Bild vom Autor
# Einführung
Alles begann, als ich meinen Computerspeicher aufräumte und feststellte, dass Anaconda 20 GB Speicherplatz belegte. Das kam mir seltsam vor. Nachdem ich etwas recherchiert hatte, erfuhr ich, dass Anaconda viele ungenutzte Python-Pakete und -Instruments enthält, was die große Installationsgröße erklärt.
Dann begann ich, nach besseren Alternativen zu suchen, die schneller und leichter sind. Dies führte dazu, dass ich mehrere Python-Paketmanager entdeckte und beschloss, eine Liste davon zu erstellen.
In diesem Artikel stellen wir Ihnen sieben der beliebtesten und modernsten Paketmanager für Python vor, komplett mit Installationsbefehlen für Linux-Systeme.
# 1. UV
UV ist ein Python-Paket- und Umgebungsmanager der nächsten Technology, der auf Geschwindigkeit ausgelegt ist. Es wurde in Rust geschrieben und zielt darauf ab, traditionelle Instruments wie Pip und Poetry zu übertreffen und gleichzeitig die volle Kompatibilität mit dem Python-Ökosystem aufrechtzuerhalten.
Es ist bisher eines meiner Lieblingstools, da es eine schnelle Set up neuer Python-Pakete ermöglicht. Es ist leichtgewichtig und funktioniert am besten, wenn es in einer virtuellen Umgebung verwendet wird.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
curl -LsSf https://astral.sh/uv/set up.sh | sh# 2. Pip
Pip ist Pythons Standardpaketmanager, der in den meisten Python-Installationen enthalten ist. Es ermöglicht Benutzern die Set up, Aktualisierung und Verwaltung von Paketen über den Python Bundle Index (PyPI), der das Rückgrat der meisten Python-Umgebungen bildet.
Jeder Python-Entwickler beginnt hier, da es sich um den Standardpaketmanager handelt und viele praktische Instruments enthält. Allerdings ist es im Vergleich zu Alternativen wie z. B. relativ langsam uv.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
sudo apt replace
sudo apt set up python3-pip -y# 3. Poesie
Poesie ist ein Abhängigkeits- und Paketierungstool, das das Projektmanagement in Python vereinfacht. Es verwaltet virtuelle Umgebungen, löst Abhängigkeiten auf und wickelt die Veröffentlichung nahtlos ab – alles über eine einzige Konfigurationsdatei namens pyproject.toml.
Poesie ist bei Softwareentwicklern beliebt, weil sie dadurch eine bessere Kontrolle über ihre Python-Projekte erhält.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
curl -sSL https://set up.python-poetry.org | python3 -oder
# 4. Conda (Anakonda)
Conda ist ein plattformübergreifender Paket- und Umgebungsmanager, der in der Datenwissenschaft und im maschinellen Lernen weit verbreitet ist. Es kann sowohl Python- als auch Nicht-Python-Abhängigkeiten wie CUDA, R oder Systembibliotheken verwalten und ist mit Anaconda-Distributionen vorinstalliert.
Die Verwendung von Conda hat jedoch einige Nachteile. Es kann langsam sein und viel Speicherplatz auf Ihrem Laptop beanspruchen. Darüber hinaus ist häufig eine Menge vorinstallierter Software program enthalten, die Sie möglicherweise nie verwenden oder die Sie möglicherweise nicht einmal kennen.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
wget https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh
bash Anaconda3-2025.06-1-Linux-x86_64.sh# 5. Miniconda
Miniconda ist eine leichtgewichtige Model von Anaconda, die Conda und seine wesentlichen Instruments enthält. Es ermöglicht Benutzern die Erstellung benutzerdefinierter Umgebungen ohne den Überschuss an vorinstallierten Paketen und ist somit preferrred für effiziente und reproduzierbare Setups.
Wenn Sie nach einem ähnlichen Workflow wie Anaconda suchen, aber eine schlankere und schnellere Choice bevorzugen, ist Miniconda die beste Various.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh# 6. Mamba
Mamba ist ein schneller, in C++ geschriebener Ersatz für Conda. Es beschleunigt die Lösung von Abhängigkeiten und die Erstellung von Umgebungen erheblich und macht es zu einem Favoriten unter Datenwissenschaftlern, die mit großen Umgebungen arbeiten. Es hat Miniconda als bevorzugtes Device für einen schnellen und robusten Python-Paketmanager, insbesondere für maschinelles Lernen und Knowledge-Science-Workflows, weitgehend ersetzt.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
curl micro.mamba.pm/set up.sh | bash(oder in Conda)
conda set up mamba -n base -c conda-forge# 7. Pixi
Pixi ist ein hochmoderner Paketmanager, der von der Conda-Group in Rust entwickelt wurde, um die Umgebungsverwaltung über verschiedene Programmiersprachen hinweg zu vereinheitlichen. Es ist vollständig reproduzierbar, plattformübergreifend und extrem schnell und eignet sich daher preferrred für Groups, die gemischte Technologie-Stacks verwalten.
Obwohl Pixi beeindruckend ist, hat es nicht so viel Popularität erlangt uv. Ähnlich uvPixi bietet eine schnelle und leistungsstarke Verwaltung von Python-Abhängigkeiten, bietet aber auch sprachübergreifende Unterstützung.
Zur Set up geben Sie bitte den folgenden Befehl in Ihr Terminal ein:
curl -fsSL https://pixi.sh/set up.sh | bash# Abschluss
Wenn Sie ein Anfänger in der Datenwissenschaft sind, beginnen Sie mit Anaconda. Es ist einsteigerfreundlich und ermöglicht Ihnen, schnell produktiv zu werden, da viele wichtige Instruments und Bibliotheken vorinstalliert sind. Auf diese Weise können Sie sich auf das Lernen konzentrieren, anstatt Zeit mit der Einrichtung zu verbringen.
Wenn Sie mehr Erfahrung sammeln, sollten Sie die Verwendung in Betracht ziehen uv für einen effizienteren und schnelleren Arbeitsablauf im Alltag. Wenn Sie lieber im Conda-Ökosystem bleiben möchten, mamba ist eine starke Various für Knowledge-Science-Workflows.
Letztendlich hängt der beste Python-Paketmanager von Ihren persönlichen Vorlieben, Projektanforderungen, Teamkonventionen, Reproduzierbarkeitsanforderungen und der von Ihnen angestrebten Steadiness zwischen Komfort und Leistung ab. Wählen Sie die Choice, die am besten zu Ihrem aktuellen Stand passt, und seien Sie darauf vorbereitet, sich anzupassen, wenn sich Ihre Fähigkeiten und Projekte weiterentwickeln.
Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der gerne Modelle für maschinelles Lernen erstellt. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben technischer Blogs zu maschinellem Lernen und Datenwissenschaftstechnologien. Abid verfügt über einen Grasp-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, ein KI-Produkt mithilfe eines graphischen neuronalen Netzwerks für Schüler mit psychischen Erkrankungen zu entwickeln.