在使用Python开发时，遇到了很多配置环境的情形。有时需要安装不同版本的Python，有时需要安装不同的Python包，有时需要安装不同的Python包的不同版本。

最开始使用时我基本上都是看网上的教程，不同的Python项目可能使用不同的环境管理工具，不知不觉就用过了 pip 、 conda 、 mamba 、 virtualenv 、 venv 等等。这些工具各有优劣，有时候我也会混用，导致环境变量混乱，有时候还会出现冲突。

由于一直没有什么一致性，导致电脑上的Python环境比较乱，我自己也感觉云里雾里的，所以我打算总结一下这些工具的使用方法，以及它们的优缺点。最后会给出我自己推荐的一些使用方法。

Python管理工具分类

Python管理工具可以分为两类：

包管理工具 ：用于安装、卸载、更新Python包，如 pip 、 conda 、 mamba 等。

环境管理工具 ：用于管理Python环境，如 venv 、 virtualenv 、 conda 、 mamba 等。

我们这里主要讨论环境管理工具，因为包管理工具的使用方法比较简单，而且大多数情况下我们都会使用 pip ，所以这里不再赘述。

之前我也写过一篇关于Linux下使用 module 管理软件包和环境变量的文章，可以参考 “Linux下使用module管理软件包和环境变量”

环境管理工具

venv 是Python自带的环境管理工具，其使用起来是最简单，也是最不需要操心的。

创建一个新的环境：

python -m venv .venv
这样就会在当前目录下创建一个.venv的文件夹，里面包含了一个新的Python环境。当然，这里的.venv可以替换成任何你想要的名字，用.venv是因为这样可以创建一个自动隐藏的文件夹，在git中也很容易把它忽略掉。
注意，这里的python是你想要创建环境的Python版本，如果你有多个Python版本，可以使用python3或者python3.10等。
激活这个环境：
如果是Linux系统或者MacOS系统，可以使用如下命令：
source .venv/bin/activate
如果是Windows系统，可以使用如下命令：
.venv\Scripts\activate
安装Python包：
在激活环境之后，使用pip安装Python包会把包安装到这个环境中，而不是全局环境。安装的包会放在.venv/lib/python3.10/site-packages目录下。
pip install numpy
每个项目都需要创建一个新的环境，如果有很多项目，会占用很多空间。
无法共享环境，如果有多个项目使用同一个环境，需要重复创建。
不好切换Python版本，每个环境都是一个Python版本，无法切换。
只适用于Python 3.3及以上版本。
简单来说，如果你不在意空间占用，不需要切换Python版本，那么venv是一个很好的选择。
virtualenv
由于venv有很大的占用空间的问题，所以有人开发了virtualenv，它是一个第三方的环境管理工具，可以解决venv的一些问题。
virtualenv的使用方法和venv基本一样，只是需要安装virtualenv这个包。
安装virtualenv：
pip install virtualenv
但它和venv的区别在于，virtualenv会复用系统的Python库，不会重复安装，所以占用的空间会小很多。如果你不想复用系统的Python库，可以使用--no-site-packages选项，在本项目中安装全新的Python库。
退出环境的方式和venv一样。
可以指定Python版本。
可以共享环境，不需要重复创建。
占用空间小，不会重复安装Python库。
适用于Python 2.7及以上版本。
非原生工具，需要安装额外的软件。
简单来说，如果你在意空间占用，且想要和venv相似的使用体验，那么virtualenv是一个很好的选择。
conda
conda是一个非常强大的环境管理工具，它不仅可以管理Python环境，还可以管理其他语言的环境，如R、Julia等。
conda、Anaconda、miniconda、mamba、micromamba之间的关系
conda是Anaconda的一部分，Anaconda是一个数据科学家常用的工具包，里面包含了很多数据科学家常用的软件包，如numpy、pandas、scipy等。但有用户反映Anaconda安装的软件包太多，占用空间太大，所以有人开发了miniconda，它是Anaconda的精简版，只包含了conda和一些基本的软件包。
不管是Anaconda还是miniconda，都是使用conda这个包管理工具来管理环境，但conda在安装软件包时是单线程的，速度比较慢，所以有人开发了mamba，它是conda的一个加速版，速度比conda快很多。
mamba和conda的使用方法基本一样，只是在安装软件包时使用mamba代替conda。用户基本可以认为，mamba命令是conda命令的一个别名。
micromamba是mamba的一个精简版，micromamba的base环境是空的，不包含任何软件包。
conda的原理（也适用于mamba）
conda环境管理工具会在用户的家目录下创建一个.conda文件夹，里面包含了所有的环境，每个环境都是一个文件夹，里面包含了一个Python环境和一个软件包列表。
用户每创建一个新的环境，conda环境管理工具就会在.conda文件夹下创建一个新的文件夹，里面包含了一个新的Python环境和一个新的软件包列表。用户每安装一个新的软件包，conda包管理工具就会把这个软件包安装到对应的环境中。
用户每激活一个环境，conda环境管理工具就会把这个环境的Python环境和软件包列表添加到环境变量中，用户每退出一个环境，conda环境管理工具就会把这个环境的Python环境和软件包列表从环境变量中删除。
创建好的conda环境跟某个项目无关，用户可以在任何地方激活这个环境，不需要在项目目录下创建环境。
使用方法（以mamba为例）
安装conda或者mamba：
你可以在miniforge找到最小化的conda或者mamba安装包，下载安装即可。
创建一个新的环境：
mamba create -n myenv python=3.10
这里的myenv是环境的名字，python=3.10是指定Python的版本。
激活这个环境：
mamaba activate myenv
简单来说，如果你想要一个强大的环境管理工具，而且想要安装包时速度快，那么conda或者mamba是一个很好的选择。但在开发某个项目时，最好标注一下这个项目使用的是哪个环境，以免忘记。
无论使用哪种环境管理工具，都可以使用pip freeze命令来冻结环境，即把当前环境的软件包列表保存到一个文件中。
pip freeze > requirements.txt
这样就会在当前目录下创建一个requirements.txt文件，里面包含了当前环境的软件包列表。当你需要在另一个环境中安装这些软件包时，可以使用如下命令：
pip install -r requirements.txt
这样就会安装requirements.txt文件中列出的所有软件包。
如果你不在意空间占用，适用高于3.3版本的Python，不需要切换Python版本，只想要一个最简单的环境管理工具，那么venv是一个很好的选择。
如果你在意空间占用，想要共享环境，适用于2.7及以上版本的Python，那么virtualenv是一个很好的选择。
如果你想要一个强大的环境管理工具，想要安装包时速度快，那么conda或者mamba是一个很好的选择。
推荐的使用方法
如果你不在于空间占用，且可能用到很多科学计算的包，在你的主力开发电脑上，可以安装Anaconda。
如果你在意空间占用，只想在需要时安装包，可以在你的主力开发电脑上安装micromamba。
如果你不在意空间占用，在你的测试电脑上，或者在你的服务器上，可以使用venv。