Python虚拟环境详解：venv、virtualenv与conda对比-代码聚汇网

Python虚拟环境详解：venv、virtualenv与conda对比

Python虚拟环境venvvirtualenv

|难度：普通|阅读约 15 分钟

1. 为什么Python项目需要虚拟环境？

在Python开发中，虚拟环境（Virtual Environment）是一个独立隔离的Python运行环境，它允许你在同一台机器上为不同项目创建相互隔离的Python运行环境。这个概念的诞生源于Python开发中一个常见痛点：依赖冲突。

想象一下这样的场景：你正在开发两个不同的Python项目，项目A需要Django 2.2版本，而项目B需要使用Django 3.1。如果直接在系统全局安装这两个版本，必然会导致冲突。更糟糕的是，某些系统工具（如yum、apt等）可能依赖于特定版本的Python包，随意修改全局环境可能导致系统工具失效。

虚拟环境通过以下方式解决这些问题：

每个虚拟环境拥有独立的Python解释器副本
独立安装的第三方库不会影响其他环境
可以精确控制每个项目的依赖版本
便于项目迁移和团队协作

提示：即使你目前只开发一个项目，也建议使用虚拟环境。这能避免污染系统Python环境，并为未来可能的项目扩展预留空间。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. Python虚拟环境的三种实现方式对比

Python生态中有多种创建虚拟环境的工具，最常见的有三种：

2.1 venv（Python内置）

Python 3.3+标准库内置的虚拟环境工具，无需额外安装。创建的环境相对轻量，适合大多数Python项目。

优点：

无需安装，开箱即用
官方维护，稳定性高
与Python版本严格对应

缺点：

功能相对基础
不支持Python 2

2.2 virtualenv

第三方虚拟环境工具，支持Python 2和Python 3。

优点：

功能更丰富（如可指定不同Python版本）
兼容性更好
社区支持广泛

缺点：

需要额外安装
某些高级功能可能增加复杂度

2.3 conda环境

Anaconda/Miniconda提供的环境管理工具，特别适合科学计算领域。

优点：

可以管理非Python依赖
强大的包管理功能
预装大量科学计算库

缺点：

环境较重
学习曲线较陡

工具对比表：

特性	venv	virtualenv	conda
安装要求	Python内置	pip install virtualenv	需安装Anaconda
Python版本支持	仅Python 3	Python 2 & 3	Python 2 & 3
跨平台支持	是	是	是
非Python依赖管理	否	否	是
环境复制	有限	支持	强大
适用场景	普通Python项目	需要兼容Python 2的项目	数据科学项目

对于大多数Python开发者，venv已经足够使用。本文将重点介绍venv的使用方法，这些知识同样适用于其他虚拟环境工具。

3. 使用venv创建和管理虚拟环境

3.1 创建虚拟环境

在项目目录下创建虚拟环境（假设项目名为my_project）：

bash复制python -m venv my_project_env

这会在当前目录下创建my_project_env文件夹，包含：

Python解释器副本
pip工具
激活脚本
其他支持文件

注意：在Linux/macOS上可能需要使用python3明确指定Python 3解释器：
bash复制python3 -m venv my_project_env

3.2 激活虚拟环境

不同操作系统激活方式不同：

Windows (CMD):

cmd复制my_project_env\Scripts\activate.bat

Windows (PowerShell):

powershell复制my_project_env\Scripts\Activate.ps1

Linux/macOS:

bash复制source my_project_env/bin/activate

激活后，命令行提示符通常会显示环境名称，如：

code复制(my_project_env) $

3.3 验证环境

激活后，检查Python和pip的路径：

bash复制which python  # Linux/macOS
where python  # Windows

pip --version

这些命令应该指向虚拟环境目录下的可执行文件。

3.4 安装依赖

在激活的环境中，使用pip安装项目依赖：

bash复制pip install django==3.2.16

所有安装的包都会被限制在当前虚拟环境中。

3.5 停用虚拟环境

完成工作后，执行：

bash复制deactivate

这会返回到系统全局Python环境。

4. 虚拟环境的高级用法

4.1 指定Python版本

创建虚拟环境时可以指定使用哪个Python解释器：

bash复制python3.8 -m venv py38_env

这在你需要测试代码在不同Python版本下的行为时特别有用。

4.2 环境复制与迁移

导出依赖列表

bash复制pip freeze > requirements.txt

这会生成一个包含所有已安装包及其精确版本的文件。

在新环境中恢复依赖

bash复制pip install -r requirements.txt

复制整个环境

虽然可以直接复制虚拟环境目录，但不推荐这样做。更好的做法是：

在新位置创建新环境
导出原环境的requirements.txt
在新环境中安装依赖

4.3 清理虚拟环境

删除虚拟环境只需删除对应的目录即可：

bash复制rm -rf my_project_env  # Linux/macOS
rd /s /q my_project_env  # Windows

4.4 使用.venv目录的惯例

许多开发者喜欢将虚拟环境创建为项目目录下的.venv隐藏目录：

bash复制python -m venv .venv

这样做的好处是：

保持项目结构整洁
许多IDE（如VS Code、PyCharm）会自动识别.venv目录
git等版本控制系统通常会忽略.开头的目录

5. 虚拟环境与开发工具的集成

5.1 VS Code中的虚拟环境

打开项目文件夹
按Ctrl+Shift+P打开命令面板
搜索并选择"Python: Select Interpreter"
选择虚拟环境中的Python解释器（通常位于项目目录下的.env/bin/python或.env/Scripts/python.exe）

VS Code会自动识别虚拟环境中的工具链和已安装的包。

5.2 PyCharm中的虚拟环境

PyCharm对虚拟环境有更深入的支持：

创建新项目时，可以直接选择"New environment using Virtualenv"
对于已有项目：
- 打开设置（Settings）
- 导航到"Project: <项目名> > Python Interpreter"
- 点击齿轮图标选择"Add"
- 选择"Existing environment"并指向虚拟环境中的Python解释器

PyCharm会自动索引虚拟环境中的所有包，提供完整的代码补全和类型提示。

5.3 Jupyter Notebook中的虚拟环境

要在Jupyter中使用虚拟环境：

激活虚拟环境
安装ipykernel：
```
bash复制pip install ipykernel
```

将虚拟环境添加到Jupyter内核：

bash复制python -m ipykernel install --user --name=my_project_env

启动Jupyter Notebook：
```
bash复制jupyter notebook
```
在Notebook中通过"Kernel > Change kernel"选择你的虚拟环境

6. 常见问题与解决方案

6.1 激活脚本无法执行（PowerShell）

在PowerShell中首次运行激活脚本可能会遇到：

code复制无法加载文件venv\Scripts\Activate.ps1，因为在此系统上禁止运行脚本

解决方案：

以管理员身份打开PowerShell

执行：

powershell复制Set-ExecutionPolicy RemoteSigned

选择"Y"确认

6.2 虚拟环境中的Python版本与预期不符

可能原因：

创建环境时使用了错误的Python解释器
系统PATH设置有问题