Conda 环境管理。
Conda 的命令行写得一般，而且莫名其妙地有两种管理 env 的方式，分别是直接用 conda 以及用 conda-env。
创建新环境：
- 如果你想通过 environment.yaml 文件创建新环境，只能用
conda env - 如果你想通过指定包来创建新环境，只能用
conda create
导出已有环境：
conda list --export会导出当前所有 Conda 包，但是不会导出 pip 所安装的包，所以没什么用conda env export会导出 Conda 包及 pip 安装的包，生成的文件即 environment.yaml，可以用来分享环境
用 environment.yaml 来实现「不同机器上环境一致」，应该是目前 Conda 的最佳实践。但是它的设计还是残缺的，这使得 Conda 难以成为广泛流行的部署工具。
对比 pipenv 提供的解决方案，pipenv 提供了 Pipfile 和 Pipfile.lock。Pipfile 用来指定项目中所依赖的库，比如我的项目用了 Django，那就在 Pipfile 中写入 Django 即可；pipenv 会自动帮我判断 Django 有个 pytz 的依赖，然后它会生成 Pipfile.lock 文件，里面包含了 Django 和 pytz，以及它们具体的版本号。
environment.yaml 就类似 Pipfile.lock，但是 Conda 没有提供 Pipfile 的机制。那么，假如我一开始 conda install django，那么 Django 跟 pytz 会同时会安装被纪录进环境依赖里；后面如果我想把 Django 换成 Flask，conda uninstall django 并不会帮我把 pytz 去掉。于是 pytz 作为一个没人用的依赖，存在在 conda env 里。
environment.yaml 中也可以指定 pip 的命令行选项，参考这个 pull request。但是 environment.yaml 的定位应该是机器生成而不是手写，意味着这个特性很鸡肋。
总的来说 environment.yaml 就跟 pip freeze > requirements.txt 一样残废。
参考：