Virtualenv/venv, Pipenv, Poetry, Conda: 這四個都是工具箱 (環(huán)境與包管理器)。它們的核心工作是一樣的：創(chuàng)建一個獨立的、隔離的 Python 環(huán)境，確保項目 A 的依賴不會和項目 B 的依賴打架。

一、逐一解析

1. Virtualenv (或 venv)

最經(jīng)典、最基礎(chǔ)的 Python 虛擬環(huán)境工具。venv 是 virtualenv 的一個子集，自 Python 3.3 起已內(nèi)置到標準庫中。

工作方式：它只做一個核心工作——創(chuàng)建一個獨立的 Python 環(huán)境。在這個環(huán)境里，可以使用 pip 來安裝包。依賴關(guān)系通常需要手動導(dǎo)出到 requirements.txt 文件中 (pip freeze > requirements.txt)。

依賴文件：requirements.txt (約定俗成)。

優(yōu)點：

• 官方內(nèi)置：venv 是 Python 官方標準，無需額外安裝。
• 簡單輕量：功能專一，只負責(zé)環(huán)境隔離，易于理解。
• 兼容性好：被所有工具和平臺廣泛支持。

缺點：

• 功能單一：它不負責(zé)管理依賴版本沖突，pip 安裝依賴時默認會用最新版，可能導(dǎo)致“依賴地獄”。
• 手動操作：需要手動使用 pip freeze 來更新 requirements.txt。

適用場景：簡單的腳本、入門學(xué)習(xí)、或需要保持最少工具集的傳統(tǒng)項目。如果你是初學(xué)者，從這個開始是最好的選擇。

2. Pipenv

Pipenv 曾被譽為“Python 官方推薦的包管理工具”。它的目標是將 pip、venv 和 requirements.txt 整合成一個工具。

工作方式：自動創(chuàng)建和管理虛擬環(huán)境。使用 pipenv install <package> 來安裝包時，會自動更新 Pipfile 和 Pipfile.lock 兩個文件。

依賴文件：

• Pipfile：用來記錄項目直接依賴的包（類似 requirements.txt）。
• Pipfile.lock：記錄了所有包（包括依賴的依賴）的精確版本號和哈希值，確保團隊成員安裝的環(huán)境完全一致。

優(yōu)點：

• 集成度高：將環(huán)境管理和包管理合二為一，簡化了工作流。
• 確定性構(gòu)建：Pipfile.lock 保證了每次安裝的環(huán)境都完全相同，利于團隊協(xié)作。
• 自動管理：無需手動激活虛擬環(huán)境，使用 pipenv run 即可在虛擬環(huán)境中執(zhí)行命令。

缺點：

• 性能問題：在處理復(fù)雜的依賴關(guān)系時，有時會比較慢。
• 發(fā)展放緩：近年來社區(qū)活躍度有所下降。

適用場景：通用的 Python 應(yīng)用，特別是 Web 開發(fā)。希望簡化 venv + pip + requirements.txt 流程的開發(fā)者。

3. Poetry

Poetry 是一個更現(xiàn)代化的 Python 依賴管理和打包工具，被認為是 Pipenv 的有力競爭者和繼任者。

工作方式：與 Pipenv 類似，它也管理整個工作流。但它使用 pyproject.toml 這個更現(xiàn)代化的標準配置文件。它擁有一個非常強大的依賴解析引擎，能高效地解決版本沖突。

依賴文件：

• pyproject.toml：一個標準的配置文件，用于定義項目元數(shù)據(jù)、依賴、腳本等。
• poetry.lock：功能與 Pipfile.lock 類似，鎖定所有依賴的精確版本。

優(yōu)點：

• 強大的依賴解析：在解決復(fù)雜的包版本沖突方面表現(xiàn)非常出色。
• 功能全面：不僅是依賴管理工具，還是一個項目構(gòu)建和打包工具，可以輕松地將你的項目發(fā)布到 PyPI。
• 社區(qū)活躍：目前非常流行，更新迭代快。

缺點：

學(xué)習(xí)曲線：對于新手來說，概念比 venv 要多。

適用場景：現(xiàn)代化的 Python 項目，特別是你需要將項目打包成庫發(fā)布給他人使用時。很多新項目和團隊都傾向于選擇 Poetry。

4. Conda

Conda 是一個開源的、跨平臺的、語言無關(guān)的包管理器和環(huán)境管理器。它不僅僅為 Python 服務(wù)。

工作方式：Conda 可以創(chuàng)建包含特定版本 Python 和其他軟件包的環(huán)境。它的包源來自 Anaconda 或 conda-forge 等渠道，而不僅僅是 PyPI。

依賴文件：environment.yml。

優(yōu)點：

• 超越 Python：能夠安裝和管理非 Python 的依賴包（如 C/C++ 庫、CUDA、R 語言等），這對于科學(xué)計算至關(guān)重要。
• 強大的二進制包管理：輕松處理復(fù)雜的二進制依賴，避免了在 Windows 等系統(tǒng)上編譯 C 擴展的麻煩。

缺點：

• 不夠通用：主要集中在數(shù)據(jù)科學(xué)領(lǐng)域，Web 開發(fā)等領(lǐng)域使用較少。
• 環(huán)境隔離：與 pip 混用時可能產(chǎn)生沖突和問題，需要小心管理。

適用場景：數(shù)據(jù)科學(xué)、機器學(xué)習(xí)、科學(xué)計算。如果需要用到 NumPy, Pandas, Scikit-learn, TensorFlow, PyTorch 等庫，Conda 通常是最佳選擇。

二、案例對比

通過一個具體的案例，來更詳細地講解這四種工具的工作流程、核心思想和差異。假設(shè)要開發(fā)一個名為 quote_app 的小應(yīng)用。它的功能是：

• 使用 Flask 框架搭建一個簡單的網(wǎng)頁。
• 使用 Requests 庫從一個公開的 API 獲取一條隨機的名人名言并顯示在網(wǎng)頁上。
• 還將使用 Pytest 庫來編寫測試，但 pytest 只在開發(fā)時需要，最終部署上線時不需要。

核心依賴 (生產(chǎn)依賴):

• flask
• requests

開發(fā)依賴:

pytest

現(xiàn)在，分別用四種工具來為這個 quote_app 項目搭建環(huán)境和管理依賴。

1. 使用 Virtualenv + pip (傳統(tǒng)基礎(chǔ)流派)

這種方法像是在“先建好毛坯房（環(huán)境），再一件件手動搬入家具（包裝）”。

核心思想：環(huán)境管理和包管理是兩件獨立的事。venv 只管創(chuàng)建環(huán)境，pip 只管安裝包，requirements.txt 只是一個記錄，需要開發(fā)者手動維護。

操作流程:

創(chuàng)建并激活環(huán)境: Bash

# 在項目根目錄創(chuàng)建名為 venv 的虛擬環(huán)境
python -m venv venv

# 激活環(huán)境
# Windows
.\venv\Scripts\activate
# macOS/Linux
source venv/bin/activate

# 激活后，命令行前面會出現(xiàn) (venv)

安裝依賴包: Bash

(venv) $ pip install flask requests
(venv) $ pip install pytest

注意：此時 pip 無法區(qū)分哪些是生產(chǎn)依賴，哪些是開發(fā)依賴。它們都被平等地安裝了。

生成依賴文件:  Bash   當(dāng)準備將代碼分享給他人時，需要生成依賴列表。

(venv) $ pip freeze > requirements.txt

查看 requirements.txt 文件內(nèi)容: 打開 requirements.txt，會看到類似下面的內(nèi)容（版本號可能不同）：

blinker==1.7.0
certifi==2024.7.4
charset-normalizer==3.3.2
click==8.1.7
colorama==0.4.6
Flask==3.0.3
idna==3.7
iniconfig==2.0.0
itsdangerous==2.1.2
Jinja2==3.1.3
MarkupSafe==2.1.5
packaging==24.0
pluggy==1.5.0
pytest==8.2.0
requests==2.31.0
urllib3==2.2.1
Werkzeug==3.0.2

同事如何使用:  Bash  他人拿到項目后，也需要創(chuàng)建并激活自己的 venv 環(huán)境，然后運行：

(venv) $ pip install -r requirements.txt

詳細講解與分析:

優(yōu)點: 流程清晰、簡單直接，沒有任何魔法。

缺點:

• 依賴混雜: requirements.txt 文件非?；靵y。它把 flask、requests、pytest 以及它們所有深層次的子依賴（如 click, Jinja2）全都混在一起。你無法一眼看出這個項目的直接依賴是什么。
• 無法區(qū)分環(huán)境: 無法分離生產(chǎn)依賴和開發(fā)依賴。這意味著即使在生產(chǎn)環(huán)境，pytest 也會被安裝，造成不必要的臃腫。
• 版本不確定性: requirements.txt 鎖定了所有包的版本，這很好。但如果手動在 requirements.txt 中只寫 flask 和 requests，那么 pip install 時可能會因為子依賴的版本更新而導(dǎo)致構(gòu)建失敗。

2. 使用 Pipenv (智能管家流派)

這種方法像是有個“智能管家，你告訴他需要什么，他自動幫你買來并分類放好”。

核心思想：將環(huán)境創(chuàng)建、包安裝、依賴關(guān)系聲明和環(huán)境鎖定集于一身，開發(fā)者只需面對 pipenv 這一個工具。

操作流程:

安裝依賴 (無需手動創(chuàng)建和激活環(huán)境):  Bash   pipenv 會自動檢測當(dāng)前目錄有無虛擬環(huán)境，沒有則會自動創(chuàng)建。

# 安裝生產(chǎn)依賴
pipenv install flask requests

# 安裝開發(fā)依賴，使用 --dev 標記
pipenv install pytest --dev

查看生成的文件: 執(zhí)行完后，項目目錄會自動生成兩個文件：Pipfile 和 Pipfile.lock。

Pipfile Ini, TOML  (清晰易讀，給人看的) 

[[source]]
url = "https://pypi.org/simple"
verify_ssl = true
name = "pypi"

[packages]
flask = "*"
requests = "*"

[dev-packages]
pytest = "*"

[requires]
python_version = "3.10"

Pipfile.lock (內(nèi)容很長，給機器看的，保證確定性): 里面是所有包（包括子依賴）的精確版本和哈希值，確保任何人在任何機器上安裝的都是完全一致的環(huán)境。

在虛擬環(huán)境中運行命令: Bash

# pipenv 會自動在它管理的虛擬環(huán)境中運行 flask 命令
pipenv run flask run

他人如何使用:  Bash  他人拿到項目后，只需運行一個命令，pipenv 會讀取 Pipfile.lock 并安裝所有東西。

# 安裝所有依賴（包括開發(fā)依賴）
pipenv install

# 如果是部署到服務(wù)器，可以只安裝生產(chǎn)依賴
pipenv install --deploy

詳細講解與分析:

優(yōu)點:

• 依賴清晰: Pipfile 清晰地分離了 [packages] 和 [dev-packages]。
• 確定性構(gòu)建: Pipfile.lock 保證了環(huán)境的可復(fù)現(xiàn)性。
• 流程簡化: 無需再關(guān)心 venv的創(chuàng)建和激活，工具在后臺都做好了。

缺點: 依賴解析速度有時較慢。

3. 使用 Poetry (建筑師 + 項目經(jīng)理流派)

這種方法像是“一位建筑師，幫你規(guī)劃好整個項目（元數(shù)據(jù)），管理好所有建材（依賴），并能直接將房子打包成產(chǎn)品（發(fā)布）”。

核心思想：一個工具管理項目的整個生命周期，從創(chuàng)建、依賴管理到最終的構(gòu)建和發(fā)布。

操作流程:

初始化項目: Bash  poetry 推薦通過 init 命令來初始化項目配置。

poetry init # 會有交互式提問，幫你生成 pyproject.toml

添加依賴: Bash

# 添加生產(chǎn)依賴
poetry add flask requests

# 添加開發(fā)依賴 (使用 --group)
poetry add pytest --group dev

查看生成的文件:

pyproject.toml (項目的中央配置文件): Ini, TOML

[tool.poetry]
name = "quote-app"
version = "0.1.0"
description = ""
authors = ["Your Name <you@example.com>"]

[tool.poetry.dependencies]
python = "^3.10"
flask = "^3.0.3"
requests = "^2.31.0"

[tool.poetry.group.dev.dependencies]
pytest = "^8.2.0"

[build-system]
requires = ["poetry-core"]
build-backend = "poetry.core.masonry.api"

poetry.lock：與 Pipfile.lock 作用相同，鎖定版本。

在虛擬環(huán)境中運行命令: Bash

poetry run flask run

他人如何使用: Bash

# 安裝所有依賴
poetry install

# 部署時只安裝生產(chǎn)依賴
poetry install --no-dev

詳細講解與分析:

優(yōu)點:

• 配置標準化: pyproject.toml 是 PEP 518 采納的官方標準，未來會越來越通用。
• 依賴解析強大: 它的依賴解析算法通常比 pipenv 更快、更準確。
• 功能一體化: 從開發(fā)到打包發(fā)布，一個工具搞定。

缺點: 對于只想做簡單環(huán)境隔離的用戶來說，功能稍顯“重”。

4. 使用 Conda (城市規(guī)劃師流派)

這種方法像是“一位城市規(guī)劃師，他不僅能幫你蓋房子（Python環(huán)境），還能幫你修好通往房子的路、接好水電煤氣（非Python依賴）”。

核心思想：管理和隔離任何語言的軟件包，尤其擅長處理數(shù)據(jù)科學(xué)生態(tài)中復(fù)雜的二進制依賴。

操作流程: 注意：用 Conda 來管理一個純 Python 的 Web 應(yīng)用不是典型用法，但完全可行，這里僅為演示。

創(chuàng)建并激活環(huán)境: Bash

# 創(chuàng)建一個名為 quote_app 并指定 python 版本為 3.10 的環(huán)境
conda create --name quote_app python=3.10

# 激活環(huán)境
conda activate quote_app

安裝依賴: Bash

(quote_app) $ conda install flask requests pytest

Conda 也有“開發(fā)依賴”的概念，但管理起來不如 Poetry/Pipenv 直觀，通常通過多個 environment.yml 文件來管理。

生成依賴文件: Bash

(quote_app) $ conda env export > environment.yml

查看 environment.yml 文件: YAML

name: quote_app
channels:
  - defaults
dependencies:
  - flask=3.0.0
  - requests=2.31.0
  - pytest=7.4.0
  # ... 這里會包含所有依賴，包括 python 自身和C庫
  - python=3.10.13
  - openssl=3.0.13
  # ... 等等
prefix: C:\Users\YourUser\miniconda3\envs\quote_app

他人如何使用: Bash

conda env create -f environment.yml

詳細講解與分析:

優(yōu)點:

超越 Python: 當(dāng)你的項目依賴（例如）一個特定的 C++ 編譯器或 CUDA 版本時，Conda 是唯一能輕松解決這個問題的工具。

缺點:

• 殺雞用牛刀: 對于我們這個純 Python 的 Web 應(yīng)用案例，Conda 顯得過于笨重。
• 包源不同: Conda 主要從 Anaconda 的渠道下載預(yù)編譯好的包，這些包的更新可能滯后于 PyPI。

最終結(jié)論

通過這個案例，可以清晰地看到：

• Virtualenv/venv 是基礎(chǔ)，手動擋，能完成任務(wù)但過程繁瑣，容易出錯。
• Pipenv 是自動擋，簡化了流程，通過 Pipfile 解決了依賴分類問題。
• Poetry 是更先進的自動擋，不僅流程順滑，還有強大的依賴解析和項目打包功能，是現(xiàn)代 Python 開發(fā)的趨勢。
• Conda 是特種車輛（比如工程車），專門用來解決數(shù)據(jù)科學(xué)領(lǐng)域那些棘手的、跨語言的依賴問題，用在普通道路（純Python應(yīng)用）上則顯得笨重。

三、PyCharm 與每一個“工具箱”的關(guān)系

核心關(guān)系：集成與被集成

PyCharm 的核心定位是一個“集成者”。它不會自己去發(fā)明一個新的環(huán)境管理方案，而是去接入和支持社區(qū)中最流行、最強大的工具。

PyCharm 通過提供圖形化界面，讓你不再需要手動去敲這些工具的命令行，從而極大地簡化了操作。

1. PyCharm 與 Virtualenv/venv 的關(guān)系

關(guān)系：原生/基礎(chǔ)支持 (Native Support)

詳解：這是 PyCharm 最基礎(chǔ)、最核心的集成。當(dāng)你下載安裝好 Python 后，venv 就已經(jīng)內(nèi)置了。PyCharm 將其作為創(chuàng)建新項目的默認選項。當(dāng)你在 PyCharm 里選擇用 "Virtualenv" 創(chuàng)建一個新環(huán)境時，PyCharm 其實就是在后臺幫你運行了 python -m venv venv 這個命令，并自動將生成的新環(huán)境設(shè)置為項目的解釋器。你無需手動敲命令，也無需手動激活，PyCharm 的終端會自動幫你搞定。

2. PyCharm 與 Pipenv 的關(guān)系

關(guān)系：直接/內(nèi)置支持 (Built-in Support)

詳解：PyCharm 能夠識別項目中的 Pipfile 和 Pipfile.lock 文件。

創(chuàng)建項目時：可以直接選擇 "Pipenv"，PyCharm 就會調(diào)用 pipenv 來創(chuàng)建環(huán)境，并自動安裝 Pipfile 中聲明的依賴。

打開項目時：如果 PyCharm 在一個項目中檢測到了 Pipfile，它會彈窗提示：“我發(fā)現(xiàn)了一個 Pipfile，你要用 pipenv 來為這個項目創(chuàng)建環(huán)境嗎？”

這讓可以在 PyCharm 中享受到 pipenv 帶來的所有好處（如依賴分類、版本鎖定），同時免去了記憶和輸入 pipenv run ... 等命令的麻煩。

3. PyCharm 與 Poetry 的關(guān)系

關(guān)系：直接/內(nèi)置支持 (Built-in Support)

詳解：這和 Pipenv 的關(guān)系非常類似?，F(xiàn)代版本的 PyCharm 對 Poetry 提供了出色的支持。

• PyCharm 能夠識別項目核心的 pyproject.toml 文件。
• 創(chuàng)建項目時：可以選擇 "Poetry" 作為環(huán)境管理器。
• 打開項目時：PyCharm 同樣能檢測到 pyproject.toml 并建議使用 poetry 來安裝依賴。
• PyCharm 的 Python 包管理界面也能很好地與 poetry 互動，通過界面添加或刪除的包，都會被 poetry 正確地更新到 pyproject.toml 文件中。

4. PyCharm 與 Conda 的關(guān)系

關(guān)系：深度/專門支持 (Deep & Specific Support)

詳解：PyCharm 對 Conda 的支持非常深入，因為它知道數(shù)據(jù)科學(xué)是 Python 的一個重要領(lǐng)域。

• PyCharm 能自動檢測電腦上安裝的 Conda (無論是 Anaconda 還是 Miniconda)。
• 在解釋器設(shè)置中，PyCharm 可以列出所有已存在的 Conda 環(huán)境，讓你輕松切換。
• 也可以在 PyCharm 的界面中，直接創(chuàng)建新的 Conda 環(huán)境，或者從 environment.yml 文件來創(chuàng)建環(huán)境。
• 這對于數(shù)據(jù)科學(xué)家來說是巨大的便利，他們可以在熟悉的 IDE 中無縫地使用強大的 Conda 環(huán)境。

到此這篇關(guān)于Python中四大環(huán)境管理工具全景對比:Virtualenv,Pipenv,Poetry與Conda的文章就介紹到這了,更多相關(guān)Python環(huán)境管理工具內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論