Python 虚拟环境
venv
- 特点：Python 自带的虚拟环境管理工具，轻量级。
- 优势：简单易用，无需额外安装。
- 劣势：功能有限，无法指定系统中不存在的 Python 版本，也不能管理系统中的环境列表。虚拟环境默认存放在项目文件夹里，可能影响项目文件管理。
pipenv
- 特点：结合了
pip和virtualenv的功能，提供依赖管理和虚拟环境管理。 - 优势：自动创建和管理虚拟环境，确保依赖与系统环境隔离。使用
Pipfile和Pipfile.lock记录依赖信息，保证项目在不同环境中的依赖一致性。 - 劣势：不够稳定，多次运行
pip install结果可能不一致。安装依赖时速度较慢，且问题依然存在。
conda (Anaconda/Miniconda)
- 特点：主要面向数据科学领域，支持 Python 和其他语言的包管理。
- 优势：适合科学计算新手，包含大量科学计算常用的包。Miniconda 体积较小，安装快速。
- 劣势：Anaconda 过于臃肿，安装包大。Miniconda 安装依赖库时过于激进，可能导致项目膨胀。
conda list和pip list结果可能不一致。
poetry
- 特点：使用
pyproject.toml和poetry.lock文件管理依赖，类似于 JavaScript 的 Npm 和 Rust 的 Cargo。 - 优势：依赖管理策略严格，保证依赖一致性。推荐与 pyenv/pyenv-win 结合使用，方便管理不同版本的 Python 解释器。
- 劣势：较为复杂，上手困难。在国内无法设置全局镜像源，只可针对单个项目设置。
uv
- 特点：使用 Rust 构建，结合了 pyenv 和 pip 的功能，现代且高效的依赖管理工具。
- 优势：
- 使用
pyproject.toml和 lock 文件管理依赖，现代且高效。 - 集成 Python 解释器管理功能，方便下载和切换不同版本的 Python。
- 自动更新 Python 小版本，无需手动到官网下载。
- 支持复制项目到无 Python 环境的电脑上，只需
uv sync即可自动安装 Python 解释器和依赖。 - 集成 pipx 功能，方便安装和管理全局 Python 工具。
- 即使偏好使用 pip，uv 也提供了
uv pip系列命令，结合了 Rust 的高效和 pip 的灵活性。 - 最新的 PyCharm 版本（2024.3.2 或以上）已添加 uv 支持，使用 PyCharm 和 uv 管理项目无需编写命令行。
- 劣势：相对较新，社区不够成熟，遇到问题时可能较难找到解决方案。
选择建议
- 简单项目或快速上手：使用 venv，适合对虚拟环境管理要求不高的用户。
- 需要严格依赖管理和环境隔离：选择 pipenv，适合对依赖一致性要求较高的项目，但需注意其稳定性问题。
- 数据科学和科学计算：推荐 conda，特别是当项目依赖大量科学计算包时。
- 现代化依赖管理，追求灵活性和效率：使用 poetry，适合对依赖管理有较高要求且愿意投入时间学习的用户。
- 寻求全能型工具，兼顾依赖管理和 Python 解释器管理：推荐 uv，特别适合追求高效和现代开发体验的用户，尽管其社区尚在发展中。
根据项目需求和个人偏好选择合适的工具，可以显著提升开发效率和项目管理水平。