适用读者：第一次在 Python 项目里遇到
ImportError、或者被"该装 Anaconda 还是 Miniconda"搞晕的人。
前置：S01-B02（JDK 与 JAVA_HOME，环境变量的通用心智）。
实测环境：Python 3.12.3 +venv（本机无 Conda，Conda 部分为官方文档口径，见 §6 标注）。
覆盖旧文：A-1409（Conda 是什么，15 点）。
覆盖扩展：E-S10-001（pip 与 conda 的边界）。
下一篇：S10-B02 · Conda 安装与换源。
1. 一句话结论
Conda 同时解决两件事：Python 包依赖，以及"包背后的非 Python 二进制"（C 库、编译工具、CUDA）。pip 只能做前者。
| 工具 | 解决什么 | 不解决什么 |
|---|---|---|
| pyenv | 装/切 Python 解释器版本 | 不隔离依赖 |
| venv / virtualenv | 隔离每个项目的包目录 | 不装解释器、不管非 Python 依赖 |
| pip | 从 PyPI 装 Python 包 | 装不了 C 库/编译器/CUDA |
| Conda | 包 + 二进制依赖 + 环境隔离 + 解释器版本 | 不专属于 Python（也能装 R、Node 工具） |
关键认知：pip install numpy 拿到的是预编译 wheel；但如果某个包装不上（没有对应平台的 wheel），你就需要先有编译器和 C 库——这正是 Conda 的领域。
2. 为什么 pip 有时不够（E-S10-001）
| 场景 | pip 的困境 | conda 的做法 |
|---|---|---|
| 包只有源码、需要编译 | 缺编译器/头文件 → 编译失败 | 提供预编译二进制 |
| 依赖 CUDA/cuDNN（深度学习） | 要自己装驱动与运行库 | conda install cudatoolkit |
| 科学计算栈（numpy/scipy 等） | wheel 覆盖多数平台，其余需编译 | 统一二进制分发 |
| 跨语言依赖（R、Node） | 不管 | 同一环境可装 |
判据：
- 纯 Python 包、有 wheel →
pip更轻、更新更快。 - 需要二进制/CUDA/编译 →
conda。 - 两者混用：先
conda install装二进制依赖，再pip install装纯 Python 包（顺序不要反，反了 conda 可能覆盖掉 pip 装的版本）。
3. 三个概念：环境、包、频道
| 概念 | 说明 |
|---|---|
| environment（环境） | 一个独立目录，含解释器 + 包；激活后 python 指向它 |
| package（包） | 预编译的 .conda/.tar.bz2，比 wheel 携带更多内容（含二进制） |
| channel（频道） | 包的来源：defaults（Anaconda 官方）、conda-forge（社区，包最全）、国内镜像 |
Anaconda vs Miniconda：
| Anaconda | Miniconda | |
|---|---|---|
| 内容 | Python + 数百个科学计算包 | 只有 conda + Python |
| 体积 | 数 GB | 几十 MB |
| 适合 | 教学、一次性装齐 | 生产与日常开发（推荐） |
结论：用 Miniconda，需要什么再装什么——这是"环境最小化"的基本纪律（与 S01-A01 的版本矩阵同源）。
4. 用一个可跑的实验理解"隔离"
本机没有 Conda，用 venv 演示"隔离"这个核心机制（实测）：
$ python3 -m venv .venv && . .venv/bin/activate
$ python -V
Python 3.12.3
$ pip install -q "httpx==0.27.2"
$ python -c "import httpx; print(httpx.__version__)"
0.27.2
$ deactivate # 退出后系统环境不受影响
这正是所有环境管理器共有的本质：把"装哪儿"从全局改成本地。
| 管理器 | 隔离机制 |
|---|---|
| venv | 独立目录 + 改 PATH |
| conda | 独立目录 + 改 PATH + 独立二进制依赖 |
| Docker | 独立文件系统 + 命名空间（更彻底） |
判据：venv 能解决"包冲突"，但解决不了"系统库冲突"——后者要么 conda，要么容器。
5. 五个误区
| 误区 | 真相 |
|---|---|
| "conda 是 Python 的包管理器" | 它是通用包/环境管理器，只是 Python 生态用得最多 |
| "有 pip 就不用 conda" | 需要二进制/CUDA 时 pip 装不上 |
| "Anaconda 比 Miniconda 好" | Miniconda + 按需安装更可控、更省空间 |
| "装了 conda 就不用 venv" | 可以用，但团队混用两套会造成"环境来源不明" |
| "base 环境可以直接开发" | base 是管理入口；开发一律新建环境 |
6. 本篇的口径说明
| 内容 | 口径 |
|---|---|
| venv 隔离实验 | 实测（Python 3.12.3） |
| conda 命令与频道 | 官方文档口径（本机未装 Conda，未执行） |
| 性能/体积数据 | 未实测，正文不写具体数字 |
7. 自检
- pyenv、venv、pip、conda 各自解决什么？用一句话分别说清。
- 什么情况下
pip install会失败而conda install成功？ - 为什么建议用 Miniconda 而不是 Anaconda？
- conda 与 pip 混用时，顺序为什么重要？
- venv 解决不了的问题，conda 或容器能解决哪一部分？
8. 下一篇
S10-B02 · Conda 安装与换源：三平台 + 国内镜像
下一篇给三平台安装步骤、conda init 的作用（"装完命令找不到"的头号原因）、以及 .condarc 换源的优先级规则。
本篇属于系列《S10 · Python 语言与环境》。旧文来源：A-1409；扩展点 E-S10-001。venv 隔离实验为 2026-11-05 实测；Conda 部分为官方文档口径。