实践角度分析
有人认为，禁用conda是一种更好的选择，因为它可以解决软件包之间的冲突问题，从而提高开发生产效率。但是，禁用conda也有它的缺点和难点。本文将从实践角度分析禁用conda的优缺点，以及面临的挑战和应对方法。
在使用conda的过程中，我们经常会遇到包版本冲突的问题。由于conda的包管理非常智能，经常会在更新某个包时自动升级其他包的版本，从而导致某些程序无法运行。这种情况下，我们就需要针对不同的工程创建不同的conda环境，来维护不同的包版本。但是，这也带来了一些问题，例如创建和维护多个conda环境需要耗费大量的时间和精力，并且一些复杂的程序可能会出现奇怪的错误，这时候就需要查看依赖性问题，这也增加了调试的难度，从而降低了开发效率。如果禁用conda，则无需为每个工程创建独立的环境，并且可以使用系统原有的包版本，这将更好地管理自己的数据科学工具和项目。
然而，禁止使用conda也可能带来许多挑战。例如，有些模块可能会依赖旧版本的某些包，所以即使我们切换到系统的Python，我们可能仍然需要为单个库升级一个特定的包，这可能需要一定的技能和时间来完成。另外，安装Python包时还可能会遇到依赖性问题，因此我们需要自己查找适当的软件包来安装，这可能会导致运行时错误。
综上所述，在决定禁用conda之前，我们需要仔细考虑整个工作流程，并考虑实际开发情况下可能出现的问题。如果能够正确管理conda环境并解决依赖问题，则可以使用conda提供的包管理系统。否则，禁用conda可以是一个更好的选择，尽管可能需要在某些情况下进行一些手动的工作，但它可能是更好的管理数据科学工具和项目的方式。
