Anaconda 和 Miniconda，進入 Conda 的世界

在 Python 中創建虛擬環境時，通常使用 python -m venv。但是，在數據科學或人工智能領域，還有一個廣泛使用的環境管理工具 Conda。Conda 是一個強大的工具，可以幫助管理 package 和環境。

在這篇文章中，我們將了解 Conda 的概念，Anaconda 和 Miniconda 的區別，以及 Conda 環境是如何與系統分離運作的。

1. Conda 是什麼？

Conda 是一個在數據科學、人工智能和機器學習領域廣泛使用的 package 和環境管理器。它最初是為 Python 開發的，但現在支持 R、Ruby、Lua 等多種語言。

通過 Conda，可以高效地執行以下操作：

• 一次安裝和管理多種 package
• 創建與操作系統獨立的虛擬環境
• 按項目保持不同的 Python 版本

相關術語整理

• Conda 環境 (environment): 擁有獨立 package 空間的虛擬環境
• conda-forge: Conda 社區維護的 package 存儲庫
• Anaconda: 包含 Conda 和數據科學常用 package（如 Numpy、Pandas、Jupyter 等）的發行版
• Miniconda: 僅包含 Conda 的最小安裝發行版，可以選擇需要的 package 進行安裝

2. 為什麼選擇 Conda？與 python -m venv 的比較

Python 標準庫中存在一個名為 venv 的虛擬環境創建工具。儘管如此，在數據科學領域，Conda 更受偏愛的原因如下：

• venv 只管理 Python package，而 Conda 可以一起管理 非 Python 依賴項（如 C、C++、CUDA 等）
• Conda 在 解決 package 版本衝突方面表現優異，並且會自動配置操作系統特定的二進制文件
• 在 venv 環境中，必須使用 pip 安裝所有東西，但 Conda 可以通過如 conda-forge 這樣的 package 通道 管理可靠的發佈

也就是說，在科學計算或機器學習環境中，與各種外部庫的衝突解決能力至關重要，而 Conda 在這方面表現出色。

3. Anaconda 和 Miniconda 的區別

Anaconda 的特點

• 安裝後即可進行數據分析
• 包含視覺化工具、Jupyter Notebook 等

Miniconda 的特點

• 輕便且快速安裝
• 僅選擇必要的進行安裝→靈活性高

4. Conda 環境是如何與系統分離的？

Conda 環境在完全獨立的目錄內創建。這帶來了以下優勢：

• 不影響系統 Python 環境
• 每個項目可以構建獨立的環境
• 可以將環境保存為 .yml 文件，方便輕鬆重現

與 Docker 的區別比較

Docker 提供了完全的隔離，而 Conda 較為輕便且設置簡便，因此在數據科學領域中，往往僅用 Conda 就足夠了。

5. 安裝方法

Anaconda 安裝方法

1. https://www.anaconda.com/download 下載適合操作系統的安裝文件
2. 通過 GUI 安裝嚮導或 CLI 方式進行安裝
3. 安裝完成後，可以使用 anaconda-navigator 或 conda 命令

Miniconda 安裝方法

1. https://docs.conda.io/en/latest/miniconda.html 下載安裝文件
2. 安裝後使用 conda init 和 conda config 進行環境設置

6. 下篇預告

在這篇文章中，我們探討了 Conda 的概念及其代表發行版 Anaconda 和 Miniconda 的區別。此外，還說明了為什麼 Conda 更適合科學作業而非 -m venv。

在下一篇文章中，我們將介紹如何實際創建和管理 Conda 環境，具體涵蓋以下內容：

• 通過 conda create 創建環境
• 環境的啟用和刪除
• Conda 中常用命令的整理

那麼我們下篇文章將進行實際操作環境的實踐吧！