Python 包管理工具完整教程

📦 Python 包管理工具

选择合适的包管理工具提升开发效率。

pip - 官方标配

pip install requests
pip install requests==2.31.0
pip install -r requirements.txt
pip freeze > requirements.txt

uv - 2026 首选 (比 pip 快 100 倍)

# 安装
pip install uv

# 常用命令
uv pip install requests
uv venv .venv           # 创建虚拟环境
uv sync                  # 同步依赖
uv add requests          # 添加依赖

Poetry - 项目依赖管理

pip install poetry
poetry init
poetry add requests
poetry install
poetry lock

Pipenv - Pip + Virtualenv

pip install pipenv
pipenv install requests
pipenv shell
pipenv run python script.py

二、工具对比总览

工具	发布时间	语言	主要用途	依赖锁定	虚拟环境
pip	2008	Python	包安装	❌ (需 requirements.txt)	❌ (需配合 venv)
pipx	2019	Python	应用隔离	✅ 自动	✅ 自动
Poetry	2018	Python	项目管理	✅ poetry.lock	✅ 自动
Pipenv	2017	Python	项目管理	✅ Pipfile.lock	✅ 自动
Conda	2012	Python/C	科学计算	✅ environment.yml	✅ 自动
uv	2024	Rust	全能管理	✅ uv.lock	✅ 自动
pip-tools	2014	Python	依赖锁定	✅ requirements.txt	❌

🎯 选择建议

开始选择

↓

安装 Python 应用？

↓ 是

使用 pipx

↓ 否

科学计算/多语言？

↓ 是

使用 Conda

↓ 否

需要最快速度？

↓ 是

使用 uv (推荐)

↓ 否

成熟稳定优先？

↓ 是

使用 Poetry

↓ 否

使用 pip + venv

三、pip - Python 包管理器 🐍

pip 是 Python 官方推荐的包管理工具，每个 Python 开发者都必须掌握。

pip 2026 最新版

适用场景：基础包安装、简单项目、学习阶段

📦 常用命令

# 安装包
pip install package_name

# 安装指定版本
pip install package_name==1.2.3

# 安装 requirements.txt
pip install -r requirements.txt

# 卸载包
pip uninstall package_name

# 列出已安装包
pip list

# 查看过时包
pip list --outdated

# 升级包
pip install --upgrade package_name

# 导出已安装包
pip freeze > requirements.txt

# 搜索包 (已废弃，使用 pip index)
pip index versions package_name

✅ 优点

Python 官方工具，预装在 Python 中
简单易用，学习成本低
包资源最丰富 (PyPI)
社区支持最好，文档完善
与所有工具兼容

❌ 缺点

不自动管理虚拟环境
不锁定依赖版本 (需手动)
依赖解析较慢
无法处理非 Python 依赖
全局安装可能污染环境

💡 pip 最佳实践

# 1. 永远使用虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows

# 2. 升级 pip 到最新版
python -m pip install --upgrade pip

# 3. 使用 requirements.txt 锁定版本
pip freeze > requirements.txt

# 4. 使用 --user 避免权限问题
pip install --user package_name

# 5. 检查安全漏洞
pip install pip-audit
pip-audit

四、pipx - Python 应用隔离工具 🐍

pipx 专门用于安装和运行 Python 命令行应用，每个应用独立环境，避免依赖冲突。

pipx 1.4+

适用场景：安装 Python 命令行工具、全局应用

📦 常用命令

# 安装 pipx (一次性)
python -m pip install --user pipx
python -m pipx ensurepath

# 安装应用
pipx install package_name

# 运行应用 (不安装)
pipx run package_name

# 列出已安装应用
pipx list

# 升级所有应用
pipx upgrade-all

# 升级单个应用
pipx upgrade package_name

# 卸载应用
pipx uninstall package_name

# 注入依赖到应用环境
pipx inject package_name dependency

✅ 优点

每个应用独立虚拟环境
避免依赖冲突
自动添加到 PATH
临时运行应用 (pipx run)
易于升级和清理

❌ 缺点

仅适用于命令行应用
不适合库开发
占用空间较多
首次安装稍慢

💡 pipx 典型应用

# 安装常用 CLI 工具
pipx install black          # 代码格式化
pipx install flake8         # 代码检查
pipx install mypy           # 类型检查
pipx install pytest         # 测试框架
pipx install cookiecutter   # 项目模板
pipx install yt-dlp         # 视频下载
pipx install httpie         # HTTP 客户端

# 临时运行 (用完即删)
pipx run cowsay "Hello!"
pipx run nbviewer          # 临时查看 Jupyter Notebook

# 安装特定版本
pipx install black==23.1.0

# 注入额外依赖
pipx inject black black-jupyter

五、Poetry - 现代项目管理 🅿️

Poetry 是现代 Python 项目管理工具，使用 pyproject.toml 统一管理依赖和配置。

Poetry 1.8+

适用场景：Python 项目开发、库发布、团队协作

📦 常用命令

# 安装 Poetry
curl -sSL https://install.python-poetry.org | python3 -

# 创建新项目
poetry new my-project

# 添加依赖
poetry add package_name
poetry add --group dev package_name  # 开发依赖

# 安装所有依赖
poetry install

# 运行脚本
poetry run python script.py

# 进入虚拟环境
poetry shell

# 更新依赖
poetry update

# 锁定依赖
poetry lock

# 发布包
poetry publish --build

✅ 优点

使用 pyproject.toml (PEP 518)
自动管理虚拟环境
依赖锁定 (poetry.lock)
内置打包和发布功能
依赖解析准确
支持开发依赖分组

❌ 缺点

学习曲线较陡
安装稍慢
与某些工具兼容性一般
大项目解析较慢
社区相对较小

💡 pyproject.toml 示例

[tool.poetry]
name = "my-project"
version = "0.1.0"
description = "项目描述"
authors = ["Your Name "]

[tool.poetry.dependencies]
python = "^3.10"
requests = "^2.31.0"
fastapi = "^0.109.0"
pydantic = "^2.5.0"

[tool.poetry.group.dev.dependencies]
pytest = "^7.4.0"
black = "^23.12.0"
mypy = "^1.8.0"
ruff = "^0.1.0"

[build-system]
requires = ["poetry-core"]
build-backend = "poetry.core.masonry.api"

六、Pipenv - Pip + Virtualenv 🅿️

Pipenv 整合了 pip 和 virtualenv，提供统一的依赖管理体验。

Pipenv 2024+

适用场景：应用开发、简单项目管理

📦 常用命令

# 安装 Pipenv
pip install --user pipenv

# 创建项目
pipenv install

# 添加依赖
pipenv install package_name
pipenv install --dev package_name

# 进入虚拟环境
pipenv shell

# 运行命令
pipenv run python script.py

# 生成依赖图
pipenv graph

# 检查安全漏洞
pipenv check

# 卸载依赖
pipenv uninstall package_name

✅ 优点

自动创建和管理虚拟环境
Pipfile 更简洁易读
依赖锁定 (Pipfile.lock)
安全检查功能
依赖图可视化

❌ 缺点

依赖解析慢
大项目性能差
更新不频繁
社区支持减少
与某些工作流不兼容

💡 Pipfile 示例

[[source]]
url = "https://pypi.org/simple"
verify_ssl = true
name = "pypi"

[packages]
requests = "*"
fastapi = ">=0.109.0"

[dev-packages]
pytest = "*"
black = "*"

[requires]
python_version = "3.11"

七、Conda - 跨语言包管理器 🐍

Conda 是跨平台的包和环境管理器，特别适合科学计算和数据科学。

Conda 2026

适用场景：数据科学、机器学习、多语言项目

📦 常用命令

# 创建环境
conda create -n myenv python=3.11

# 激活环境
conda activate myenv

# 安装包
conda install package_name

# 从 conda-forge 安装
conda install -c conda-forge package_name

# 导出环境
conda env export > environment.yml

# 从文件创建环境
conda env create -f environment.yml

# 列出环境
conda env list

# 删除环境
conda env remove -n myenv

# 更新包
conda update package_name

# 清理缓存
conda clean --all

✅ 优点

支持非 Python 依赖 (C/C++库)
跨平台 (Windows/Mac/Linux)
二进制包，安装快速
环境管理完善
科学计算生态丰富
支持多语言 (Python/R/等)

❌ 缺点

包体积大
占用磁盘空间多
包更新较慢
与 pip 混用可能冲突
学习曲线较陡

💡 environment.yml 示例

name: datascience
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.11
  - numpy>=1.24
  - pandas>=2.0
  - scipy>=1.10
  - matplotlib>=3.7
  - scikit-learn>=1.2
  - jupyterlab
  - pip
  - pip:
      - some-pip-package

八、uv - 新一代快速包管理器 ⚡

uv 是由 Astral 团队 (Ruff 开发者) 用 Rust 编写的超快速 Python 包管理器，2024 年发布即引起轰动。

uv 0.5+ (2026)

适用场景：所有 Python 项目、CI/CD、追求速度

📦 常用命令

# 安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建项目
uv init my-project

# 添加依赖
uv add package_name
uv add --dev package_name

# 同步环境
uv sync

# 运行脚本
uv run python script.py

# 升级依赖
uv lock --upgrade

# 发布包
uv publish

# 替代 pip
uv pip install package_name

# 创建虚拟环境
uv venv

# 查找 Python
uv python find 3.11

✅ 优点

速度极快 (10-100 倍于 pip)
Rust 编写，性能优秀
兼容现有工具 (pip/Poetry)
内置 Python 版本管理
支持 workspace 多项目管理
活跃开发，快速迭代
占用空间小

❌ 缺点

相对较新 (2024 发布)
生态还在建设中
文档不够完善
某些边缘情况支持不足
社区相对较小

💡 uv 性能对比

操作	pip	Poetry	uv	提升
冷启动安装	100s	120s	1-2s	50-100x
热启动安装	30s	40s	0.5s	60-80x
依赖解析	10s	15s	0.1s	100-150x
磁盘占用	1x	1.2x	0.5x	50% 节省

九、pip-tools - 依赖锁定工具 🔧

pip-tools 专注于生成精确锁定的 requirements.txt 文件，适合需要精细控制的项目。

pip-tools 7.4+

适用场景：需要精确依赖锁定、CI/CD 流程

📦 常用命令

# 安装
pip install pip-tools

# 编译依赖 (生成 requirements.txt)
pip-compile requirements.in

# 同步环境
pip-sync requirements.txt

# 升级依赖
pip-compile --upgrade

# 生成哈希值 (增强安全)
pip-compile --generate-hashes

# 指定 Python 版本
pip-compile --python-version 3.11

✅ 优点

精确控制依赖版本
生成可重现的 requirements.txt
与现有 pip 工作流兼容
支持哈希值验证
简单可靠

❌ 缺点

功能单一 (仅依赖锁定)
需要手动管理虚拟环境
不支持项目打包
配置较繁琐

💡 工作流程示例

# 1. 创建 requirements.in (只写直接依赖)
echo "requests>=2.31.0" > requirements.in
echo "fastapi>=0.109.0" >> requirements.in

# 2. 编译生成 requirements.txt (包含所有传递依赖)
pip-compile requirements.in

# 3. 同步环境
pip-sync requirements.txt

# 4. 定期更新
pip-compile --upgrade
pip-sync

十、工具选择总结

📊 按场景推荐

场景	推荐工具	备选方案
初学者学习	pip + venv	uv
Python 项目开发	uv	Poetry
数据科学/ML	Conda	uv + pip
安装 CLI 工具	pipx	-
发布 Python 包	Poetry	uv
CI/CD 流程	uv	pip-tools
企业级项目	Poetry	uv
多项目管理	uv workspace	Poetry

🎯 2026 年推荐组合

✨ 现代 Python 开发最佳实践：

uv - 日常开发和依赖管理 (速度快)
pipx - 安装 Python CLI 工具 (隔离好)
Conda - 数据科学和机器学习项目 (生态全)
pip-tools - 需要精确控制的场景 (锁定准)