其他答案对细节进行了合理的描述，但我想强调一些高级点。

PIP是一个包管理器，可以方便地安装、升级和卸载python包。它也适用于虚拟python环境。

Conda是任何软件(安装、升级和卸载)的包管理器。它还适用于虚拟系统环境。

conda设计的目标之一是方便用户所需的整个软件堆栈的包管理，其中一个或多个python版本可能只是一小部分。这包括低级库，如线性代数，编译器，如Windows上的mingw，编辑器，版本控制工具，如Hg和Git，或任何其他需要分发和管理的工具。

对于版本管理，pip允许您在多个python环境之间切换和管理。

Conda允许您在多个通用环境之间切换和管理，在这些环境中，许多其他东西的版本号可能不同，比如c库、编译器、测试套件或数据库引擎等等。

Conda不是以Windows为中心的，但在Windows上，当需要安装和管理需要编译的复杂科学包时，它是目前可用的最好的解决方案。

当我想到在Windows上通过pip编译许多这些包，或者在需要编译时调试失败的pip安装会话时，我浪费了多少时间，我想哭。

最后一点，Continuum Analytics还提供(免费的)binstar.org(现在叫anaconda.org)，允许常规的软件包开发人员创建他们自己的自定义(构建的!)软件堆栈，他们的软件包用户可以从中安装conda。

WINDOWS用户

“标准”包装工具的情况最近有所改善:

截至2015年9月11日，pypi本身的车轮包装数量为48%(2015年5月为38%，2014年9月为24%)， 最新的python 2.7.9版本现在支持开箱即用的wheel格式，

“标准”+“微调”包装工具的情况也在改善:

你可以在http://www.lfd.uci.edu/~gohlke/pythonlibs上找到几乎所有的科学软件包， mingwpy项目可能有一天会给Windows用户带来一个“编译”包，允许他们在需要的时候从源代码安装所有东西。

“Conda”包装对于它所服务的市场来说仍然更好，并强调了“标准”应该改进的地方。

(此外，在标准wheel系统和conda系统或buildout中的依赖规范multiple-effort不是很python化，如果所有这些打包“核心”技术可以通过某种PEP聚合在一起就好了)

PIP是一个包管理器。

Conda既是包管理器，也是环境管理器。

细节:

依赖项检查

Pip and conda also differ in how dependency relationships within an environment are fulfilled. When installing packages, pip installs dependencies in a recursive, serial loop. No effort is made to ensure that the dependencies of all packages are fulfilled simultaneously. This can lead to environments that are broken in subtle ways, if packages installed earlier in the order have incompatible dependency versions relative to packages installed later in the order. In contrast, conda uses a satisfiability (SAT) solver to verify that all requirements of all packages installed in an environment are met. This check can take extra time but helps prevent the creation of broken environments. As long as package metadata about dependencies is correct, conda will predictably produce working environments.

参考文献

理解康达和皮普

要回答最初的问题， 对于安装包，PIP和Conda是完成相同任务的不同方式。两者都是安装包的标准应用程序。主要的区别是包文件的来源。

PIP/PyPI将有更多的“实验性”包，或者更新的、不太常见的包版本 Conda通常会有更完善的包或版本

一个重要的警告提示:如果使用两个源(pip和conda)在同一环境中安装包，以后可能会导致问题。

重建环境将更加困难 修复包不兼容性变得更加复杂

最佳实践是选择一个应用程序(PIP或Conda)来安装包，并使用该应用程序安装所需的任何包。 然而，仍然有许多例外或理由在conda环境中使用pip，反之亦然。 例如:

如果您需要的包只存在于一个包上，则 其他人没有。 您需要一个只在一个环境中可用的特定版本

为了不让你们更困惑， 但是你也可以在conda环境中使用PIP，它会验证上面的一般管理器注释和特定于python的管理器注释。

conda install -n testenv pip
source activate testenv
pip <pip command>

您还可以将PIP添加到任何环境的默认包中，以便每次都显示它，这样您就不必遵循上面的代码段。

I may have found one further difference of a minor nature. I have my python environments under /usr rather than /home or whatever. In order to install to it, I would have to use sudo install pip. For me, the undesired side effect of sudo install pip was slightly different than what are widely reported elsewhere: after doing so, I had to run python with sudo in order to import any of the sudo-installed packages. I gave up on that and eventually found I could use sudo conda to install packages to an environment under /usr which then imported normally without needing sudo permission for python. I even used sudo conda to fix a broken pip rather than using sudo pip uninstall pip or sudo pip --upgrade install pip.