pipenv、poetry、venv 怎么选？一分钟搞懂-优快云博客

你好，我是坚持分享干货的 EarlGrey，翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。

如果我的分享对你有帮助，请关注我，一起向上进击。

作者：happylittle，出处：https://zhuanlan.zhihu.com/p/663735038

太老，除非你还在使用 python 2，否则不推荐。

python 自带的虚拟环境管理，简单是它的优势，也是它的劣势。

requests 库作者 Kenneth Reitz 大神的作品。但 pipenv 并不稳定，例如，如果你运行 pip install ...两次，结果可能不一样，pipenv 曾承诺解决这个问题，但实际上，它只是多次尝试运行 pip install <单个包>，直到结果看起来差不多符合规范。

显然，这样的方式更慢，但最终问题依然存在。

如果是科学计算的新手，推荐使用，但：

anaconda 实在过于臃肿，它的安装包里包括了众多科学计算会用到的 packages，安装后动辄 5-6 个 G。
anaconda 有个不包含 packages 的版本，叫 miniconda，但 miniconda 仍然存在安装依赖库过于激进的问题，安装同样的 packages，conda 总会比别的包管理器安装更多的“依赖包”，即便有的“依赖包”并不是必须，这会导致你的项目出现不必要的膨胀。
同时，conda 的 packages 列表“conda list”还存在和“pip list”不一致的问题。
anaconda 由 python 编写，所以 anaconda 运行速度非常慢。使用 PyCharm 调用 conda 来创建环境时更是慢的离谱。

唯一的真神。poetry 没有上述缺点，同时轻便强大。

poetry 使用 pyproject.toml 和 poetry.lock 文件来管理依赖，类似于 JavaScript/Node.js 的 Npm 和 Rust 的 Cargo，这俩都是非常成熟好用的依赖管理方案。
poetry 本身并不具有管理 Python 解释器的功能，推荐和 pyenv/pyenv-win 使用，可以轻松下载和设置不同版本的 Python 解释器。
poetry 的缺点可能是较为复杂，上手困难。由于 poetry 严格的依赖管理策略，你可能会在安装依赖包时遇到更多的问题。
在国内，poetry 还有另一个缺点，无法设置全局镜像源，只可针对单个项目设置镜像源。