Wenn Sie in Python eine virtuelle Umgebung erstellen, verwenden Sie häufig python -m venv. Es gibt jedoch auch ein weit verbreitetes Werkzeug zur Umgebungsverwaltung namens Conda, das häufig in der Datenwissenschaft und im Bereich der künstlichen Intelligenz eingesetzt wird. Conda ist ein leistungsstarkes Tool, das Ihnen hilft, Pakete und Umgebungen gemeinsam zu verwalten.

In diesem Artikel werden wir die Konzepte von Conda erörtern, die Unterschiede zwischen Anaconda und Miniconda herausstellen und untersuchen, wie Conda-Umgebungen vom System getrennt arbeiten.

1. Was ist Conda?

Conda ist ein Verwaltungstool für Pakete und Umgebungen, das in den Bereichen Datenwissenschaft, künstliche Intelligenz und maschinelles Lernen weit verbreitet ist. Ursprünglich für Python entwickelt, unterstützt es heutzutage auch R, Ruby, Lua und viele andere Sprachen.

Mit Conda können Sie folgende Aufgaben effizient durchführen:

  • Verschiedene Pakete gleichzeitig installieren und verwalten
  • Erstellung von virtuellen Umgebungen unabhängig vom Betriebssystem
  • Beibehaltung verschiedener Python-Versionen für verschiedene Projekte

Begriffsdefinitionen

  • Conda-Umgebung (environment): Eine virtuelle Umgebung mit unabhängigem Paketbereich
  • conda-forge: Ein von der Conda-Community verwaltetes Paket-Repository
  • Anaconda: Eine Distribution, die Conda sowie häufig verwendete Pakete für die Datenwissenschaft (z.B. Numpy, Pandas, Jupyter) vorinstalliert enthält
  • Miniconda: Eine minimalistische Installationsversion, die nur Conda enthält und die es ermöglicht, benötigte Pakete selbst auszuwählen und zu installieren

2. Warum Conda? Vergleich mit python -m venv

In der Python-Standardbibliothek gibt es ein Werkzeug zum Erstellen von virtuellen Umgebungen namens venv. Dennoch wird in der Datenwissenschaft Conda bevorzugt. Die Gründe dafür sind:

  • venv verwaltet nur Python-Pakete, während Conda auch nicht-Python-Abhängigkeiten (C, C++, CUDA usw.) verwalten kann
  • Conda ist außerordentlich gut im Lösen von Paketversionkonflikten und konfiguriert automatisch die Binärdateien je nach Betriebssystem
  • In einer venv-Umgebung müssen alle Installationen mit pip vorgenommen werden, während Conda über Paketkanäle wie conda-forge stabile Bereitstellungen verwalten kann

Das heißt, in wissenschaftlichen Berechnungen oder bei maschinellem Lernen ist die Fähigkeit, verschiedene externe Bibliotheken zu verwalten und Konflikte zu lösen, von großer Bedeutung, wobei Conda hierin hervorragende Ergebnisse liefert.

3. Unterschiede zwischen Anaconda und Miniconda

Element Anaconda Miniconda
Grundgröße Sehr groß (ca. 3–4 GB) Sehr klein (einige Hundert MB)
Enthaltene Pakete Enthält Numpy, Pandas, Matplotlib, Jupyter usw. Enthält nur Conda
Installationsdauer Dauert lange Schnell
Geeignet für Anfänger, Benutzer, die sofort mit der Entwicklung beginnen möchten Leichte Installation, Benutzer, die Paketauswahl benötigen

Merkmale von Anaconda

  • Sofortige Datenanalyse nach der Installation möglich
  • Beinhaltet Visualisierungstools wie Jupyter Notebook

Merkmale von Miniconda

  • Leichte und schnelle Installation
  • Nur das Notwendige auswählen und installieren → hohe Flexibilität

4. Wie trennt sich die Conda-Umgebung vom System?

Conda-Umgebungen werden in einem vollständig getrennten Verzeichnis vom Grundsystem erstellt. Dies bietet folgende Vorteile:

  • Beeinträchtigt die System-Python-Umgebung nicht
  • Es können unabhängige Umgebungen für jedes Projekt konfiguriert werden
  • Umgebungen können einfach als .yml-Dateien gespeichert und reproduziert werden

Vergleich mit Docker

Element Conda Docker
Trennungsgrad Benutzerebene (virtuelle Umgebung) Betriebssystemebene (Container)
Verwendungszweck Verwaltung von Paketen und Bibliotheken Gesamte Systemisolation und -bereitstellung
Größe Relativ leicht Schwerer
Ausführungsgeschwindigkeit Schnell Kann langsam sein (einschließlich der Ausführung von Images)

Docker bietet vollständige Isolation, während Conda leichter und einfacher einzurichten ist, was in der Datenwissenschaft oft ausreicht.

5. Installationsmethode

Installationsmethode für Anaconda

  1. Laden Sie die Installationsdatei für Ihr Betriebssystem von https://www.anaconda.com/download herunter
  2. Führen Sie die Installation über den grafischen Installationsassistenten oder die CLI durch
  3. Nach Abschluss der Installation stehen die Befehle anaconda-navigator oder conda zur Verfügung

Installationsmethode für Miniconda

  1. Laden Sie die Installationsdatei von https://docs.conda.io/en/latest/miniconda.html herunter
  2. Nach der Installation Umgebungen mit conda init und conda config konfigurieren

6. Vorschau auf den nächsten Teil

In diesem Artikel haben wir die Konzepte von Conda und die Unterschiede zwischen den verbreiteten Distributionen Anaconda und Miniconda untersucht. Außerdem haben wir erläutert, warum Conda für wissenschaftliche Aufgaben besser geeignet ist als -m venv.

Im nächsten Artikel werden wir uns damit befassen, wie man реально Conda-Umgebungen erstellt und verwaltet, unter anderem:

  • Erstellen von Umgebungen mit conda create
  • Aktivieren und Löschen von Umgebungen
  • Übersicht über häufig verwendete Befehle in Conda

Dann werden wir im nächsten Teil echte Arbeitsumgebungen schaffen!

Eine symbolische digitale Kobra, die Conda-Umgebungen darstellt, umgeben von einem eingezäunten Gitter mit Cloud- und System-Symbolen