conda環境下獨占使用PIP有什么坑？

Question

官方文檔和這個博客在同一個網站——推薦盡可能多的用conda安裝requirement然后使用pip。顯然這是因為conda不會意識到pip對依賴項所做的任何更改因此將無法解析依賴關系正確。

現在，如果一個人專門使用pip和 go 而沒有使用conda安裝任何東西，那么期望conda不需要知道pip conda成為隔離依賴項和管理版本的單純工具。 但是，這違背了官方建議，因為不會使用conda安裝盡可能多的要求。

所以問題仍然存在：在conda環境中專門使用pip是否有任何已知的缺點？

中的類似主題在此處有所涉及，但未涵蓋在conda環境中專門使用pip的情況。 我也來過這里：

Answer 1

不確定是否可以對此給出全面的答案，但我想到的一些主要事情是：

缺乏對非 Python 依賴解析的深度支持。 隨着時間的推移，越來越多的捆綁非 Python 資源的輪子變得可用，但它遠不及 Conda 作為通用 package 管理器而不是特定於 Python 的管理器提供的覆蓋范圍。 對於任何進行互操作計算（例如， reticulate ）的人，我希望 Conda 會受到青睞。
優化庫。 有點與第一點相關，但 Anaconda 團隊已努力構建優化版本的包（例如，MKL for numpy ）。 不確定是否可以通過 PyPI 獲得等效項。 ^1個
跨環境的浪費冗余。 當包和環境位於同一卷上時，Conda 使用硬鏈接，並支持跨卷的軟鏈接。 這有助於最大限度地減少復制安裝在多個環境中的任何包。
使出口復雜化。 導出時 ( conda env export ) Conda 不會選擇所有pip安裝的包 - 只有來自 PyPI 的包。 也就是說，它會錯過從 GitHub 等安裝的東西。如果有人做了 go pip-only 路由，我認為更可靠的導出策略是使用pip freeze > requirements.txt ，然后制作一個 YAML 之類的
```
channels: - defaults dependencies: - python=3.8 # specify the version - pip - pip: - -r requirements.txt
```
用它來重建環境。

綜上所述，我可以很容易地想象這些對某些人來說都不重要（大多數都是為了方便），尤其是那些傾向於純粹在 Python 中工作的人。然而，在這種情況下，我不明白為什么人們不會簡單地完全放棄 Conda 並使用特定於 Python 的虛擬環境管理器。

_{[1]如有不明之處請指正。}