conda create -n 更适合隔离项目依赖，因其创建完全独立环境，隔离python解释器、abi及动态库路径，避免numpy等扩展包因系统级库不匹配而崩溃。
conda create -n 为什么比 pip install 更适合隔离项目依赖
因为 conda create -n 创建的是完全独立的环境，底层隔离了 Python 解释器、二进制 ABI、动态链接库路径，而 pip install --user 或虚拟环境（venv）只隔离纯 Python 包，对 NumPy、PyTorch 这类含 C/Fortran 扩展的包，容易因系统级 BLAS、CUDA 版本不匹配导致运行时崩溃。
实操建议：
- 用
conda create -n myproj python=3.9显式指定 Python 小版本，避免 conda 自动升到 3.10 导致某些旧包（如tensorflow==2.8）无法安装 - 不要在 base 环境里装项目依赖——哪怕只 run 一次
pip install，后续conda list就可能混入 pip-only 包，触发CondaHTTPError或降级失败 - 若项目必须用 pip-only 包（如私有 GitHub 包），先
conda activate myproj，再pip install git+https://...，且务必紧接运行conda list --explicit > spec-file.txt备份精确状态
mamba install 比 conda install 快在哪，哪些场景会失效
mamba 是 conda 的 drop-in 替代，核心加速点在依赖求解器：用 C++ 重写了 conda 的 SAT 求解逻辑，解析 environment.yml 里上百个包约束时，耗时从分钟级降到秒级；但它的速度优势只在「首次环境创建」或「大范围版本变更」时明显。
容易踩的坑：
- 执行
mamba install pandas却卡住？大概率是 channel 优先级冲突——检查~/.condarc是否混用了conda-forge和defaults，删掉defaults或把conda-forge置顶 -
mamba不支持--no-deps参数，想跳过依赖安装得改用mamba install --force-reinstall --no-deps xxx - Windows 上若提示
mamba: command not found，别用pip install mamba——必须走conda install mamba -c conda-forge，否则缺少 Windows 专用的 libmamba.dll
当 conda/mamba 都解决不了版本冲突时，该信 error message 还是 lock file
典型现象：mamba env update -f environment.yml 报错 PackageNotFoundError: Package missing in current linux-64 channels，但 environment.yml 里明明写了 - numpy=1.21.6。
真相往往是：这个 numpy 版本只存在于 conda-forge 的旧 build 中，而你当前 conda 配置默认没启用该 channel 的历史归档。此时 environment.yml 是静态快照，不可信；真正可信的是 conda-lock 生成的 conda-linux-64.lock——它记录了每个包的 exact URL 和 SHA256。
实操建议：
- 用
conda-lock -f environment.yml -p linux-64生成 lock 文件后，再mamba env create -f conda-linux-64.lock - 若仍失败，手动打开 lock 文件，找到 numpy 对应条目，复制
url:字段里的链接，用wget直接下载 tar.bz2，再mamba install /path/to/downloaded.tar.bz2 - 别迷信
conda update --all——它会无视 lock 文件，强行升级所有包，是版本冲突的头号推手
Python 项目中混用 pip 和 conda 的安全边界在哪
能混，但边界极窄：仅限于 conda 官方 channel 没收录、且不带编译扩展的纯 Python 包（如 black、pre-commit）。一旦涉及 scipy、numba、torch，pip 安装的 wheel 很可能链接到系统 libc 或错误版本的 OpenMP，导致 segfault。
判断是否安全的方法：
- 运行
pip show package_name | grep Location，若路径含site-packages且不在 conda 环境目录下（如/home/user/miniconda3/envs/myproj/lib/python3.9/site-packages/），说明 pip 装到了错的地方 - 用
ldd $(python -c "import scipy; print(scipy.__file__)") | grep "not found"检查动态链接缺失——这是混用后最常被忽略的隐性故障 - CI 流水线里禁用
pip install，全部走mamba install+conda-lock，哪怕多花 20 秒，也比线上 core dump 强
实际项目里最麻烦的不是工具选型，而是团队成员各自用不同方式初始化环境，最后连 conda list 输出都对不上。lock 文件和 channel 配置必须纳入 Git，且写进 README 的第一行 setup 指令里。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
