conda ≈ pip（python包管理） + virtualenv（虛擬環境） + 非python依賴包管理

級別不一樣conda和yum比較類似，可以安裝很多庫，不限於Python。conda是建立一個區域性的環境，並安裝相應包；pip是安裝包到原有的環境中。

pip install會檢查一些依賴包並給你安裝，而conda的這種檢查更多，甚至會把你已有的卸了替換成他認為合適的...反正conda我只是拿來管理，安裝一直是pip install...conda install真心不太喜歡亂檢測亂適配....

1.pip只能安裝python包，而conda可以安裝由任何語言編寫的包

2.pip不能建立虛擬環境，需要藉助另外的包，例如virtualenv

,而conda可以建立虛擬環境。

3.pip是按照python時自帶的，而conda需要安裝anaconda才能用。

pip pip install xxx，在特定環境裡使用pip，下載的包會存在特定環境的目錄裡面，例如：
D:\Anaconda3\envs\nlp\Lib\site-packages\fasttext使用pip uninstallxxx，包就解除安裝掉了，也可以用
conda remove--name nlp--all 來刪除環境
conda conda install xxx，不管在什麼環境下載的包，都統一放在一個目錄裡面：
D:\Anaconda3\pkgs\fasttext這個fasttext裡面也有site-packages資料夾
在某個環境下面下載了某個包，再到另外一個環境下載同樣的包，conda會自動在上面的目錄裡面找，如果有，就不會重複下載，而是將這個包的site-packages下的檔案複製到當前環境下（和直接pip install一樣）使用conda uninstall xxx時，和pip uninstall一樣，刪除了當前環境site-packages裡面的包內容，但是在上述目錄裡面還存在這這個包，此時再到另外一個環境下載這個包，還是將site-packages複製一份到當前環境下，做到了一次下載，到處使用。

pip是用來安裝python包的，安裝的是python wheel或者原始碼的包。從原始碼安裝的時候需要有編譯器的支援，pip也不會去支援python語言之外的依賴項。

conda是用來安裝conda package，雖然大部分conda包是python的，但它支援了不少非python語言寫的依賴項，比如mkl cuda這種c c++寫的包。然後，conda安裝的都是編譯好的二進位制包，不需要你自己編譯。所以，pip有時候系統環境沒有某個編譯器可能會失敗，conda不會。這導致了conda裝東西的體積一般比較大，尤其是mkl這種，動不動幾百兆甚至一G多。

然後，conda功能其實比pip更多。pip幾乎就是個安裝包的軟體，conda是個環境管理的工具。conda自己可以用來建立環境，pip不能，需要依賴virtualenv之類的。意味著你能用conda安裝python直譯器，pip不行。這一點我覺得是conda很有優勢的地方，用conda env可以很輕鬆地管理很多個版本的python，pip不行。

然後是一些可能不太容易察覺的地方。conda和pip對於環境依賴的處理不同，總體來講，conda比pip更加嚴格，conda會檢查當前環境下所有包之間的依賴關係，pip可能對之前安裝的包就不管了。這樣做的話，conda基本上安上了就能保證工作，pip有時候可能裝上了也不work。不過我個人感覺這個影響不大，畢竟主流包的支援都挺不錯的，很少遇到broken的情況。這個區別也導致了安裝的時候conda算依賴項的時間比pip多很多，而且重新安裝的包也會更多（會選擇更新舊包的版本）。

最後，pip的包跟conda不完全重疊，有些包只能通過其中一個裝。

https://www.zhihu.com/question/395145313

conda可以安裝的庫都是Anaconda公司或第三方打包、編譯，提交到anaconda伺服器的，包括一些python庫（肯定不全），也包括一些C++的庫。可能還有R語言的？

pip就是python官方的包管理。

conda中包括一些C++庫，一般都是和python的科學計算有關的。比如可以直接安裝這些C++庫：

• conda install cudatoolkit
• conda install mkl
• conda install hdf5

當你通過conda安裝TensorFlow的時候：

• conda install tensorflow-gpu

你就獲得了編譯連結到cuda和mkl加持的tensorflow庫，同時還有編譯連結到mkl上的numpy。