先说结论，如果conda和pip在相同环境下掺杂使用，尤其是频繁使用这两个工具进行包的安装，可能会导致环境状态混乱

就像其他包管理器一样，大部分这些问题均源于有限的能力来管理未安装的包。通过pip安装后再运行conda，有可能覆盖或潜在地破坏通过pip安装的包。同样，pip可能会升级或删除conda安装的某个包所依赖的包

有一些步骤可以用来避免在使用conda和pip一起时出现问题的环境破坏。一个可靠的方法是只使用conda包。如果需要conda没有提供的软件包，可以使用conda build来创建。对于在PyPI上可用的项目，conda skeleton命令可以生成一个用来创建conda包的配方，几乎不需要进行修改

https://docs.conda.io/projects/conda-build/en/stable/

但如果环境涉及大量只能在PyPI上获得的包，这可能会成为负担。在这些情况下，最安全的做法是先通过conda安装所有支持的包后才使用pip安装不支持的包。此外，应该使用“–upgrade-strategy only-if-needed”参数运行pip，以防止不必要地升级通过conda安装的包。这是运行pip时的默认设置，不应更改

如果预计某项目需要混用conda与pip，最好的做法是将此安装放入一个专门的conda环境中，以保护其他环境免受pip可能会进行的任何修改，因为conda环境是独立的，允许不同版本的包存在

https://conda.io/docs/user-guide/tasks/manage-environments.html

在conda环境中，尽可能使用硬链接而不是复制文件。如果安装了相同的一组包，每个新的conda环境将只需要少量额外的磁盘空间。许多用户依赖于由安装Anaconda或Miniconda创建的“base” conda环境，如果这个环境混杂着pip和conda安装的包，将会更难恢复。另一方面，创建单独的conda环境允许随时整个删除和重新创建环境，而不会影响核心的conda功能

在conda环境中使用pip安装包时，conda并不会察觉到这些变更，并存在破坏环境的风险。一个可靠的方法是创建一个新的环境，并先通过conda安装需要的包，再运行pip。再次强调，主要问题是pip的“状态性（或关联性）”——安装包的顺序会关联更多的状态，这将使事情更难以正常工作

对于经常需要重建的环境，最好的做法是将conda和pip包要求存储在文本文件中。可以通过–file参数将包要求提供给conda，通过-r或–requirement（关于requirement的一些总结其实早就写好了，一直躺在我的草稿箱中）参数提供给pip

一个包含conda和pip要求的文件可以导出或通过conda env命令来控制环境。这两种方法的好处是，描述环境的文件可以方便进行版本控制以及便于他人共享环境

Anaconda非常清楚结合pip和conda可能会遇到的困难。我们希望设置数据科学环境的过程尽可能简单。这就是为什么我们一直在向conda的下一个版本添加新功能，以简化这个过程。虽然还处于测试阶段，但conda 4.6.0允许conda考虑pip安装的包，并根据需要替换这些包或满足现有包的依赖关系。我们仍在测试这些新功能，但预计在不久的将来，conda和pip之间的交互将得到很大改善。