Al crear un entorno virtual en Python, comúnmente se usa python -m venv. Sin embargo, también hay una herramienta de gestión de entornos ampliamente utilizada en los campos de la ciencia de datos y la inteligencia artificial llamada Conda. Conda es una poderosa herramienta que ayuda a gestionar tanto paquetes como entornos.

En este artículo, exploraremos el concepto de Conda, las diferencias entre Anaconda y Miniconda, y cómo funcionan los entornos de Conda de forma aislada del sistema.

1. ¿Qué es Conda?

Conda es un gestor de paquetes y entornos ampliamente utilizado en los campos de la ciencia de datos, inteligencia artificial y aprendizaje automático. Originalmente desarrollado para Python, ahora también soporta diversos lenguajes como R, Ruby, Lua, entre otros.

Con Conda, puedes realizar eficientemente las siguientes tareas:

• Instalar y gestionar múltiples paquetes al mismo tiempo
• Crear entornos virtuales independientes del sistema operativo
• Conservar diferentes versiones de Python por proyecto

Terminología relacionada

• Entorno Conda (environment): un entorno virtual que tiene su propio espacio de paquetes
• conda-forge: un repositorio de paquetes mantenido por la comunidad de Conda
• Anaconda: una distribución que incluye Conda y una selección de paquetes comúnmente usados en ciencia de datos (Numpy, Pandas, Jupyter, etc.)
• Miniconda: una distribución ligera que solo incluye Conda, permitiendo al usuario seleccionar y instalar los paquetes que necesite

2. ¿Por qué Conda? Comparación con python -m venv

La biblioteca estándar de Python incluye una herramienta para crear entornos virtuales llamada venv. A pesar de esto, Conda es preferido en el campo de la ciencia de datos por las siguientes razones:

• venv solo gestiona paquetes de Python, mientras que Conda puede gestionar también dependencias no-Python (C, C++, CUDA, etc.)
• Conda es excepcional en la resolución de conflictos de versiones de paquetes y configura automáticamente los binarios para cada sistema operativo
• En un entorno venv, es necesario instalar todo con pip, pero Conda permite una gestión de distribución más estable a través de canales de paquetes como conda-forge

En otras palabras, en cálculos científicos o en entornos de aprendizaje automático, la capacidad para resolver conflictos con diversas bibliotecas externas es crucial, y Conda sobresale en estas áreas.

3. Diferencias entre Anaconda y Miniconda

Características de Anaconda

• Posibilidad de realizar análisis de datos inmediatamente después de la instalación
• Incluye herramientas de visualización, Jupyter Notebook, etc.

Características de Miniconda

• Instalación ligera y rápida
• Capacidad para seleccionar solo lo necesario para instalar → alta flexibilidad

4. ¿Cómo se separa un entorno Conda del sistema?

Los entornos Conda se crean en un directorio completamente separado del sistema base. Esto proporciona las siguientes ventajas:

• No afecta al entorno Python del sistema
• Permite construir entornos independientes para cada proyecto
• Los entornos se pueden guardar en un archivo .yml para fácil reproducción

Comparación con Docker

Docker proporciona un aislamiento total, pero Conda a menudo es suficiente en el campo de la ciencia de datos por su ligereza y facilidad de configuración.

5. Métodos de instalación

Método de instalación de Anaconda

1. Descargar el archivo de instalación apropiado para tu sistema operativo en https://www.anaconda.com/download
2. Proceder a la instalación a través del asistente de instalación GUI o CLI
3. Una vez instalado, puedes usar anaconda-navigator o el comando conda

Método de instalación de Miniconda

1. Descargar el archivo de instalación en https://docs.conda.io/en/latest/miniconda.html
2. Después de la instalación, configurar el entorno con conda init y conda config

6. Adelanto del siguiente artículo

En este artículo, hemos examinado el concepto de Conda y las diferencias entre sus distribuciones representativas, Anaconda y Miniconda. También explicamos por qué Conda es más adecuado para tareas científicas en comparación con -m venv.

En el siguiente artículo, cubriremos cómo crear y gestionar un entorno Conda, incluyendo los siguientes temas:

• Crear un entorno con conda create
• Activar y eliminar entornos
• Resumen de comandos frecuentemente utilizados en Conda

¡Así que en la próxima entrega, continuaremos con prácticas para crear un entorno de trabajo real!