
pip从pypi搜索和下载
- 我们应该能够下载所有公开可用的Python包。
- 这些包是由开发人员和友好用户生成和上传的。
- 每个包中的依赖设置可能没有得到充分测试或验证。
- 这些包可能不支持Python的旧版本或新版本。
因此，如果你使用Anaconda或Miniconda，应该使用conda。如果在官方渠道中找不到特定的包，则可以尝试conda-forge或bioconda，最后从pypi获取。但是，如果不使用Anaconda，则使用pip。
对于高级用户，可以从其来源（如github，gitlab等）下载最新的库。而这里有一个陷阱：
-
某些Python包是用纯Python编写的。在这种情况下，你不应该在系统中安装这些包时出现问题。
-
一些Python包是用C、C++、Go等编写的。在这种情况下，你需要：
- 系统支持的编译器以及Python环境（32位或64位，版本）。
- 特定于已安装Python版本的Python头文件、可连接的Python库和存档文件。Anaconda在安装中包含这些文件。
如何知道Python包是否需要特定的编译器？
这可能不容易找到。但是，你可以通过以下方式找到（可能按顺序）：
-
查看源代码库中的登录页面（或
README.nd或README.txt文件）。
例如，如果你进入Pandas的源代码库，它将显示需要Cython，因此安装需要C编译器。
-
查看源代码库中的
setup.py。
例如，如果您转到 numpy的setup.py ，则需要C编译器。 -
查看使用需要编译的编程语言（例如C，C ++，Go等）编写的源代码量。例如，numpy库使用35.7％的C，1.0％的C ++等编写。但是，这仅供参考，因为这些源代码可能仅仅是测试例程。
- 在stackoverflow中提问。
