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

virtualenv

太老，除非你还在使用 python 2，否则不推荐。

venv

python 自带的虚拟环境管理，简单是它的优势，也是它的劣势。

• 只能创建虚拟环境，不能指定系统不存在的 python 环境版本，不能管理系统中的环境列表（例如选择一个已经创建好了的虚拟环境）。

• venv 的虚拟环境默认是存放在项目文件夹里的，这会影响项目文件的管理。

pipenv :

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。

anaconda / conda

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。

poetry

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。

pip

你应该仅使用 pip 来安装 poetry，就像 IE 的唯一用途是下载 Chrome。

- EOF -

文章已经看到这了，别忘了在右下角点个“赞”和“在看”鼓励哦~

推荐阅读  点击标题可跳转

1、Python 项目工程化最佳实践

2、Python 可以比 C 还要快！

3、streamlit，一个超强的 Python 库

4、豆瓣8.9分的C++经典之作，免费送！

5、Python 3.12 版本有什么变化？

回复下方「关键词」，获取优质资源

回复关键词「 pybook03」，领取进击的Grey与小伙伴一起翻译的《Think Python 2e》电子版

回复关键词「书单02」，领取进击的Grey整理的 10 本 Python 入门书的电子版

👇关注我的公众号👇

告诉你更多细节干货

欢迎围观我的朋友圈

👆每天更新所想所悟