ARTICLE DETAIL

建站实战干货

来自一线的建站与推广经验沉淀，每一条都经过真实交付验证。

首页 / 资讯中心 / 正文

Python虚拟环境创建与管理全攻略：venv、virtualenv、conda对比与实践

2026/8/6 6:28:55 拓冰建站 浏览量
Python虚拟环境创建与管理全攻略：venv、virtualenv、conda对比与实践

1. 项目概述：为什么我们需要“任意目录”的虚拟环境？

如果你写过Python，大概率遇到过这个场景：项目A需要Django 3.2，项目B需要Django 4.0，而你的系统里只有一个Python。直接安装新版本，旧项目可能就跑不起来了；用pip install --user装到用户目录，不同项目间的库还是会混在一起。更头疼的是，当你把项目打包发给同事，或者部署到服务器时，如何确保对方的环境和你一模一样，不会因为缺少某个依赖或者版本冲突而报错？

这就是虚拟环境要解决的核心问题：隔离。它像一个独立的“沙盒”，为每个Python项目创建一套专属的Python解释器和第三方库集合。在这个沙盒里，你安装、升级、卸载任何包，都不会影响到系统环境或其他项目。

那么，为什么标题要强调“任意目录”呢？传统的教程往往告诉你，先进入项目目录，再创建虚拟环境。但实际工作中，我们的项目结构可能很复杂。比如，你可能有一个/workspace目录，下面有/project_a，/project_b等多个子项目。你希望虚拟环境就创建在/workspace目录下，与所有子项目平级，方便统一管理。或者，你的项目文件在D盘，但你想把虚拟环境创建在E盘的某个特定位置，以节省C盘空间。再或者，你只是想在一个临时目录里快速测试一个脚本，不想污染任何现有项目。

“在任意目录下创建”这个需求，背后是对环境管理灵活性和控制力的追求。它意味着你不再被“必须在项目根目录”的规则束缚，可以根据磁盘规划、团队规范或个人习惯，自由地决定虚拟环境的安放位置。这对于管理大型项目、多项目协作，或者使用像VSCode这类需要显式指定解释器的IDE时，尤其重要。

接下来，我会带你彻底搞懂Python虚拟环境的几种主流创建方式，重点是掌握如何精确控制它的生成位置，并分享一些只有踩过坑才知道的实操细节。

2. 核心工具选型：venv, virtualenv, 还是 conda？

面对创建虚拟环境，你至少有三种主流选择：Python内置的venv、第三方工具virtualenv、以及科学计算领域的“全家桶”conda。选哪个不是拍脑袋，得看你的具体场景。

2.1 内置王者：venv

从Python 3.3开始，标准库就内置了venv模块。如果你的Python版本是3.3或更高（现在应该没人用3.3以下了吧？），那么venv是你的首选。

优点：

  1. 无需安装：开箱即用，是Python的一部分。
  2. 轻量简洁：只做环境隔离这一件事，不附带任何额外功能。
  3. 官方推荐：是Python官方维护的工具，兼容性和稳定性有保障。

缺点：

  1. 无法创建不同Python版本的虚拟环境：venv只能基于当前运行的Python解释器版本来创建环境。比如你系统装的是Python 3.9，那用venv创建的所有环境都是Python 3.9的。你无法用它创建一个Python 3.8的环境。
  2. 功能相对基础：相比virtualenv，缺少一些高级参数调优。

适用场景：绝大多数日常Python开发，尤其是当你只需要隔离项目依赖，并且所有项目都使用相同主版本的Python时。

2.2 第三方增强：virtualenv

virtualenv是一个历史更悠久的第三方工具，在venv出现之前，它是事实上的标准。

优点：

  1. 支持更旧的Python版本：可以支持到Python 2.7。
  2. 功能更丰富：提供更多命令行参数，例如--always-copy（总是复制文件而非符号链接，在某些共享文件系统上更稳定）、--no-setuptools（不安装setuptools）等。
  3. 在某些边缘情况下更可靠：经过更长时间的战斗测试。

缺点：

  1. 需要额外安装：pip install virtualenv。
  2. 对于Python 3.3+用户来说，优势不明显：venv已经能满足90%的需求。

适用场景：需要支持Python 2.7的老项目；或者需要virtualenv特有参数的高级用户。

2.3 科学计算全家桶：conda (Anaconda/Miniconda)

conda不仅仅是一个虚拟环境管理器，它更是一个跨平台的包管理和环境管理系统。它来自Anaconda发行版。

优点：

  1. 可以管理Python版本本身：这是它和venv/virtualenv最大的不同。你可以用conda create -n myenv python=3.8直接创建一个Python 3.8的环境，即使你系统里没装3.8，conda会帮你下载安装。
  2. 强大的非Python包管理：可以安装像numpy,pandas,tensorflow这类包含C扩展的科学计算包，并能自动处理它们复杂的二进制依赖关系（这是pip的痛点）。
  3. 多语言支持：理论上可以管理R、Java等其他语言的环境。

缺点：

  1. 庞大：完整的Anaconda安装包有几个G。
  2. 可能“污染”环境：它的路径配置比较“强势”，有时会和系统Python或其他工具冲突。
  3. 包更新可能稍慢：相比PyPI，conda-forge频道的包更新可能有延迟。

适用场景：数据科学、机器学习、科学计算领域；需要频繁切换不同Python版本（如同时维护3.7, 3.8, 3.9项目）；需要安装复杂二进制依赖（如带CUDA的PyTorch）。

我的选择建议：对于纯粹的Python应用开发、Web后端、自动化脚本等，优先使用venv，简单纯粹。如果你是数据科学从业者，或者项目严重依赖那些用pip安装起来很麻烦的科学包，选择conda。virtualenv可以作为venv的一个功能补充备选。

3. 实战：在任意目录创建虚拟环境（以venv为例）

理论说完了，我们上手操作。这里以最常用的venv为例，目标是：在D:\my_venvs目录下，为一个名为demo_project的项目创建虚拟环境，环境文件夹名叫venv_demo。

3.1 基础命令与路径解析

核心命令就一行：

python -m venv /path/to/your/virtualenv

关键在于理解/path/to/your/virtualenv。这是一个目标路径参数，它告诉venv：“请在这个位置创建虚拟环境文件夹。”

所以，针对我们的目标，操作如下：

  1. 打开命令行终端（CMD, PowerShell, 或者你喜欢的终端）。
  2. 执行创建命令：
    # 在Windows上 python -m venv D:\my_venvs\venv_demo # 在Linux/macOS上 python3 -m venv /home/username/my_venvs/venv_demo
    注意：Linux/macOS上，命令通常是python3。如果你系统里python命令默认指向Python 3，也可以用python。

命令执行后发生了什么？venv会在D:\my_venvs目录下创建一个名为venv_demo的文件夹。这个文件夹里包含了一个完整的、独立的Python环境：

  • Scripts\(Windows) 或bin/(Linux/macOS)： 存放可执行文件，包括python,pip，以及激活脚本。
  • Lib\(Windows) 或lib/python3.x/site-packages/(Linux/macOS)： 存放所有通过pip安装的第三方包。
  • pyvenv.cfg： 一个配置文件，记录了创建此环境时使用的Python解释器路径等基本信息。

3.2 激活虚拟环境

创建好之后，它只是一个孤立的文件夹。要使用它，必须“激活”。

Windows (CMD/PowerShell):

# 在CMD中 D:\my_venvs\venv_demo\Scripts\activate.bat # 在PowerShell中（可能需要先修改执行策略） D:\my_venvs\venv_demo\Scripts\Activate.ps1

激活后，你的命令行提示符通常会发生变化，前面会多出(venv_demo)的字样，这表明你当前正处在这个虚拟环境中。之后所有python和pip命令，都会指向这个环境下的版本。

Linux/macOS (bash/zsh):

source /home/username/my_venvs/venv_demo/bin/activate

同样，激活后提示符会变化。

停用虚拟环境：在任何系统下，在激活的环境中直接输入deactivate命令即可退出。

3.3 验证与使用

激活后，做两个快速验证：

  1. 检查Python解释器路径：
    which python # Linux/macOS where python # Windows
    输出应该指向你刚创建的虚拟环境目录下的python可执行文件。
  2. 检查pip列表：
    pip list
    在一个全新的虚拟环境里，通常只有pip,setuptools,wheel这几个基础包，非常干净。

现在，你就可以在这个环境里为你的demo_project安装专属依赖了，比如pip install django==3.2.5，完全不用担心影响其他项目。

4. 高级技巧与避坑指南

掌握了基础操作，下面这些经验能让你用得更顺手，少踩80%的坑。

4.1 使用--prompt自定义提示符

当你有多个虚拟环境时，仅靠路径名可能不好区分。venv提供了--prompt参数，让你自定义激活后的提示符前缀。

python -m venv D:\my_venvs\venv_demo --prompt “Demo_Project”

激活后，你的提示符会变成(Demo_Project) C:\Users\...，一目了然。

4.2 创建“干净”或“链接”环境

venv创建环境时，默认会尝试使用符号链接（symlinks）来指向系统Python的标准库，以节省空间和创建时间。但在某些网络文件系统或Windows的某些配置下，符号链接可能有问题。

  • --copies： 强制使用复制文件的方式，而不是创建符号链接。这样创建的环境更“干净”独立，但体积稍大，创建稍慢。
    python -m venv D:\my_venvs\venv_demo --copies
  • --symlinks： 明确指定使用符号链接（默认行为）。在支持符号链接的系统上，这是更高效的方式。

实操心得：在Windows上，如果遇到虚拟环境激活后运行Python报一些奇怪的权限或路径错误，可以尝试加上--copies参数重新创建环境，这能解决大部分因符号链接引起的问题。

4.3 在VSCode中指定虚拟环境解释器

这是很多人的痛点。你创建了虚拟环境，但在VSCode里运行代码，用的还是系统Python。

正确配置步骤：

  1. 在VSCode中打开你的项目文件夹（比如D:\projects\demo_project）。
  2. 按下Ctrl+Shift+P(Windows/Linux) 或Cmd+Shift+P(macOS)，打开命令面板。
  3. 输入并选择“Python: Select Interpreter”。
  4. 在弹出的列表中，VSCode会自动扫描常见的虚拟环境位置。如果你在任意目录创建的环境没被扫描到，选择列表最下方的“Enter interpreter path...”。
  5. 点击“Find...”，然后手动导航到你创建的虚拟环境文件夹，选择里面的python可执行文件（Windows上是python.exe，通常在Scripts子目录下；Linux/macOS是bin/python）。
  6. 选择后，VSCode左下角的状态栏会显示当前使用的Python解释器，已经变成了你的虚拟环境路径（如Python 3.9.7 (‘venv_demo’: venv)）。

关键点：VSCode是通过.vscode/settings.json文件来记录项目级设置的。完成上述操作后，它会在这个文件里添加类似下面的配置：

{ "python.defaultInterpreterPath": "D:\\my_venvs\\venv_demo\\Scripts\\python.exe" }

这样，每次打开这个项目，VSCode都会自动使用你指定的虚拟环境。

4.4 虚拟环境的迁移与复用

虚拟环境文件夹（如venv_demo）是不能直接复制到另一台电脑或另一个位置就用的，因为里面的pyvenv.cfg和可执行文件中的路径信息是硬编码的。

正确的迁移方式：

  1. 在原环境中，生成依赖清单：
    pip freeze > requirements.txt
    这个requirements.txt文件记录了所有包及其精确版本。
  2. 将你的项目代码和这个requirements.txt文件拷贝到新位置。
  3. 在新位置，用venv创建一个新的虚拟环境。
  4. 激活新环境，安装依赖：
    pip install -r requirements.txt

这才是跨环境复现的正确姿势。

4.5 清理与删除虚拟环境

删除虚拟环境非常简单粗暴：直接删除整个虚拟环境文件夹即可。因为它是完全自包含的，删除文件夹就等于移除了整个环境，不会在系统留下任何残留（除了你项目目录下的requirements.txt）。这也是虚拟环境隔离性好的一个体现。

# 在文件管理器里直接删除，或者用命令行 rm -rf /home/username/my_venvs/venv_demo # Linux/macOS rd /s /q D:\my_venvs\venv_demo # Windows CMD

5. 常见问题排查实录

即使按照步骤操作，也可能会遇到问题。这里记录几个最常见的情况和解决方法。

5.1 创建虚拟环境时报错：“Error: [Errno 2] No such file or directory”

问题描述：执行python -m venv myenv后，提示找不到文件或目录。可能原因与解决：

  1. 路径不存在：你指定的目标路径的父目录不存在。比如你想创建D:\code\project\venv，但D:\code\project这个目录还不存在。解决：先创建父目录。
  2. 权限不足：在Linux/macOS上，试图在/usr/local等系统目录下创建环境而没有sudo权限。解决：在用户家目录或有写权限的目录下创建。
  3. Python模块问题：极少数情况下，Python安装不完整，缺少venv模块（多见于从源码编译安装时）。解决：确保使用标准安装包，或尝试安装python3-venv包（Ubuntu/Debian:sudo apt install python3-venv）。

5.2 激活环境后，python/pip命令未找到或报错

问题描述：在Windows上执行了activate.bat，提示符变了，但运行python或pip时提示“不是内部或外部命令”。可能原因与解决：

  1. 激活脚本路径错误：你可能没有在虚拟环境的Scripts目录下执行激活命令，或者路径写错了。解决：检查路径，确保指向正确的activate.bat或Activate.ps1。
  2. PowerShell执行策略限制：在PowerShell中，默认执行策略可能阻止脚本运行。解决：以管理员身份打开PowerShell，运行Set-ExecutionPolicy RemoteSigned（选择[A]全是），这允许运行本地脚本。完成后，再重新激活。
  3. 虚拟环境创建不完整：可能在创建过程中被中断。解决：删除该环境文件夹，重新创建。

5.3 在虚拟环境中安装包速度慢或失败

问题描述：pip install卡住或报超时错误。可能原因与解决：

  1. 网络问题：连接PyPI官方源速度慢。解决：使用国内镜像源。在安装时指定：
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
    或者，一劳永逸地配置默认镜像源。在虚拟环境中，创建或修改pip.conf文件：
    • Windows:%APPDATA%\pip\pip.ini
    • Linux/macOS:~/.pip/pip.conf或~/.config/pip/pip.conf内容如下：
    [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn
  2. 包依赖冲突：要安装的包与现有包版本不兼容。解决：仔细阅读错误信息，尝试先升级pip和setuptools：pip install --upgrade pip setuptools wheel。如果冲突复杂，可以考虑使用pipenv或poetry这类更高级的依赖管理工具。

5.4 虚拟环境占用空间过大

问题描述：一个简单的项目，虚拟环境文件夹有好几百MB甚至上GB。可能原因与解决：

  1. 安装了大型科学计算包：如numpy,pandas,tensorflow，它们本身带有大量的二进制文件和依赖。解决：这是正常现象。如果磁盘空间紧张，可以考虑使用conda，它有时能通过共享包缓存来优化空间，或者只安装项目真正需要的、最小版本的包。
  2. --copies参数的影响：使用--copies会复制文件，比默认的符号链接占用更多空间。解决：如果空间敏感且系统支持符号链接，可以尝试不使用--copies参数。
  3. 缓存文件：pip的缓存和编译产生的__pycache__目录也会占空间。解决：可以定期清理pip cache：pip cache purge。但注意，清理缓存后，下次安装包需要重新下载。

掌握了从创建、激活、使用到排错的全流程，你现在已经可以游刃有余地在任何目录、为任何项目搭建专属的Python工作空间了。虚拟环境是Python开发中最基础也最重要的工程实践之一，花时间熟悉它，能为你后续的项目管理省下无数麻烦。