只用来管理 Python 版本和虚拟环境，Miniconda 也是一个很好的选择

Anaconda 是一个面向数据科学的 Python 发行版，它打包了 Conda、Python 和一堆机器学习和人工智能相关和经常使用的包，并且还能够用来安装一些非 Python 编写的库。对于科学计算相关的用途很是方便，开箱即用。看起来很适合实验室或是学校机房使用……

对于常规的 Python 开发来讲，Anaconda 过重了，并且主要面向科学计算领域，可是精简版的 Miniconda 倒是一个很好的虚拟环境和依赖管理工具。

更重要的是 Miniconda 兼容三个主流操做系统，并且不一样平台使用一样的命令和接口（Conda 4.6 以上）。这大概算是我的偏好，由于我总在写东西给别人看，因此老是喜欢兼容主流操做系统而且接口统一的解决方案。并且另外一方面 pyenv、virtualenvwrapper、direnv 等等相关替代工具都没有原生 Windows 支持。

Miniconda 是什么

先来理清几个概念：

• Conda：包、依赖和环境管理器。
• Anaconda（某种蟒蛇的名字）：面向数据科学的 Python 发行版，包含 conda、conda-build、Python 和 100+ 经常使用的数据科学经常使用的库及其依赖。
• Miniconda：精简版的 Anaconda，也是一个 Python 发行版，只包含 conda、Python 和一些基本的包。

相关资源：

• 主页：https://conda.io/en/latest/
• 源码：https://github.com/conda/conda
• 文档：https://conda.io/projects/conda/en/latest/

Miniconda 基本用法

首先你须要访问下载页面下载对应操做系统的安装包进行安装，Python 版本选择你想做为默认选项（base version）的版本。而后打开 Windows 下的 Anaconda Prompt 或是 Anaconda Powershell Prompt，Linux 或 macOS 直接使用终端程序。

下面是一些关键用法介绍，详细内容能够阅读 Conda 文档。

建立虚拟环境

使用 conda create 命令建立虚拟环境，使用 --name 选项（-n）指定虚拟环境名称：

$ conda create --name foo复制代码

使用 conda info 命令查看当前环境名称、Python 版本、虚拟环境文件夹位置、Conda 版本等等各类信息：

$ conda info复制代码

使用 --envs 选项（-e）查看全部已建立的虚拟环境。在列出的虚拟环境中，使用星号（*）标识的是当前激活的虚拟环境：

$ conda info --envs复制代码

激活虚拟环境

使用 conda activate 命令激活虚拟环境，添加虚拟环境名做为参数：

$ conda activate foo复制代码

激活之后会在命令行提示器前显示虚拟环境名称，好比：

(foo) $复制代码

不添加虚拟环境名称，就会从新激活基础环境（base）：

$ conda activate复制代码

设置虚拟环境的 Python 版本

在建立虚拟环境的时候，可使用 python 参数指定 Python 版本。假设你使用的 Miniconda 默认版本是 Python 3.7，若是你想建立一个 Python 2.7 的虚拟环境，使用下面的命令：

$ conda create --name snakes python=2.7复制代码

你能够在虚拟环境名加上标识方便识别 Python 版本，好比：

$ conda create --name snakes-py27 python=2.7复制代码

搭配 pip / Poetry 来管理依赖

由于 Conda 安装库的时候默认使用 Conda 本身的仓库，这里包含的 720 多个库除了流行的 Python 包外大可能是数据科学相关的包。因此，更好的选择是使用官方 PyPI 仓库，这样能够确保你使用到最近更新的包，并且不会出现有些包找不到的状况。

咱们要作的就是只用 Conda 的 Python 版本和虚拟环境管理功能，不用它来管理依赖。依赖管理（安装、卸载、更新等）仍然使用 pip 进行，或是进一步搭配 pip-tools 来管理依赖。

你须要在 conda 环境内使用下面的命令安装 pip：

$ conda install pip复制代码

或是统一使用下面的命令格式建立虚拟环境：

$ conda create --name bar pip复制代码

这样在执行 pip 命令时会使用虚拟环境内的 pip，而不是系统全局的 pip。这样作的反作用是会产生几个多余的依赖。

除此以外，你也能够搭配使用 Poetry。Poetry 默认会自动建立虚拟环境，因此须要关闭 Poetry 自动建立虚拟环境的设定，执行下面的命令便可：

$ poetry config settings.virtualenvs.create false复制代码

总结

按照我目前掌握到的信息，Miniconda 的优缺点总结以下：

优势

• 替代 pyenv+virtualenv+virtualenvwrapper 的多个工具组合
• 相似 virtualenvwrapper，能够在任意位置激活虚拟环境，而不是必须在项目根目录
• 支持管理不一样的 Python 版本
• 兼容性很好，支持 Windows

缺点

• conda 和 pip 组合存在潜在的冲突，但状况在改善
• conda 和 Poetry 组合存在潜在的冲突
• 在 Windows 下，须要使用专用的命令行程序
• 依赖管理比较弱，须要搭配 pip/Poetry 来使用

既然一个 Miniconda 就能很好的胜任 Python 版本管理和虚拟环境管理的任务，为何要用 pyenv+virtualenv+virtualenvwrapper 呢？遗憾的就是依赖管理功能不够完善，和 pip/Poetry 搭配使用则可能会有潜在的冲突。因此，推荐能接受 Conda+pip/Poetry 这种搭配的人使用；推荐使用 Python 作数据科学相关工做的人使用。

对比之下，最稳定的解决方案大概仍是 virtualenv+pip+其余工具……

（若是你发现了错误描述、有不一样见解和想要补充的信息，欢迎评论。）

（3）