使用conda install安装单包却自动安装多依赖包的问题咨询

你对numpy依赖的理解有偏差，conda安装的额外包并非冗余 #

你觉得numpy不需要那些额外包，其实是混淆了"Python代码层面的依赖"和"完整运行环境的依赖"。numpy本身是基于C/C++编写的数值计算库，它的运行依赖底层线性代数库（比如MKL、OpenBLAS）、Python运行时组件、以及一些系统级的基础依赖——这些都是conda帮你自动处理的，没有它们numpy根本跑不起来。你查的资料可能只提到了numpy在Python代码里直接调用的模块，没覆盖底层运行所需的组件。

conda和pip怎么选？别盲目换，看场景 #

• conda的优势：它是跨语言的二进制包管理器，能统一管理Python、C/C++等各类依赖，确保所有组件版本兼容，预编译的包不需要你自己编译，对新手来说能避免很多编译错误，而且环境隔离能力强，不同项目的环境互不干扰。
• pip的局限：它只专注Python生态的包，依赖处理只考虑Python层面的组件，遇到需要系统级依赖的包时，要么用你系统已有的（可能版本不兼容），要么让你自己编译，新手很容易踩坑。

如果你的目标是避免环境混乱，conda其实更适合你，只要用对方法就行。

避免conda环境混乱的实用技巧 #

• 别在base环境装项目依赖：base是conda的默认环境，用来装conda本身的工具就行。每个项目单独创建环境：

  conda create -n my_project python=3.10
  conda activate my_project
  

  激活后再装该项目需要的包，这样每个项目的依赖都是独立的，不会互相影响。
• 安装前先预览依赖：用conda install --dry-run numpy命令，能提前看到要安装的所有包和版本，搞清楚每个依赖的作用，心里有数。
• 尽量统一包管理器：同一个环境里尽量全用conda或者全用pip，混装容易导致依赖冲突，除非某个包只有PyPI上才有，再考虑用pip安装。

内容的提问来源于stack exchange，提问作者HilaBeat