venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、pipenv等之间有什么区别？

Question

venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、pipenv等之间有什么区别？

pythonvirtualenvvirtualenvwrapperpyenvpython-venv

2052

Python 3.3在其标准库中包含了新的venv包。它是做什么的，与所有与正则表达式(py)?(v|virtual|pip)?env匹配的其他包有何不同？

- Flimm

50

为了避免被关闭，我认为这个问题比 https://dev59.com/wl0a5IYBdhLWcg3wxrON 更加通用，因此我不想编辑那个问题或在那篇文章上发布过于笼统的答案。 - Flimm

36

这个指南非常有用，而且会不断更新，因为Python不断添加更多“一个且仅一个明显的方法”来完成任务：http://docs.python-guide.org/en/latest/dev/virtualenvs/ - michael

4

自从使用3.6版本后，我发现在 macOS 上使用 virtualenv 比 pyenv 更容易操作（我是一个 Python 新手）。 - Kermit

22

我浪费了一整天的时间在pipenv上，总的来说，它是被过度营销了。如果你需要使用py2，venv和virtualenv是正确的工具。而且，Conda（如果你不需要完整的软件栈则使用miniconda）也非常好用。这篇文章写得非常好：https://chriswarrick.com/blog/2018/07/17/pipenv-promises-a-lot-delivers-very-little/ - SwimBikeRun

8

我认为下面被接受的答案对venv存在一些不幸的偏见，而venv是使用Python 3时应该使用的正确工具。它应该真正成为列表中的第一个，其次是virtualenv。 https://docs.python.org/3/library/venv.html - EntangledLoops

显示剩余7条评论

8个回答

574

在Python3.3+之后，我建议避免使用virtualenv，而是使用标准的内置库venv。要创建一个新的虚拟环境，请输入：

$ python3 -m venv <MYVENV>

virtualenv试图将Python二进制文件复制到虚拟环境的bin目录中。但是它不会更新嵌入到该二进制文件中的库文件链接，因此，如果您使用相对路径名称从源代码构建Python到非系统目录中，则Python二进制文件将损坏。由于这是制作可分发的Python副本的方式，因此这是一个重大缺陷。顺便提一下，在OS X上检查嵌入式库文件链接，请使用otool。例如，在虚拟环境中输入：

$ otool -L bin/python
python:
    @executable_path/../Python (compatibility version 3.4.0, current version 3.4.0)
    /usr/lib/libSystem.B.dylib (compatibility version 1.0.0, current version 1238.0.0)

因此，我会避免使用virtualenvwrapper和pipenv。 pyvenv已被弃用。 pyenv似乎经常用于virtualenv使用的地方，但我也会远离它，因为我认为venv也可以做pyenv构建的事情。 venv在shell中创建虚拟环境，这些环境是新鲜的和隔离的，具有用户可安装的库，并且是多Python安全的。 新鲜的：因为虚拟环境仅从python附带的标准库开始，所以您必须在虚拟环境处于活动状态时重新安装任何其他库。 隔离的：因为这些新库安装中没有一个是在虚拟环境之外可见的，因此您可以删除整个环境并重新开始而不必担心影响基本python安装。 用户可安装的库：因为虚拟环境的目标文件夹是在您已经拥有的某个目录中创建的，因此您不需要sudo权限将库安装到其中。 多Python安全的：因为当虚拟环境激活时，shell仅看到用于构建该虚拟环境的python版本（3.4、3.5等）。

pyenv类似于venv，可以让您管理多个Python环境。但是，使用pyenv时，您无法方便地回滚库安装到某个起始状态，并且在更新库时可能需要admin权限。因此，我认为最好使用venv。

在过去的几年中，我发现了许多构建系统（emacs包、Python独立应用程序构建器、安装程序等）的问题，这些问题最终归结为与virtualenv有关的问题。我认为当我们消除这个额外选项并仅使用venv时，Python将成为更好的平台。

编辑：BDFL的推文，

我使用stdlib中的venv和一堆shell别名来快速切换。

— Guido van Rossum (@gvanrossum) 2020年10月22日

- Riaz Rizvi

5

@RiazRizvi的回答很好，提供了许多启示。然而，我认为虽然venv在虚拟环境中越来越流行，但pyenv仍然有其优势。我目前可以想到的一个经典理由是，AWS Lambda支持的最高Python运行时版本是3.8，而Python 3.9已经发布，我希望其他非Lambda项目基于3.9。因此，我仍然需要pyenv来在版本之间切换。使用pyenv-virtualenv允许用户同时使用pyenv和venv（不是virtualenv）。 - azec-pdx

1

virtualenvwrapper 有什么问题吗？ - user32882

5

如何为不同的Python版本创建虚拟环境？我之前认为默认会使用创建虚拟环境时系统中已安装的Python版本。 - soMuchToLearnAndShare

3

有很多需要学习和分享的东西 - 明确调用你想要使用的Python - $ path/to/python3x -m venv <MYVENVx> 或 $ path/to/python3y -m venv <MYVENVy> ，然后当你激活环境时，你将激活用于创建环境的Python。 - Rian Rizvi

2

Conda是virtualenv的包装器，因此所有virtualenv的缺点也适用于Conda。但是，Conda确实验证它们支持的软件包，因此尽管它仅提供了Python软件包的子集，特别是对于数据科学而言，它们拥有大部分所需内容。我认为，对于只使用Windows的用户，他们往往在命令行上表现较弱，Conda是一个安全的选择，特别是对于数据科学家。但是，如果您想要完全清晰地了解您的环境，例如将解决方案部署给客户，并且您想要完全访问所有最新的软件包，请坚持使用pip，它具有与Python本身一样多的支持。 - Rian Rizvi

显示剩余4条评论

118

更新 2020-08-25：

在下面添加了“结论”段落

我深入研究了 pipenv（它确实是一个深而黑暗的洞穴...），因为上一次回答已经超过2年了，所以觉得有必要更新一下关于Python虚拟信封主题的最新进展。

免责声明：

这个回答不是关于继续争论 pipenv 和 venv 作为信封解决方案的优劣之处 - 我对任何一种都不做支持。它关于 PyPA 支持相互冲突的标准以及未来 virtualenv 的发展承诺将消除对它们之间进行 二选一 选择的需求。我专注于这两个工具，正是因为它们是由 PyPA 授权的。

venv

正如OP所指出的，venv是一种用于虚拟化环境的工具。它不是第三方解决方案，而是本地工具。 PyPA认可venv用于创建虚拟封套："从版本3.5开始更改：现在推荐使用venv来创建虚拟环境"

pipenv

pipenv - 类似于 venv - 可用于创建虚拟环境，但还包含了软件包管理和漏洞检查功能。与使用requirements.txt不同，pipenv通过Pipfile提供软件包管理。由于PyPA认可pipenv用于软件包管理, 这似乎意味着pipfile将取代requirements.txt。

然而: pipenv使用virtualenv作为创建虚拟环境的工具，而不是被PyPA认可的首选工具venv。

标准冲突：

如果选择一个虚拟信封解决方案已经很困难了，现在我们还面临着PyPA认可使用不同虚拟信封解决方案的两种工具。关于venv与virtualenv的激烈Github辩论凸显了这一冲突，可以在这里找到。

冲突解决：

上述链接中提到的Github辩论已经引导virtualenv的发展朝着适应venv的方向发展，将在未来版本中实现：

优先使用内置的venv：如果目标Python有venv，我们将使用它创建环境（然后在此基础上执行后续操作以便提供其他保证）

结论：

看起来两个竞争对手的虚拟信封解决方案将会有一些未来的融合，但目前为止，使用pipenv的virtualenv与venv存在实质性差异。

考虑到pipenv解决的问题以及PyPA的认可，它似乎有着光明的未来。而如果virtualenv能够实现其提出的开发目标，选择一个虚拟信封解决方案将不再是pipenv或者venv的问题。

2020-08-25更新：

在我进行这个分析时，经常听到关于Pipenv的一个批评是它没有得到积极的维护。确实，使用一个未来可能因缺乏持续开发而有问题的解决方案有何意义呢？在大约18个月的干旱期之后，Pipenv再次开始积极开发。的确，自那时以来已经发布了重大的更新released。

- F1Linux

3

那pyenv呢？这是一个不错的回答，因为它考虑了未来的方向，但它与pyenv、conda或其他环境管理器的交互方式并不明确。 - naught101

@naught101 pyenv 不是 virtualenv 的替代品。而且这两个东西都不是 pipenv 的替代品。它们做的事情不同。就像 Django、Python 和 PostgreSQL 是不同的东西一样。 - Flimm

@Flimm：不同在哪里？ - naught101

@naught101 请查看此问题帖子的其他答案（包括我的答案）。 - Flimm

1

@icedwater 我想你的意思是“Anaconda”提供了出色的付费服务。“conda”是一个免费且开源的环境和包管理器，由开源社区维护。“Anaconda”向非商业或中小企业用户提供免费的Python发行版，并为企业用户提供付费的Python发行版和服务。现在，Mamba基金会提供了Mamba-forge，这是一个更快、100%兼容conda命令的命令行工具，用C++编写，比conda或venv在进度报告方面更好。 - undefined

显示剩余2条评论

99

让我们从这些工具想要解决的问题开始：

使用场景	解决方案
我的系统包管理器没有我想要的Python版本，或者我想要同时安装多个Python版本，比如Python 3.9.0和Python 3.9.1，Python 3.5.3等	那就使用pyenv。
我想要安装和运行多个具有不同、冲突依赖的应用程序。	那就使用virtualenv或venv。这两者几乎可以互换使用，区别在于virtualenv支持较旧的Python版本并具有一些更多的独特功能，而venv则是Python标准库的一部分。
我正在开发一个应用程序，并且需要管理我的依赖项，以及管理我的项目的依赖项解析。	那就使用pipenv或poetry。
我正在开发一个库或包，并希望指定我的库用户需要安装的依赖项。	那就使用setuptools。
我曾经使用过virtualenv，但是我不喜欢virtualenv文件散落在各个项目文件夹中。我希望能够集中管理环境并进行一些简单的项目管理。	那就使用virtualenvwrapper。变种：如果你还使用pyenv，可以使用pyenv-virtualenvwrapper。

不推荐使用

pyvenv (!=pipenv & !=pyenv)。这已经过时了，请改用 venv 或 virtualenv。

- Lie Ryan

4

Conda怎么样？你会完全不推荐它吗？在pipenv和poetry之间做决定时，你会使用哪些信息？建议不要完全反对Conda。在选择pipenv和poetry之间，可以考虑以下因素：项目需要哪些依赖项、如何管理虚拟环境、个人喜好以及与团队的协作等。 - naught101

3

pipenv/poetry使用两个文件来管理依赖关系，第一个文件指定逻辑依赖关系，第二个文件是由pipenv/poetry自动生成的依赖锁定文件。requirements.txt在某种程度上将这两个文件混合在一起，虽然更简单，但没有单独的锁定文件使得它不太灵活，并且难以维护依赖列表。 - Lie Ryan

1

@soMuchToLearnAndShare pipenv是建立在virtualenv/venv之上的，因此您总是要一起使用它们。Pipenv比virtualenv添加了许多更高级别的功能，特别是依赖管理。Virtualenv不管理依赖项，它所做的只是提供一个隔离的环境来安装依赖项。 - Lie Ryan

1

@soMuchToLearnAndShare venv在标准库中可用，这是比virtualenv更大的优势。我不想替PyPA说话，但virtualenv确实有一些venv没有的额外功能，并且它可以在更广泛的Python版本范围内工作。如果您需要virtualenv提供的附加功能，则显然应该使用virtualenv。如果您对当前的venv设置感到满意，则没有理由选择virtualenv。 - Lie Ryan

1

@soMuchToLearnAndShare 但如果你不介意额外的安装，也没有理由避免使用virtualenv。如果你想使用pipenv，那么它只支持virtualenv。没有理由因为pipenv使用virtualenv就避免使用它，特别是因为使用pipenv已经意味着你需要额外的安装。最终，virtualenv和venv创建的环境目录几乎相同，所以你选择虚拟环境工具的大部分影响只在创建环境时体现，而在使用时则影响较小。 - Lie Ryan

显示剩余7条评论

24

2020年1月更新

@Flimm已经非常好地解释了所有的区别。总的来说，我们想知道所有工具之间的区别，因为我们想决定哪个是最适合我们的。那么下一个问题就是：该选择哪个？我建议您选择两种官方管理虚拟环境的方式之一：

Python Packaging现在推荐使用Pipenv
Python.org现在推荐使用venv

- ArnuldOnData

1

请注意，pipenv和venv并不是彼此的替代品，就像Django和Python也不是彼此的替代品。仅使用venv，您无法安装软件包，而pipenv提供了一种安装软件包的机制。 - Flimm

2

当你说使用__venv__时无法安装软件包时，我并没有理解你的意思。我的意思是，在使用venv创建的虚拟环境中，我可以安装通过pip提供的所有软件包，例如，我在4个不同的目录中有4个不同版本的Python和Pandas，但是相同的Jupyter Lab版本，全部都是通过venv创建的虚拟环境安装的。 - ArnuldOnData

@Flimm python -m venv foo; source foo/bin/activate; pip install numpy。venv和pip都可以直接使用。这个注释听起来有点误导性。 - Magnus Lind Oxlund

@MagnusLindOxlund 在你的示例中，你不能用 pip 替换 venv ，反之亦然。你不能执行 venv install numpy，也不能执行 pip foo; source foo/bin/activate。因此，我坚持认为它们不是彼此的替代品。另外，在 Ubuntu 安装中，venv 和 pip 都不是开箱即用的（尽管 python3 是开箱即用的）。在 Ubuntu 上，你需要安装 python3-venv（使用 APT）来获取 venv，并且你需要单独安装 python3-pip 来获取 pip。 - Flimm

18

pyenv - 管理不同的 Python 版本，
其他工具 - 创建虚拟环境（其中有独立的 Python 版本和已安装的“需求”），

pipenv 希望将所有内容结合起来，除了之前提到的内容外，它还会安装“需求”（在活动虚拟环境中或创建自己的虚拟环境，如果没有活动的虚拟环境）。

因此，也许您只需要用 pipenv 工具就可以了。

但是，我使用 pyenv + pyenv-virtualenvwrapper，再加上 pipenv （仅用于安装需求）。

在 Debian 中：

apt install libffi-dev
install pyenv based on https://www.tecmint.com/pyenv-install-and-manage-multiple-python-versions-in-linux/, but..

.. but instead of pyenv-virtualenv install pyenv-virtualenvwrapper (which can be standalone library or pyenv plugin, here the 2nd option):

$ pyenv install 3.9.0

$ git clone https://github.com/pyenv/pyenv-virtualenvwrapper.git $(pyenv root)/plugins/pyenv-virtualenvwrapper
# inside ~/.bashrc add:
# export $VIRTUALENVWRAPPER_PYTHON="/usr/bin/python3"
$ source ~/.bashrc

$ pyenv virtualenvwrapper

接着为你的项目创建虚拟环境（工作目录必须存在）:

pyenv local 3.9.0  # to prevent 'interpreter not found' in mkvirtualenv
python -m pip install --upgrade pip setuptools wheel
mkvirtualenv <venvname> -p python3.9 -a <workingdir>

并在项目之间切换：

workon <venvname>
python -m pip install --upgrade pip setuptools wheel pipenv

在项目中，我有一个名为requirements.txt的文件，其中没有固定版本（如果不需要某些版本限制）。你有两种可能的工具来将它们安装到当前虚拟环境中：pip-tools或pipenv。假设您将使用pipenv：

pipenv install -r requirements.txt

这将创建Pipfile和Pipfile.lock文件，固定版本在第二个文件中。如果您想要在其他地方重新安装完全相同的版本，则需要存在Pipfile.lock文件：

这会生成Pipfile和Pipfile.lock文件，确定的版本在后者中。如果您希望在其他地方重新安装完全相同的版本，则需要有Pipfile.lock文件：

pipenv install

请记住，Pipfile.lock 与某些Python版本相关，如果您使用不同的版本，则需要重新创建它。

正如您所看到的，我编写了 requirements.txt。这有一些问题：您必须从 Pipfile 中删除已删除的软件包。因此，直接编写 Pipfile 可能更好。

所以你可以看到我不太会使用 pipenv。也许如果您使用得当，它可以替代所有东西吗？

编辑 2021.01：我将我的堆栈更改为：pyenv + pyenv-virtualenvwrapper + poetry。即，我不使用 virtualenv 或 virtualenvwrapper 的 apt 或 pip 安装，而是安装 pyenv 的插件 pyenv-virtualenvwrapper。这是更容易的方式。

Poetry 对我来说非常好：

poetry add <package>   # install single package
poetry remove <package>
poetry install   # if you remove poetry.lock poetry will re-calculate versions

- mirek

1

请问您能详细介绍一下您目前的技术栈，也就是 pyenv + pyenv-virtualenvwrapper + poetry，尤其是如何指示 poetry 使用通过 pyenv 安装的特定版本，并且是否禁用了 poetry 中创建虚拟环境的功能？ - Yassine Sedrani

听起来很混乱，难以理解和跟踪！你不能使用conda包的环境和包管理器功能消除所有这些繁琐的步骤吗？conda是一个单一的工具，可以完成你回答中提到的三个或四个软件包的工作。 - Rich Lysakowski PhD

1

我想要将docker加入到这个列表中，并且还有一些答案已经提到的conda。

conda比标题提到的虚拟环境更重，它也能隔离一些系统Python工具，例如ffmpeg或gpu驱动程序。

docker更好，它为您提供了一个全新的操作系统来使用。通过一个良好的Dockerfile和docker build、docker run脚本，您可以很好地记录环境是如何构建的，并且很容易进行填充、迁移到其他环境（staging、production、cloud）。它在长期的运行过程中会帮助您。

另外，PyCharm提供了几个选项来选择您的虚拟环境。这有助于新手不用担心这个问题。建议在了解什么是虚拟环境之前使用它。

- Ben L

这个问题涉及到名称非常相似的 "env" 的事物，而不是像 Docker 或 Conda 这样的工具。 - Flimm

2

我认为这个讨论应该扩展到“在开发或生产环境中使用不同的Python版本的最佳方式是什么”。那更有价值。 - Ben L

1

我知道你的意思。老实说，我所提出的问题并不是人们访问这个页面时需要回答的问题。Stack Overflow的系统是关于特定的问答，总的来说，我发现它运作得相当好，但在这个问题上似乎有些失效了，而这个问题是我最受欢迎的帖子之一。 - Flimm

-2

作为 Python 的新手，这个问题让我无尽地沮丧，并困惑了我数月之久。当我知道我将会使用它多年时，我应该学习哪种虚拟环境和包管理器？

最好的回答这个令人烦恼的问题的文章是 Jake Vanderplas 写的https://jakevdp.github.io/blog/2016/08/25/conda-myths-and-misconceptions/。虽然已经有几年了，但它提供了实用的答案以及 Python 包和虚拟环境管理器的历史，这些都是在这些最先进的技术发展过程中从实践中得出的。

对于数据科学和“大数据云计算”社区来说，这对我来说特别令人沮丧，因为 conda 被广泛用作 Python 和 JavaScript、SQL、Java、HTML5 和 Jupyter Notebooks 的虚拟环境管理器和完整功能包管理器。

那么既然 conda 可以做到 pip 和 venv 变体所能做的一切，为什么还要使用 pip 呢？

答案是，“因为如果conda包不可用，你必须使用pip。”很多时候，所需的包只有以pip格式提供，没有简单的解决方案，只能使用pip。你可以学习使用conda build，但如果你不是包维护者，那么你必须说服包所有者为每个新版本生成一个conda包（或自己生成）。

这些基于pip的包在许多重要和实际的维度上有所不同：

稳定性
成熟度
复杂性
活跃支持（与消亡或死亡相比）
在Python生态系统“核心”附近的采用水平与“边缘”（即集成到Python.org发行版中）
易于理解和使用（对于初学者）

我将从包成熟度和稳定性两个维度回答你的问题。

venv和virtualenv是最成熟、最稳定和社区支持最好的。从在线文档中，你可以看到virtualenv截至今天已经是20.x版本了。virtualenv

virtualenv is a tool to create isolated Python environments. Since Python 3.3, a subset of it has been integrated into the standard library under the venv module. The venv module does not offer all features of this library, to name just a few more prominent:
is slower (by not having the app-data seed method),

is not as extendable,

cannot create virtual environments for arbitrarily installed python versions (and automatically discover these),

is not upgrade-able via pip,

does not have as rich programmatic API (describe virtual environments without creating them).

virtualenvwrapper是一组脚本，帮助人们使用virtualenv（它是一个“包装器”，但维护不良，最后更新于2019年。virtualenvwrapper）。

我的建议是尽可能避免使用所有pip虚拟环境。改用conda。Conda提供了统一的方法。它由专业开源开发人员团队维护，并有一家声誉良好的公司提供资金和商业支持版本。相比之下，维护pip、venv、virtualenv、pipenv和许多其他pip变体的团队资源有限。基于pip的虚拟环境工具的复杂性、分裂、边缘和不受支持的软件包以及极不一致的支持使我转而使用conda。对于数据科学工作，我的建议是在conda软件包不存在时，将pip-based虚拟环境管理器作为最后的选择。

venv的变体之间的差异仍然让我感到害怕，因为我的时间有限，无法学习新的软件包。pipenv、venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、poetry和其他工具之间有数十个差异和复杂性需要花费数天时间才能理解。当维护者辞职（或太忙而无法维护）时，我讨厌走下一条路并发现对软件包的支持已经停止。我只需要完成我的工作。

为了有所帮助，在这里提供一些链接，帮助您深入了解，但不会迷失在Dante's Inferno中（关于pip）。

Python虚拟环境指南

选择“核心”Python包来投资你的职业生涯（长期），而不是短期完成工作，这很重要。然而，这是一个商业分析问题。你是想简单地完成任务，还是想成为一个专业的软件工程师，构建可扩展的高性能系统，需要最少的维护工作量？在我看来，conda比处理pip多样性问题更容易让你达到后者的位置。conda仍然缺少一步pip包迁移工具，使这个问题变得无关紧要。如果我们可以将pip包简单地转换为conda包，那么pypi.org和conda-forge就可以合并。Pip是必需的，因为conda包目前还不是普遍适用的。许多Python程序员要么太懒了，不愿意创建conda包，要么只编写Python代码，不需要conda的语言无关/多语言支持。

对我来说，conda是一个救星，因为它支持云软件工程和数据科学对JavaScript、SQL和Jupyter Notebook扩展的多语言支持，并且conda在Docker和其他云原生环境中表现良好。我鼓励你学习和掌握conda，这将使你能够回避许多基于pip的工具可能永远无法回答的复杂问题。

保持简单！我需要一个能够完成90%需求的软件包，以及对剩余10%边缘情况的指导和解决方案。

请查看此处链接的文章，了解更多关于基于pip的虚拟环境的知识。

希望这对原帖作者有所帮助，并为pip和conda爱好者提供一些思考的方向。

- Rich Lysakowski PhD

3

Pip的存在是必要的，因为conda包目前还不是通用的。许多Python程序员要么懒得创建conda包，要么只编写Python代码，不需要conda的语言无关/多语言支持。这是否暗示了不应使用conda呢？或者如果conda想要成为通用的工具，那么很快就应该有一个明确的时间表。因此，尽管有许多pip/virtualenv版本可供选择，但最好选择一个获胜者并取消其他所有版本，而不是选择conda...(virtualenv[wrapper]已经成为获胜者了吗？) - arntg

我的答案偏向于简单，即使用一个工具来管理Python和其他语言的虚拟环境、依赖和包。conda系统只缺少一个功能/模块，就可以使这个混乱的替代方案消失并变得无关紧要，即一个可靠地将任何pip-only格式的软件包转换为conda软件包的模块。conda比包括pipenv、virtualenv、venv、pyenv、poetry和其他工具在内的碎片化角色更好地得到支持。很快就会有人写出一个功能性的转换器。 - Rich Lysakowski PhD

我上周刚发现了一个叫做“pip2conda”的软件包。等我有时间测试它之后，我会告诉你它是否能够实现其名称的承诺。 - Rich Lysakowski PhD

1

Conda的动机是拥有一个单一、统一的软件包和环境管理器。降低复杂性，为同时也是多语言使用者的Pythonista简化生活。“应该只有一种——最好只有一种——明显的方法来做它。” Python之禅，Tim Peters ... 简单胜于复杂。 ... 应该只有一种——最好只有一种——明显的方法来做它。 ... 如果实现难以解释，那就是个坏主意。如果实现容易解释，那可能是个好主意。 ... Conda是一个非常棒的想法——让我们做更多这样的事情！ - Rich Lysakowski PhD

看起来这些都没有具体的问题，使用pip、venv等工具时不会遇到任何困扰。多年来，我使用这些工具从未感到烦恼。 - Karl Knechtel

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Flimm · Accepted Answer

以下是我个人推荐给初学者的建议：从学习virtualenv和pip开始，这两个工具适用于Python 2和3，并且适用于各种情况。一旦需要其他工具，可以再学习。

接下来回答一个问题：venv、virtualenv等这些同名工具有何不同？

PyPI包不在标准库中：

virtualenv是一个非常流行的工具，可为Python库创建隔离的Python环境。如果您不熟悉此工具，我强烈建议您学习它，因为它是非常有用的工具。

它的工作原理是在目录中安装一堆文件（例如：env/），然后修改PATH环境变量以使用自定义bin目录（例如：env/bin/）作为前缀。精确复制了python或python3二进制文件放在此目录中，但是Python被编程为首先查找环境目录中的库。它不是Python标准库的一部分，但已由PyPA（Python Packaging Authority）正式批准。激活后，您可以使用pip在虚拟环境中安装软件包。

pyenv 用于隔离 Python 版本。例如，您可能希望针对 Python 2.7、3.6、3.7 和 3.8 测试代码，因此需要一种在它们之间切换的方法。激活后，它会在 PATH 环境变量前缀中添加 ~/.pyenv/shims，其中有匹配 Python 命令（python、pip）的特殊文件。这些不是 Python 自带命令的副本；它们是特殊脚本，根据 PYENV_VERSION 环境变量、.python-version 文件或 ~/.pyenv/version 文件，在运行时决定要使用哪个版本的 Python。 pyenv 还通过命令 pyenv install 简化了下载和安装多个 Python 版本的过程。

pyenv-virtualenv 是由与 pyenv 同一作者开发的插件，方便您同时使用 pyenv 和 virtualenv。但是，如果使用的是 Python 3.3 或更高版本，则 pyenv-virtualenv 将尝试运行 python -m venv（如果可用）而不是 virtualenv。如果您不需要方便功能，也可以在没有 pyenv-virtualenv 的情况下同时使用 virtualenv 和 pyenv。

virtualenvwrapper 是 virtualenv 的扩展（请参阅文档），它提供了诸如 mkvirtualenv、lssitepackages 和特别是 workon 等命令，用于在不同的 virtualenv 目录之间切换。如果您需要多个 virtualenv 目录，则此工具尤其有用。

pyenv-virtualenvwrapper 是 pyenv 的插件，由与 pyenv 相同的作者编写，方便地将 virtualenvwrapper 集成到 pyenv 中。

pipenv 旨在将 Pipfile、pip 和 virtualenv 组合成一条命令行命令。通常将 virtualenv 目录放置在 ~/.local/share/virtualenvs/XXX 中，其中 XXX 是项目目录路径的哈希值。这与 virtualenv 不同，virtualenv 的目录通常位于当前工作目录中。 pipenv 适用于开发 Python 应用程序（而不是库）。还有其他替代品，例如 poetry，但由于本问题仅涉及类似命名的软件包，因此我不会列出它们。

标准库：

pyvenv（不要与前一部分中的pyenv混淆）是Python 3.3到3.7附带的脚本。由于存在问题（更不用提令人困惑的名称了），它在Python 3.8中被删除。运行python3 -m venv的效果与运行pyvenv完全相同。
venv是Python 3附带的一个包，可以使用python3 -m venv来运行它（虽然由于某些原因，某些发行版将其拆分为单独的发行版包，例如Ubuntu/Debian上的python3-venv）。它的作用与virtualenv相同，但只具有其功能的子集（在此处查看比较）。virtualenv仍然比venv更受欢迎，特别是因为前者支持Python 2和3。