问题
python 使用 pip 进行package管理，但当同时进行多个project的开发时，不同的项目对同一个包的要求可能会不一样，这就导致同一个默认的开发环境不能满足需求。
Solution
配置一个基本的最小化的系统级python环境，进行project开发时，为每一个project新建一个虚拟环境，新建的虚拟环境是对系统默认python环境的“复制”，然后在该虚拟环境下为project安装相应的依赖包，每个project在各自的虚拟环境中开发，互相不干扰。
工具
pip 可以让我们安装和卸载包。我们可以指定版本，运行 pip freeze > requirements.txt 来输出一个已安装包列表到一个文本文件，还可以用相同的文本文件配合 pip install -r requirements.txt 来安装一个应用程序需要的所有包。
但pip没有将软件包进行隔离。
但是 pip 并没有包含将软件包彼此隔离的方法。直接使用python3 内置的venv + pip 即可（python2 已停止维护，没必要再去用virtualenv， 虽然virtualenv 也支持python3）。
至于pipenv是个半成品，已经被抛弃。。。
============================================================
至此，的前提是系统安装一个固定的python版本，比如：python3.6.7，然后基于该版本的python创建若干个虚拟环境。
问题来了，当project，需要例外一个版本的python呢？
答：目前的venv + pip 无法解决（当然也不是绝对，手动安装另外一个版本的python也不是不阔以，只是比较麻烦嘛！）， 需要借助 anaconda，可以创建指定任意python版本的虚拟环境，进一步（更底层）实现虚拟化。
============================================================
docker则可以是对系统级环境进行进一步的虚拟化，通过编写Dockerfile 可以创建指定任意版本的ubuntu、cuda、anaconda等，属于更为底层的虚拟化。参见https://www.jianshu.com/writer#/notebooks/41683943/notes/58079166
总结
经济实用选择：高版本python3（3.6+） + venv + pip
没GPU，要经常开发不同版本的python的项目：anaconda + pip/conda （不需要venv了）
GPU服务器：docker + anaconda + pip/conda
参考
网友评论