应优先用conda install安装包，尤其含c扩展的库；若必须用pip，需在激活conda环境后仅用pip install --no-deps装纯python包，并立即用conda list核对版本冲突。
Conda安装的包被pip覆盖后报ModuleNotFoundError
这是最常见也最隐蔽的问题：你用conda install numpy装了NumPy，之后又用pip install --upgrade numpy，结果下次运行时突然报ModuleNotFoundError: No module named 'numpy'。根本原因不是没装，而是pip把包装到了site-packages里一个conda环境没加载的路径下，或者覆盖了conda管理的元数据。
实操建议：
- 永远优先用
conda install安装包，尤其对numpy、scipy、pytorch这类含C扩展的包 - 如果必须用
pip（比如装conda仓库没有的包），请在conda环境激活后，**只用pip install --no-deps装纯Python包**，避免它顺手升级依赖而破坏conda的依赖图 - 装完pip包后，立刻运行
conda list核对版本是否冲突；若发现同一包同时出现在conda list和pip list中且版本不一致，说明已出问题
如何安全地混用conda和pip
官方文档其实明确说过：conda和pip可以共存，但顺序不能错——先conda，后pip，且中间不执行conda update --all。一旦你用conda update --all，它可能把pip装的包“回滚”掉，因为conda不知道那些包是pip装的。
实操建议：
- 创建新环境时，先用
conda create -n myenv python=3.9，再conda activate myenv - 接着用
conda install装所有能装的核心依赖（numpy、pandas、matplotlib等） - 最后才用
pip install装conda没有的包，例如pip install git+https://github.com/xxx/yyy.git - 装完后运行
pip check确认无依赖冲突；若报错，别急着pip install --force-reinstall，先查这个包是否本就有conda版（用anaconda search -t conda xxx）
conda list和pip list显示不同版本怎么办
这不是bug，是事实：conda和pip维护各自的包记录。当你看到conda list torch显示1.12.1，而pip list | grep torch显示2.0.1，说明pip偷偷装了一个新版，但conda仍认为旧版是“权威”。此时Python导入的其实是pip装的那个，但conda后续操作（如conda env export）会导出旧版，导致环境不可复现。
实操建议：
- 用
python -c "import torch; print(torch.__file__)"确认实际加载的是哪个路径下的包 - 若路径在
.../site-packages/且不在conda的pkgs/目录下，基本就是pip装的 - 修复方法不是卸载重装，而是：先
pip uninstall torch，再conda install pytorch::pytorch（指定channel）或conda install -c pytorch pytorch - 切忌用
pip install torch——它默认从PyPI装CPU版，而conda通常装的是带CUDA支持的版本，功能直接降级
导出环境时environment.yml漏掉pip包
conda env export > environment.yml默认只导出conda管理的包，pip装的包不会自动写进去。下次用conda env create -f environment.yml重建环境时，那些pip包就没了，代码直接报错。
实操建议：
- 导出前手动补全：
conda env export --from-history > environment.yml（仅对用conda install装的包有效） - 更可靠的做法是：导出后，用
pip freeze > requirements.txt单独保存pip包列表，然后在environment.yml末尾加上pip:段：
dependencies:
- python=3.9
- numpy
- pip
- pip:
- some-pip-only-package==1.2.3
- git+https://github.com/xxx/yyy.git@main
注意：pip必须作为conda依赖显式列出，否则conda env create不会安装pip，后续pip部分直接跳过。
真正麻烦的从来不是“能不能混用”，而是“混用之后谁负责清理、谁负责锁定、谁负责告诉CI系统该装什么”。只要pip包一多，environment.yml就容易漏、pip list就容易脏、CI里pip install -r requirements.txt还可能跟conda装的包打架。所以，能用conda装的，别让pip碰。
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！
