python环境|conda项目实战中使用

Conda 主要用于 环境隔离 和 依赖管理，确保项目在不同机器上能稳定复现

源码（conda-1目录）

https://gitee.com/kcnf-python/sample

相关步骤流程

创建项目进入目录

mkdir conda-1
cd conda-1

为项目创建独立Conda环境

  • conda create -n conda-1 python=3.11 -y

激活环境

  • conda activate conda-1

安装项目所需的包

# 安装数据科学常用包
conda install numpy pandas matplotlib jupyter -y

# 如果某个包 conda 没有，再用 pip
pip install xxxx

导出环境配置

  • conda env export > environment.yml Image text

  • conda env export --from-history > environment.yml (只导出项目依赖的，而不是整个环境)

environment.yml内容

name: conda-1
channels:
  - conda-forge
dependencies:
  - _openmp_mutex=4.5=20_gnu
  - anyio=4.13.0=pyhcf101f3_0
  - argon2-cffi=25.1.0=pyhd8ed1ab_0
  - argon2-cffi-bindings=25.1.0=py311h3485c13_2
  - arrow=1.4.0=pyhcf101f3_0
  - asttokens=3.0.1=pyhd8ed1ab_0
  - async-lru=2.3.0=pyhcf101f3_0
  - attrs=26.1.0=pyhcf101f3_0
  - babel=2.18.0=pyhcf101f3_1
  - backports.zstd=1.5.0=py311h71c1bcc_0
prefix: D:\pro\Python\miniforge3\envs\conda-1

团队伙伴导入项目

  • conda env create -f environment.yml Image text

environment.yml 和 pyproject.toml比较

维度environment.ymlpyproject.toml
所属工具Conda / Mamba（跨语言环境管理）PEP 621 标准，被 pip、uv、Poetry、PDM、Hatch 等支持
主要用途定义 Conda 环境的完整内容（Python 版本、Conda 包、pip 包、非 Python 依赖）定义 Python 项目的元数据、运行时依赖、构建系统、开发工具配置
是否包含 Python 版本✅ 在 dependencies 中明确列出 python=3.x✅ 在 requires-python 字段指定版本范围（如 >=3.9）
是否包含非 Python 依赖✅ 是（如 CUDA、OpenCV、R、C/C++ 库）❌ 否（仅限 Python 包）
依赖声明方式直接列出包名和版本（可精确或宽松）遵循 PEP 508，可指定版本范围、环境标记等
锁定文件可选：conda env export 可生成精确版本的环境文件外部工具生成锁文件：uv.lock、poetry.lock、requirements.lock
构建系统配置❌ 不涉及✅ 通过 [build-system] 指定构建后端（setuptools, poetry-core 等）
工具配置❌ 不支持✅ 通过 [tool.*] 统一配置 black、ruff、pytest、mypy 等
跨平台可复现性较好（但不同 OS 可能有细微差异）较好（结合锁文件可实现精确复现）
典型文件名environment.ymlpyproject.toml
主要使用场景数据科学、机器学习、需要复杂二进制依赖的项目通用 Python 项目（Web、库、脚本、应用）

两种不同demo对比

  • environment.yml (Conda)
name: ml_project
channels:
  - conda-forge
  - pytorch
dependencies:
  - python=3.10
  - pytorch=2.0
  - cudatoolkit=11.8   # 非 Python 依赖
  - numpy=1.24
  - pandas>=2.0
  - pip
  - pip:
    - transformers
    - datasets
  • pyproject.toml (Python 标准)
[project]
name = "ml_project"
version = "0.1.0"
description = "An ML project"
requires-python = ">=3.10"
dependencies = [
    "numpy>=1.24",
    "pandas>=2.0",
    "transformers",
    "datasets",
]

[build-system]
requires = ["setuptools>=61.0"]
build-backend = "setuptools.build_meta"

[tool.black]
line-length = 88

[tool.pytest.ini_options]
testpaths = ["tests"]

如何配合

  • 只用environment.yml（传统 Conda 工作流）

    • 适合：项目依赖复杂二进制库（CUDA、OpenCV、GDAL 等）
    • 缺点：不提供标准的 Python 项目元数据，打包发布困难

  • pyproject.toml + uv/poetry（现代纯 Python 工作流）

    • 适合：纯 Python 项目，无非 Python 依赖
    • 操作：uv venv → uv pip install -e . 或 poetry install
    • 优点：标准化、工具链统一、快速

  • 两者结合使用（推荐用于复杂项目）

    • environment.yml 负责：定义 Conda 环境（Python 版本 + 非 Python 依赖 + pip + 项目本身的可编辑安装）
    • pyproject.toml 负责：定义项目的元数据、纯 Python 依赖、工具配置
最近更新:
Contributors: kcnf