11款常用的Python虚拟环境管理器

Python 虚拟环境让不同的项目在相互独立的 Python 运行环境里运行，从而让各项目的依赖库相互独立，避免在使用不同版本的支持库而导致冲突。

当创建新的 Python 项目时，最好先创建一个新的虚拟环境，并在这个虚拟环境中安装 Python 支持库。

在虚拟环境中，可以随意安装、升级或卸载 Python 支持库，不会影响其他项目的虚拟环境。

此外，使用虚拟环境，还有利于项目的移植与复用。

本文将介绍 11 款常用的 Python 虚拟环境管理器。

1. venv

venv 是内置 Python 标准库中用于创建轻量级虚拟环境的工具。

venv 的功能简单，无需单独安装，适合初学者使用，但如果你需要更强大好用的虚拟环境管理器，请继续往下看。

venv

2. virtualenv

virtualenv 是用于创建 Python 虚拟环境的工具。自 Python 3.3 起，其部分功能已经整合到标准库中的 venv 模块中，但 virtualenv 仍然保留了其特有的优势。

相较于 venv，virtualenv 利用了 app-data seed 方法，创建虚拟环境的速度更快。

此外，virtualenv 提供了更多的扩展和定制选项，能够灵活地创建多种 Python 版本的虚拟环境，并且可以通过 pip 快速升级。

virtualenv

3. Pipenv

Pipenv 是有效地弥合了 pip、python 和 virtualenv 之间的差距。

使用 Pipfile 和 Pipfile.lock 文件，Pipenv 可以方便地指定 Python 版本和支持库，并与 pyenv 进行交互操作，生成构建项目锁定文件。

Pipenv 自动为项目创建虚拟环境，在安装/卸载支持库时根据需要更新 Pipfile。

Pipenv 的主要目标是为项目开发者和用户提供一致的工作环境，不再需要分别使用 pip 和 virtualenv。

使用 Pipfile 和 Pipfile.lock 分离抽象支持库声明和测试过的支持组合。

通过 Pipfile.lock 文件中的哈希值进行安全验证。

强烈推荐使用最新版本的支持库降低安全风险。

Pipenv

4. pyenv

Pyenv 让开发者可以在多个 Python 版本之间轻松切换，解决了 venv 不能创建不同 Python 版本虚拟环境的限制。

Pyenv 支持在不同项目中切换 Python 版本，解决了同一操作系统中不同项目对 Python 版本需求不同的问题。

开发者有时会滥用 pyenv 设置全局的 Python 版本，导致项目之间的 Python 版本混乱，影响项目的复用和开发环境的稳定。

Pyenv 的设计理念很简单，秉承了 UNIX 哲学中单一用途工具的传统，它源自于 rbenv 和 ruby-build，并专门为 Python 进行了修改和适配。

与其它同类工具不同，pyenv 完全由纯 Shell 脚本实现，不依赖 Python，无需担心 Python 引导问题。

Pyenv 通过修改操作系统的 PATH 环境变量，实现在不同 Python 版本之间的切换，并能同时运行多个 Python 版本的命令，在不同 Python 环境下进行测试和开发时特别实用。

尽管 pyenv 主要用于切换 Python 版本，它本身并不直接管理虚拟环境。不过，可以结合 pyenv 与 virtualenv 命令创建和管理虚拟环境，或者使用 pyenv-virtualenv 插件。

pyenv 目前已经成为 Python 开发者创建虚拟环境的首选工具之一。

pyenv

5. Conda

Conda 是由 Anaconda 公司出品的命令行工具，用于在 Windows、macOS 和 Linux 上进行虚拟环境管理。

它不仅能管理 Python 包，还能处理非 Python 支持库，尤其针对数据科学方面的开发进行了优化。

Conda 使用自己的 Conda 虚拟环境切换非 Python 依赖项，无需使用复杂的 Docker。

与 Poetry 类似，Conda 在构建环境时执行完整的支持库解析，其支持库解析器 libmamba 是用 C++ 实现的，速度更快。

Conda 受到了广大数据科学开发人员的欢迎，但其用户体验仍有改进空间。

用户在与项目文件夹无关的 Conda 虚拟环境中操作，且支持库和配置跟踪可能会面临一定挑战。

尽管如此，Conda 仍是 Python 生态系统中使用最广泛的工具之一，尤其是在与 Ray 和 Metaflow 等第三方工具集成时。

conda

6. Poetry

Poetry 支持安装和更新项目依赖支持库，提供锁文件以确保项目的复用，并能构建项目分发包。

Poetry 要求 Python 3.8+，跨平台支持 Linux、macOS 和 Windows。

Poetry 类似于 Cargo（Rust 的包管理器） 和 npm（Node.js 的包管理器），是 Python 生态系统中使用体验与这两个包最接近的工具。

类似于 Conda，Poetry 会预先解析完整的依赖图，并按拓扑顺序安装依赖。

Poetry 依据 pyproject.toml 管理项目内外的虚拟环境。

poetry.lock 文件确保项目的复用，但体积较大。

此外，Poetry 还兼具构建工具功能，可发布 Python 包。

Poetry 的依赖解析速度较慢，部分是因为 Python 包声明支持库的方式不一致，可能会导致解析支持库解析的时间较长。

Poetry

7. PDM

PDM 的目标是成为新一代 Python 支持库管理工具。

与 Poetry 类似，PDM 也是一款简单而快速的依赖解析器，主要适用于大型二进制分发。

它支持 PEP 517 的构建后端和 PEP 621 的项目元数据，具备灵活强大的插件系统和多功能用户脚本。

此外，PDM 还可以使用 indygreg 的 python-build-standalone 安装 Python，并支持类似 pnpm 的集中式安装缓存。

与 Poetry 的主要区别在于，PDM 支持 PEP-582，将项目的虚拟环境集成到项目目录中，避免了传统虚拟环境的手动激活和停用，提升了开发效率。

PDM

8. Huak

Huak 是使用 Rust 开发的 Python 包管理器。JavaScript 社区中出现了向 Rust 转型的趋势，Huak 也希望将 Rust 引入 Python 的生态系统。

Rust 生态系统有着出色的上手体验，Cargo 起了很大的作用。

Huak 希望为 Python 提供相同的体验，它的目标是要达到极致速度。

Huak 的设计理念旨在提升开发者体验，使其在开发 Python 项目时能够享受到与 Cargo 类似的流畅和高效。

虽然目前 Huak 仍处于实验阶段，但其未来潜力巨大，值得关注。

Huak

9. Pixi

Pixi 是基于 Rust 的 rattler 库开发的，具有显著的性能和安全优势。

它的设计理念是提供类似于 cargo 或 yarn 的用户体验，但适用于所有语言。

Pixi 目标是直接取代 Conda，并能像 Conda 一样管理非 Python 依赖项。

2024 年 2 月，为了追求更快的速度，Pixi 将后台的 rip 转向 uv。

与 Conda 和 mamba 不同，Pixi 提供了自定义类型的锁文件，使其在复用方面领先于 Conda。

Pixi 支持可复用的方式安装支持库，并支持 Python、C++ 和 R 等多种语言， 且兼容所有主流操作系统。

在提供高效且一致的用户体验的同时，Pixi 还提供了简洁而强大的命令行界面，使得支持库管理更加简单、高效。

Pixi

10. Rye

Rye 由 Astral.sh 公司维护和开发，也是基于 Rust 构建的，旨在提升开发效率和用户体验。

与传统的包管理工具相比，Rye 的性能有显著提升，功能也更加丰富。

Rye 希望为 Python 开发者提供一站式的工具，让 Python 支持库的安装与管理更加轻松。

Rye 使用与 uv 相同的支持库解析器，提供更快的管理体验。

Rye 还提供了与 poetry 类似的功能，但速度更快。

OpenAI 的 Python API 库。，未来可能与 uv 项目合并，进一步增强其功能。

通过使用与 uv 相同的依赖解析器，Rye 能够提供更快的依赖管理体验。

随着 uv 功能的不断增强，将来这两个项目有可能会进行合并。

Rye

11. uv

uv 也是 Astral.sh 公司出品的 Python 虚拟环境管理器，它是当前备受期待的新生代包管理工具。

uv 的目标是成为 pip 的替代品，同时具备与 Cargo 类似的功能。

uv 支持 Python 打包工具的所有特性，包括可编辑安装、Git 依赖、URL 依赖、本地依赖、约束文件和源码分发等。

Astral.sh 公司还开发了 Rust 生态中备受开发者喜爱的 ruff （用 Rust 开发的高性能 Python 代码检查和代码格式化工具）。

与 poetry 类似，uv 通过 pyproject.toml 管理项目，但得益于 Rust 的高效算法，其依赖解析速度至少比 poetry 快一个量级。

目前，uv 还没有推出稳定版，但其性能测试结果让人期待。

uv 与主流虚拟环境管理器的性能测试对比

uv 在性能方面表现优异，相较于 pip 和 pip-tools，在没有缓存时快 8~10 倍，在有缓存时快 80~115 倍。

uv 创建虚拟环境的速度比 venv 快 80 倍，比 virtualenv 快 7 倍，并且不依赖于 Python。

总之，uv 作为高效且兼容性强的包管理工具，有望取代 poetry 等工具。

uv