در این نوشته بهترین Package Manager های پایتون را بررسی می‌کنیم و با روش نصب هرکدام روی سیستم عامل لینوکس آشنا می‌شویم.
همه‌چیز از زمانی شروع شد که در حال پاک‌سازی فضای ذخیره‌سازی رایانه‌ام بودم و متوجه شدم «Anaconda» بیش از ۲۰ گیگابایت از حافظه‌ام را اشغال کرده است! بعد از کمی بررسی فهمیدم که دلیلش این است که آناکوندا ده‌ها بسته و ابزار غیرضروری را به‌صورت پیش‌فرض نصب می‌کند.
همین مسئله باعث شد به‌دنبال گزینه‌های جایگزین سبک‌تر و سریع‌تر بگردم و در نهایت به چند مدیر بسته‌ی قدرتمند برای پایتون رسیدم.
۱. Uv
Uv نسل جدید مدیر بسته و محیط‌های پایتون است که با زبان Rust نوشته شده و تمرکزش بر سرعت است. هدف آن رقابت و حتی عملکرد بهتر نسبت به ابزارهایی مانند pip و Poetry است، در حالی‌که سازگاری کامل با اکوسیستم پایتون را حفظ می‌کند.
این ابزار از محبوب‌ترین گزینه‌های من است؛ نصب بسته‌ها را با سرعت بالا انجام می‌دهد، سبک است و بهترین عملکردش را در محیط‌های مجازی دارد.
نصب در ترمینال:
curl -LsSf https://astral.sh/uv/install.sh | sh۲. Pip
pip مدیر بسته‌ی پیش‌فرض پایتون است و تقریباً با تمام نصب‌های پایتون همراه است. این ابزار امکان نصب، به‌روزرسانی و مدیریت بسته‌ها از مخزن رسمی PyPI را فراهم می‌کند. هر برنامه‌نویس پایتون کارش را از pip شروع می‌کند، اما نسبت به رقبایی مانند uv کمی کندتر است.
نصب:
sudo apt update
sudo apt install python3-pip -y۳. Poetry
Poetry ابزاری برای مدیریت وابستگی‌ها و بسته‌بندی پروژه‌های پایتون است که با استفاده از فایل پیکربندی pyproject.toml همه‌چیز را ساده می‌کند. این ابزار ساخت محیط مجازی، حل وابستگی‌ها و انتشار پکیج‌ها را در یک چارچوب واحد انجام می‌دهد. Poetry میان توسعه‌دهندگان نرم‌افزار محبوب است چون کنترل دقیقی بر پروژه‌ها فراهم می‌کند.
نصب:
curl -sSL https://install.python-poetry.org | python3 -یا
pip install poetry۴. Conda (Anaconda)
Conda یکی از ابزارهای قدیمی و قدرتمند برای مدیریت بسته‌ها و محیط‌هاست و به‌ویژه در حوزه‌ی داده و یادگیری ماشین کاربرد زیادی دارد. مزیت بزرگ آن این است که علاوه بر بسته‌های پایتون، می‌تواند کتابخانه‌های سیستم یا زبان‌های دیگر مانند R و CUDA را نیز مدیریت کند. اما در مقابل، کندی نسبی و حجم زیاد نصب از نقاط ضعف آن است. نسخه‌ی کامل Anaconda معمولاً همراه با ابزارهای زیادی عرضه می‌شود که شاید هیچ‌وقت از آن‌ها استفاده نکنید.
نصب:
wget https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh
bash Anaconda3-2025.06-1-Linux-x86_64.sh۵. MiniConda
MiniConda نسخه‌ی سبک‌تر آناکونداست که فقط Conda و ابزارهای ضروری آن را شامل می‌شود. این گزینه برای کسانی مناسب است که می‌خواهند محیط‌های سفارشی و بهینه بسازند بدون آن‌که صدها بسته‌ی غیرضروری نصب شود. اگر workflow آناکوندا را دوست دارید اما دنبال گزینه‌ای کم‌حجم‌تر و سریع‌تر هستید، Miniconda بهترین انتخاب است.
نصب:
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh۶. Mamba
Mamba نسخه‌ای فوق‌سریع از Conda است که با زبان C++ بازنویسی شده و حل وابستگی‌ها را با سرعت چشمگیری انجام می‌دهد. بسیاری از دانشمندان داده که با محیط‌های سنگین کار می‌کنند، Mamba را به‌جای Miniconda ترجیح می‌دهند.
نصب:
curl micro.mamba.pm/install.sh | bashیا در محیط Conda:
conda install mamba -n base -c conda-forge۷. Pixi
Pixi یکی از تازه‌واردهای دنیای مدیران بسته است که توسط جامعه‌ی Conda و با زبان Rust ساخته شده. هدف آن، مدیریت یکپارچه‌ی محیط‌ها در زبان‌های مختلف برنامه‌نویسی است. Pixi سریع، چندسکویی (cross-platform) و کاملاً قابل بازتولید است. هرچند Pixi هنوز به محبوبیت uv نرسیده، اما برای تیم‌هایی که با فناوری‌های متنوع کار می‌کنند، گزینه‌ای بسیار آینده‌دار است.
نصب:
curl -fsSL https://pixi.sh/install.sh | bashجمع‌بندی
اگر تازه وارد دنیای علم داده هستید، با Anaconda شروع کنید؛ چون همه‌چیز را آماده در اختیارتان می‌گذارد و زمان راه‌اندازی را به حداقل می‌رساند.
اما وقتی تجربه‌ی بیشتری پیدا کردید، uv می‌تواند جایگزینی سریع و سبک برای workflow روزمره‌تان باشد. اگر همچنان در اکوسیستم Conda احساس راحتی می‌کنید، Mamba گزینه‌ای عالی است.
در نهایت، انتخاب بهترین مدیر بسته به نیاز پروژه، عادات تیمی و تعادل بین کارایی و سادگی بستگی دارد. هر مرحله از مسیر یادگیری شما می‌تواند انتخاب متفاوتی بطلبد، مهم این است که ابزاری انتخاب کنید که به رشد شما کمک کند.
اگر به مطالب علوم داده علاقه دارید می‌توانید به آرشیو دسته‌بندی علوم داده در کدرزنیوز مراجعه کنید.
