【Python】Virtualenv,Pipenv,Poetry,Conda是什么，以及区别

Python环境管理工具对比

最新推荐文章于 2025-10-25 16:52:43 发布

原创最新推荐文章于 2025-10-25 16:52:43 发布 · 1.2k 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#python #virtualenv #conda

Python 专栏收录该内容

6 篇文章

订阅专栏

部署运行你感兴趣的模型镜像

我们来详细讲解一下 Python 中这四个重要的环境与依赖管理工具：Virtualenv, Pipenv, Poetry 和 Conda。

它们的目标都是解决“项目A需要库X的1.0版本，而项目B需要库X的2.0版本”这类依赖冲突和环境隔离问题，但它们的实现方式、理念和适用范围有所不同。

1. Virtualenv

是什么？
Virtualenv 是 虚拟环境管理工具 的“老祖宗”和事实标准。它的功能非常单一和专注：创建一个隔离的 Python 运行环境。

核心功能：创建一个文件夹（通常叫 venv 或 .venv），里面包含了一个特定版本 Python 的解释器副本、pip 工具以及一个独立的 site-packages 目录（用于存放第三方库）。
如何使用：
1. 创建环境：virtualenv myenv (或 python -m venv myenv，Python 3.3+ 内置了 venv 模块，功能类似)
2. 激活环境（Linux/macOS）: source myenv/bin/activate
3. 激活环境（Windows）: myenv\Scripts\activate
4. 激活后，用 pip install 安装的包都会装在这个隔离环境里。
5. 退出环境：deactivate

优点：

轻量、简单、极其通用。
是很多其他工具（如Pipenv）的基础。

缺点：

只有环境隔离，没有依赖管理。你需要手动维护 requirements.txt 文件来记录项目依赖（pip freeze > requirements.txt 和 pip install -r requirements.txt）。

定位：环境隔离的基础工具。

2. Pipenv

是什么？
Pipenv 是 Python官方推荐（曾经在PyPA首页置顶）的工具，旨在将 虚拟环境管理（Virtualenv） 和 依赖管理（Pip） 两者“焊接”在一起，提供统一的工作流。它引入了其他语言（如Javascript的npm，Ruby的bundler）中常见的“锁文件”概念。

核心功能：
1. 自动创建和管理虚拟环境（基于Virtualenv）。
2. 使用 Pipfile 和 Pipfile.lock 来管理依赖。
  - Pipfile：替代 requirements.txt，用更结构化的TOML格式声明项目依赖（分为默认[packages]和开发[dev-packages]依赖）。
  - Pipfile.lock：精确锁定所有依赖及其子依赖的具体版本，确保环境的一致性（可重现）。
如何使用：
1. 安装依赖（同时会自动创建虚拟环境）：pipenv install requests
2. 安装开发依赖：pipenv install --dev pytest
3. 激活环境：pipenv shell
4. 运行命令：pipenv run python my_script.py
5. 生成锁文件：pipenv lock

优点：

统一了工作流，不用再分开操作virtualenv和pip。
Pipfile 比 requirements.txt 更现代、更清晰。
锁文件保证依赖确定性。

缺点：

早期版本性能较慢（锁依赖过程），后来有很大改善。
社区热度有被Poetry超越的趋势。

定位：旨在成为Python项目依赖管理的“一站式”解决方案。

3. Poetry

是什么？
Poetry 是一个更现代、功能更全面的 依赖管理和打包工具。它和Pipenv的目标高度重叠，但设计理念和实现更受开发者欢迎，尤其是在创建**库（Library）**项目时。

核心功能：
1. 依赖管理：和Pipenv一样，使用 pyproject.toml 文件（PEP 518标准）和 poetry.lock 文件。
2. 打包和发布：这是Poetry的杀手级功能。它可以非常方便地帮你构建、打包和发布你的库到PyPI。你不需要再手动编写 setup.py、setup.cfg 等文件，所有配置都在 pyproject.toml 中完成。
如何使用：
1. 创建新项目：poetry new my-project
2. 在已有项目初始化：poetry init
3. 安装依赖：poetry add requests (会自动创建虚拟环境和锁文件)
4. 安装开发依赖：poetry add --dev pytest
5. 激活环境：poetry shell
6. 运行命令：poetry run python my_script.py
7. 构建和发布：poetry build && poetry publish

优点：

依赖解析算法非常强大和快速，解决了Pipenv早期的一些性能问题。
完美整合了依赖管理和打包发布，对库开发者极其友好。
pyproject.toml 是Python社区正在推行的新标准。

缺点：

学习一套新的命令（虽然很直观）。
对已有项目的迁移可能需要一些调整。

定位：现代Python项目（尤其是开源库）依赖管理和打包的全能型选手，是Pipenv的强大竞争者。

4. Conda

是什么？
Conda 是一个跨平台的包管理和环境管理系统，远超Python的范畴。它由Anaconda公司开发，最初是为了方便管理数据科学领域的复杂依赖（这些依赖很多是用C/C++编写的，而不仅仅是Python）。

核心功能：
1. 环境管理：类似Virtualenv，conda create -n myenv python=3.8
2. 包管理：conda install numpy。它的强大之处在于可以管理任何语言的包，而不仅仅是Python包。例如，它可以直接安装Python解释器、C库、CUDA工具包、R语言等。
与Pip的区别：
- pip 从Python Package Index (PyPI) 安装纯Python的“轮子”（wheel）或源代码。
- conda 从自己的渠道（如Anaconda.org）安装预编译好的二进制包。这对于科学计算库（如Numpy, Pandas, Scikit-learn）特别友好，因为它们通常依赖底层C/Fortran库，用conda安装可以避免复杂的编译过程。

优点：

真正意义上的跨语言包管理。
安装科学计算库极其方便，解决了令人头疼的编译和依赖问题。
环境管理功能强大。

缺点：

通道（channel）中的包版本可能比PyPI滞后。
生态相对封闭，不完全兼容PyPI（虽然也可以用 pip install 在conda环境里装包，但不推荐混用，容易破坏环境）。

定位：数据科学、机器学习领域的首选工具，尤其适合需要管理复杂非Python依赖（如CUDA、MKL）的用户。

总结与对比

特性	Virtualenv	Pipenv	Poetry	Conda
核心功能	环境隔离	环境 + 依赖管理	依赖管理 + 打包 + 环境	跨语言包 + 环境管理
依赖文件	`requirements.txt`	`Pipfile`, `Pipfile.lock`	`pyproject.toml`, `poetry.lock`	`environment.yml`
包来源	PyPI	PyPI	PyPI	Anaconda repo, PyPI (次要)
打包发布	不支持	不支持	原生支持	不支持
适用领域	通用Python开发	应用开发	库和应用开发	数据科学、科学计算
关键优势	简单、轻量、标准	官方背书、统一工作流	现代、强大、打包一体化	解决非Python依赖、预编译包

如何选择？

做数据科学、机器学习：
- 首选 Conda。它能帮你轻松搞定NumPy、Pandas、TensorFlow、PyTorch等库及其复杂的底层依赖。
开发应用程序（Web、爬虫、脚本等）：
- Pipenv 或 Poetry 都是优秀的选择。
- 如果你更看重打包和发布（比如在开发一个要给别人用的库），或者喜欢更现代的设计，Poetry 是更好的选择。
- 如果你习惯官方推荐的工具和思路，Pipenv也不错。
只需要一个简单的环境隔离：
- 使用Python自带的 venv 模块或者 Virtualenv 就足够了，配合 requirements.txt 非常灵活。
混合使用：
- 一种常见的模式是：用Conda安装Python解释器和复杂的科学计算库（如TensorFlow），然后在Conda环境内部，用Poetry或Pipenv来管理纯Python的依赖。但这需要一些技巧来避免冲突。