AFAIK，没有很好的标准方法可以在您的软件包中可移植地安装依赖项。 Continuum有 为这个目的做了conda。 numpy家伙在他们的包中编写了自己的distutils子模块来安装一些复杂的依赖项，现在 至少其中一些人主张将康达作为解决方案。不幸的是，您可能必须自己为其中一些依赖项制作conda包。

如果你没有可移植性就好了，那么定位目标机器的包管理器显然会有效。否则，对于便携式包管理器，conda是我所知道的唯一选择。

另外，从您的帖子（“动态编译不是一个选项”）听起来像可移植性可能不是一个问题，在这种情况下，您也可以将所有要求安装到前缀目录（我遇到的大多数安装程序）支持 configure --prefix=/some/dir/ 选项）。如果您有一个有保证的单一体系结构，您可以将所有依赖项前缀 - 安装到单个目录中，并像文件一样传递它。 conda方法可能会更干净，但我已经使用了相当多的前缀安装，它们往往是最容易实现的解决方案之一。

编辑：  至于conda，它同时是一个包管理器和类似“virtualenv”的环境/ python安装。虽然virtualenv是在现有的python安装之上添加的，但conda接管整个安装，因此您可以更加确定所有依赖项都被考虑在内。与pip相比，它被设计用于添加通用的非Python依赖项，而不仅仅是编译C / Cpp exentions。有关详细信息，我会看到：

• pip vs conda （也推荐 扩建 作为一种可能性）
• conda作为python安装

至于如何使用康达为您的目的， 文档 解释如何创建配方：

Conda构建框架

构建包需要配方。食谱是平面目录   包含以下文件：

• meta.yaml （元数据文件）
• build.sh （使用bash执行的Unix构建脚本）
• bld.bat  （使用cmd执行的Windows构建脚本）
• run_test.py（可选的Python测试文件）
• 补丁到源（可选，见下文）
• 其他资源，不包含在源中，也不能包含在内   由构建脚本生成。

应该使用相同的配方在所有平台上构建包。

构建包时，将调用以下步骤：

1. 阅读元数据
2. 下载源（进入缓存）
3. 提取源中的 源目录
4. 应用补丁
5. 创建一个 建立环境 （这里安装了构建依赖项）
6. 运行实际的构建脚本。当前工作目录是源   设置了环境变量的目录。构建脚本安装到   构建环境
7. 做一些必要的后处理步骤：shebang，rpath等。
8. 将conda元数据添加到构建环境中
9. 将构建环境中的新文件打包到conda包中
10. 测试新的conda包：      
    • 创建一个 测试环境 包（及其依赖项）
    • 运行测试脚本

有很多conda包的示例配方 conda-recipes <https://github.com/continuumio/conda-recipes>_ repo。

裁判：conda skeleton <skeleton_ref> 命令可以帮助制作常见的骨架食谱   存储库，例如 PyPI <https://pypi.python.org/pypi>_。

然后，作为客户端，您将安装该程序包 类似于你从pip安装的方式

最后， 搬运工人 你也可能感兴趣，虽然我还没有看到它用于Python。