conda、pip、系统和个人软件的最佳实践管理 在我的工作中，我需要C++、FORTRAN和Python代码的混合，在后一种情况下主要通过Cython和Sigg进行交互。它们是广泛使用的库（通常可通过某些包管理系统获得）、特定于我的领域但不是我编写的库（大多数不是在源tarball之外打包的库）和我作为开发人员的库的组合

很长一段时间以来，我们一直能够在不太担心Python 3的情况下过日子，因此我在一个

~/local

安装区域中运行编译软件和基于Python2的软件，在通常的

bin

、

lib

、

lib/Python2.*/site packages

等结构中，使用my

.bashrc

路径

，

LD_库路径

，

PYTHONPATH

环境变量中包含的相关子目录路径。但特别是随着机器学习用Python3的兴起，以及不兼容的ML包的增加，我不得不开始为一些项目操作virtualenv目录。这一点，以及系统工具（如

meld

到Python3）的切换，意味着我单一的、全局的Python2环境不再适合使用

同时，我也意识到康达和康达福格现在正被推出很多相关的软件。所以现在将有系统包和Python版本，可能是conda环境（针对特定的Python），pip包（在VirtualEnv中或不在virtualenvs中），然后是我的个人构建。这需要大量的一致性操作，而且似乎没有太多关于最佳实践的信息，特别是在多个项目之间共享一些代码，以及在非Python库中与这些以Python为中心的工具混合时。在独立的conda或VirtualEnvironment中为每个项目安装一整套手动依赖项将非常难以管理，而且在复制大型库方面会造成浪费，但另一方面，似乎至少需要单独的Python 2/3环境，也许有更多特定于项目的虚拟人

所以，场景设置-，抱歉这么长，但本质上很复杂。是否还有其他人在努力解决这个问题，是否有一种新兴的标准或最佳实践方法来管理系统、conda、pip和手动包依赖性的混合，以开发许多项目，而不产生不必要的重复

---

注：我很欣赏答案在某种程度上可能是基于意见的，尽管好的答案可以证明他们的建议是正确的。另一方面，它肯定与软件开发有关，而不仅仅是软件管理。因此，我希望这是一个合适的问题，因为我认为在SX网络中没有更好的适合性。

我感觉这可能会以观点为基础，但我只是使用VirtualNVS，尽量不担心浪费空间。我设置了

PIP\u REQUIRE\u VIRTUALENV

，这样我就不会意外地在venv之外安装任何软件包。较大的虚拟机容量约为0.5GB，但我只会有少量虚拟机，所以不用太担心（例如，每个主要项目有一个虚拟机，一个通用虚拟机，一个一次性虚拟机）。主要项目也会有一个

requirements.txt

文件，因此可以相对轻松地重新安装。不确定这是否有帮助，但我认为这类问题最好通过博客来回答