有没有好用的 Python 版本、虚拟环境和包管理的工具

[hu6u]

感觉 conda 不太好用，随便创建一个环境都比较大（个人感觉

[infun]

比较大是指什么？ 有没有指定 python=3.xx
不指定的话 可能把 base 装的都带进去

[chiaf]

visual studio

[zhangzEric]

Poetry ？

[han1988]

miniconda

[suuuch]

我比较 old ， 随便弄弄就 miniconda 。（大部分晴空下懒得弄都是这
不嫌弃麻烦就用 miniconda 就官网下载编译安装。
然后包管理的话，virtualenv ，就这个了，使用也方便，多敲几行。其它的没怎么用过。

[BBCCBB]

基本没有比 conda/miniconda 好用稳定的了. 我用 miniconda

[0xsui]

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

[Alias4ck]

https://rye-up.com/guide/shims/

[0xsui]

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

[yy77]

简单的项目推荐用 python -m venv 就可以了。

[dayeye2006199]

Pip

[xipuxiaoyehua]

https://nixos.org/ nix 命令行工具，可以对不同的项目指定不同的开发环境，互不干扰，与系统默认也不干扰

[ShadowPower]

pipenv

缺点是会下载源码编译，需要自己安装编译所需的依赖

[ShadowPower]

pyenv + pipenv

[chhtdd]

我用 docker

[chronsea]

不是专门写 Python 的用 miniconda ，相对熟悉的用 pyenv+poetry, pyenv 管理 python 版本和虚拟环境，poetry 管理包

[neochen13]

penv

[laqow]

micromamba

[encro]

pyenv,
pdm,
miniconda

[SenLief]

简单的小项目我一直我们 Python venv 模块

[noqwerty]

试下来最简单的就是 micromamba 了

[anubu]

不嫌重的话，开发环境按项目配置 devcontainer ，配合 vscode 也能实现挺不错的工作区。

[NoOneNoBody]

我 miniconda 设了 4 个环境就 24G 了，只要装机器学习、深度学习的东西，空间小不了
本想找共享 package 的方案，发现需要学习很多知识，反正空间也够，就懒得去研究了

[raycool]

我用 miniconda

[pljhonglu]

rtx 做版本管理，poetry 依赖管理

https://github.com/jdx/rtx

[forQ]

linux：pyenv
windows：pyenv-win

[dif]

目前用 miniconda 。

[founddev]

miniconda yyds

[chowdpa02k413]

only conda

[lululau]

我特想知道为什么 pip 不能像 rubygems 一样在全局安装同一个包的不同版本？虚拟环境可以有，但是不要把包拷来拷去的好不好

[kiddingU]

conda

[ericguo]

@lululau 无法安装的同一个包的不同版本，不过可以每次切项目覆盖。

[Nugine0]

写几个基本需求，看看有没有人能给出方案。我以前的调查结论是没一个能打的。

1. 快速切换不同版本的 Python 解释器，方便升级或降级
2. 每个项目一个虚拟环境，互不干扰
3. 同一个包的相同版本共享一份全局空间，不要把每个项目都塞爆
4. 同一个包的 cpu 和 gpu 版本在不同虚拟环境互不干扰，例如项目 A 装 cpu 版，项目 B 装 gpu 版
5. 依赖兼容性检验，如果新装一个包会破坏环境，默认拒绝安装，可以选择强制安装
6. lock 文件独立于操作系统，例如在 windows 上生成的锁文件到 linux 上安装后不变
7. 支持安装自有索引的包，例如 PyTorch
8. 默认锁定兼容版本，而不是 xxx = "*"

[coolair]

实话实说，没有一个好用的！

[vialon17]

直接手动：
默认安装一个全局 py ，
其他 py 安装路径内改 python 执行文件名称就行了，pip 直接在文件夹内执行；
或者直接 venv 。

[fakepoet]

pyenv + pyenv-virtualenv

[917405917]

Poetry

[thevita]

@fakepoet

同 pyenv + pyenv-virtualenv ,
支持多种 venv 后端（具体是哪做的我也不是很清楚）, venv, virtualenv, conda 都支持
也能 用 python-build 安装 和管理 standalone 的 python

就能实现各种环境都在一起管理了

大部分机遇 几个 python3.x base ，派生一堆 venv

ai 的场景就 用 anaconda/miniconda 作为 base, conda 作为 venv 后端 管理具体的 ai venv

[IgniteWhite]

pyenv + pyenv-virtualenv

然后配置好终端模拟器和代码编辑器/IDE 对于 pyenv 虚拟环境的支持

[hertzry]

conda create -n your_env_name 就是一个空环境啊，里面什么也没有，怎么会大呢？

[Akkuman]

rye

[LeeReamond]

miniconda 倒是没啥体积的问题，只是 conda 每次启动得单独加载虚拟环境，另外连接第三方软件也不容易，比如 sublimetext 这种，所以感觉还是不好用。我感觉逻辑上应该是有默认层，或者替换启动命令这种逻辑的要好用一些，比如不做切换时固定在某个版本

[kuanat]

python 版本管理：asdf
https://asdf-vm.com/

虚拟环境：python venv

包管理：pdm
https://pdm-project.org/

[Yuhyeong]

conda 还不够用那就没了，OP 的需求是不是想一个 python ，多个不同的包依赖？减少同一个版本的包在多个环境里的多次安装？

没有这样的环境，conda 的包管理加使用已经很厉害了。说实话我搞机器学习一个 conda 环境最多也就几个 G ，你要是说占用太大，大概率意思是 conda 的存储空间占用太多，这是因为下载下来的包都缓存起来在本地了，你多个环境下载的所有包的 pre-built 文件或者 wheel 都集中存储起来，这样设计的目的是以便下次创建新环境时免去下载的过程。

miniconda 和 anaconda 的区别就是 base 环境几乎没东西，给自定义环境的用户最大的轻便度。所以建议是用 miniconda ，然后嫌弃占用大的话多了解 conda 安装存储的原理，对缓存包没需求的话勤清理 cache ，这种情况想复用环境可以用 clone 的方法来创建新环境，最大程度减少存储空间占用。

[Yuhyeong]

用没有广大社区支撑的第三方库管理工具，只会在若干个月后因为某个包的版本依赖问题焦头烂额

[jiayouzl]

brew 安装 python ，虚拟环境就自带或者 virtualenv ，包管理就 pip ，为什么你们要这么复杂？如果对 python 环境有较高要求就 miniconda 就行了啊。

[lxxiil]

thonny 整个环境可以复制粘贴带走

[009694]

conda 新环境只安装 python 的话只有 100mb 不到的大小，何来很大？

[Alias4ck]

建议看这篇文章 https://alpopkes.com/posts/python/packaging_tools/
基本对比了市面上的大部分工具 不过我还是推荐 rye (因为我发现 openai 的官方 python sdk 也是用这个来做的
来源是这里
https://www.v2ex.com/t/993078#reply1

[bianhui]

pdm > rye

[knightdf]

poetry

[clemente]

miniconda > 其他

[okampfer]

@xipuxiaoyehua #12
请教一下 nix 的国内镜像源怎么配置？

[xipuxiaoyehua]

@okampfer 我为了省事起见，走代理🤣，不过我之前看的清华或者中科大的源 wiki 里都写了怎么替换，你可以看一下，不过我的理解如果用清华的源装的 nix 的话 pkgs 默认源应该就已经是清华了

[sworld233]

miniconda 是好用的

[llsquaer]

现在用 virtualenv 但是有一个问题复用库的时候特别麻烦。特别是机器学习的库又大。。

很大的问题是第三方库的复用不能随心所欲。。导致 10 个项目有 10 个虚拟环境同时又有 10 个相同的库。

还好现在硬盘便宜了

[listenerri]

啥外部工具都不用，直接用电脑上已安装的具体版本 python 可执行程序 + 官方的 -m venv

[0x19921213]

pyenv+virtualenv

[4rat]

pyenv 和 miniconda 哪个好用点？
一直在用 pyenv

[amlee]

用 docker 的 dev container

[LaureatePoet]

poetry

[HiddenNPC]

专业和非专业都推荐：miniconda

[frostming]

请大家不要再问「有没有好用的 Python 版本、虚拟环境和包管理的工具」这种问题了。这里出现一百个答案，题主还知道要用什么吗？而且题目明明拉黑 conda 了，下面还一堆 conda 的。

要提问，请先明确使用场景。你是做 ML 开发多，还是 web 开发多，还是爬虫？
没有哪一个包管理器是银弹。你闭着眼睛推荐一个，他一用不符合场景，回头还得骂一声垃圾。

[ifsclimbing]

asdf + pdm

[ZX576]

@Nugine0

docker + poetry

- 预先多做一些不同 python 版本的 base image ，甚至一些基础共有包也打进去，解决 1/2/3
- 使用 poetry 做版本管理，解决 4/5/6/8

总的来说指定的项目中可能包含多个不同的 docker file ，一份 pyproject.toml 和 poetry.lock 文件

不太懂 7 的意思。

[frostming]

@Nugine0 你说这些 PDM 都支持啊，有什么问题？

[akaHenry]

推荐 rye 吧. 也是前 flask 作者出品.

https://github.com/astral-sh/rye


1. 目前 应该是唯一良好支持 workspace 模式的(类似 rust cargo), 比较方便管理 monorepo.

2. 功能已经覆盖 poetry + pdm + pyenv. (这样可以完全替代 pyenv + poetry)

3. 集成 uv(替代 pip), 安装包速度更快.


成熟可靠方案: pyenv + poetry + 全局 venv 模式.

1. 过去长期使用 pyenv + poetry. 比较偏好 pyenv 的全局管理的 venv. 不过 rye 的 local venv + workspace, 就很棒, 完美规避 venv 管理的麻烦. (没有 workspace, local venv 很难管理)


不推荐: pdm

1. pdm. 短暂使用, 就弃用. 有不少 bug. 和 pyenv 协调性很差, 终端自动激活 venv, 始终有 bug.

2. 功能完备度低于 poetry, 目前更是不如 rye. (题外: 就算不用 rye, 我也不会用 pdm, 那么多人吹, 我的体验就很差)