conda ≈ pip（python包管理） + virtualenv（虛擬環境） + 非python依賴包管理
級別不一樣conda和yum比較類似，可以安裝很多庫，不限於Python。conda是創建一個局部的環境，並安裝相應包；pip是安裝包到原有的環境中。
pip install會檢查一些依賴包並給你安裝，而conda的這種檢查更多，甚至會把你已有的卸了替換成他認為合適的...反正conda我只是拿來管理，安裝一直是pip install...conda install真心不太喜歡亂檢測亂適配....
1.pip只能安裝python包，而conda可以安裝由任何語言編寫的包
2.pip不能創建虛擬環境，需要借助另外的包，例如virtualenv,而conda可以創建虛擬環境。
3.pip是按照python時自帶的，而conda需要安裝anaconda才能用。
pip pip install xxx，在特定環境里使用pip，下載的包會存在特定環境的目錄里面，例如：
D:\Anaconda3\envs\nlp\Lib\site-packages\fasttext使用pip uninstallxxx，包就卸載掉了，也可以用
conda remove--name nlp--all 來刪除環境
conda conda install xxx，不管在什么環境下載的包，都統一放在一個目錄里面：
D:\Anaconda3\pkgs\fasttext這個fasttext里面也有site-packages文件夾
在某個環境下面下載了某個包，再到另外一個環境下載同樣的包，conda會自動在上面的目錄里面找，如果有，就不會重復下載，而是將這個包的site-packages下的文件復制到當前環境下（和直接pip install一樣）使用conda uninstall xxx時，和pip uninstall一樣，刪除了當前環境site-packages里面的包內容，但是在上述目錄里面還存在這這個包，此時再到另外一個環境下載這個包，還是將site-packages復制一份到當前環境下，做到了一次下載，到處使用。
pip是用來安裝python包的，安裝的是python wheel或者源代碼的包。從源碼安裝的時候需要有編譯器的支持，pip也不會去支持python語言之外的依賴項。
conda是用來安裝conda package，雖然大部分conda包是python的，但它支持了不少非python語言寫的依賴項，比如mkl cuda這種c c++寫的包。然后，conda安裝的都是編譯好的二進制包，不需要你自己編譯。所以，pip有時候系統環境沒有某個編譯器可能會失敗，conda不會。這導致了conda裝東西的體積一般比較大，尤其是mkl這種，動不動幾百兆甚至一G多。
然后，conda功能其實比pip更多。pip幾乎就是個安裝包的軟件，conda是個環境管理的工具。conda自己可以用來創建環境，pip不能，需要依賴virtualenv之類的。意味着你能用conda安裝python解釋器，pip不行。這一點我覺得是conda很有優勢的地方，用conda env可以很輕松地管理很多個版本的python，pip不行。
然后是一些可能不太容易察覺的地方。conda和pip對於環境依賴的處理不同，總體來講，conda比pip更加嚴格，conda會檢查當前環境下所有包之間的依賴關系，pip可能對之前安裝的包就不管了。這樣做的話，conda基本上安上了就能保證工作，pip有時候可能裝上了也不work。不過我個人感覺這個影響不大，畢竟主流包的支持都挺不錯的，很少遇到broken的情況。這個區別也導致了安裝的時候conda算依賴項的時間比pip多很多，而且重新安裝的包也會更多（會選擇更新舊包的版本）。
最后，pip的包跟conda不完全重疊，有些包只能通過其中一個裝。
https://www.zhihu.com/question/395145313
conda可以安裝的庫都是Anaconda公司或第三方打包、編譯，提交到anaconda服務器的，包括一些python庫（肯定不全），也包括一些C++的庫。可能還有R語言的？
pip就是python官方的包管理。
conda中包括一些C++庫，一般都是和python的科學計算有關的。比如可以直接安裝這些C++庫：
- conda install cudatoolkit
- conda install mkl
- conda install hdf5
當你通過conda安裝TensorFlow的時候：
- conda install tensorflow-gpu
你就獲得了編譯鏈接到cuda和mkl加持的tensorflow庫，同時還有編譯鏈接到mkl上的numpy。