Python 虚拟环境实战：venv与 conda到底该用哪个

一、为什么一定要虚拟环境

Python 的包是全局安装的。如果你 A 项目要 requests==2.25，B 项目要 requests==2.31，装一起就冲突，最后谁都跑不起来。

虚拟环境就是给每个项目开一个独立的"依赖小房间"，互不干扰。这是 Python 开发的基本功，没有例外。

二、venv：Python 自带的轻量方案

venv 是 Python 3.3+ 内置的，不用额外装，最轻量。

# 在项目目录创建名为 .venv 的虚拟环境
python -m venv .venv

# 激活（Linux / macOS）
source .venv/bin/activate

# 激活（Windows，PowerShell）
.venv\Scripts\Activate.ps1

# 激活后，pip 装的包只进这个环境
pip install requests==2.31.0

# 退出环境
deactivate

激活后命令行前面会出现 (.venv) 前缀，提醒你"现在在这个房间里"。

三、conda：不止 Python 的环境管理器

conda（来自 Anaconda / Miniconda）更强的地方在于：它能管非 Python 的依赖，比如 CUDA、C++ 库、R 语言包。做数据科学、机器学习的同学基本离不开它。

# 创建环境并指定 Python 版本
conda create -n myenv python=3.11

# 激活
conda activate myenv

# 安装（conda 渠道没有的，也可以走 pip）
conda install numpy
pip install some-pure-python-lib

# 退出
conda deactivate

# 导出环境，方便别人复现
conda env export > environment.yml

四、怎么选：一张表说清

我的经验法则：

• 写 Web 服务、小工具、后端接口 → venv 足够，别折腾 conda，简单干净。
• 搞机器学习、要装 PyTorch 且依赖特定 CUDA → conda 更省心，它帮你把底层依赖一起对齐。
• 团队项目 → 记得把环境文件（requirements.txt 或 environment.yml）提交进 Git，别人 pip install -r / conda env create 一键复现。

五、新手常踩的坑

• 忘了激活就装包：装完发现全局还是项目都跑不了，多半是没 activate，包装到了全局。
• Windows 激活失败：PowerShell 默认禁止脚本执行，报"无法加载，因为禁止运行脚本"，需要先 Set-ExecutionPolicy -Scope CurrentUser RemoteSigned，或用 cmd 里的 .\.venv\Scripts\activate.bat。
• 把环境目录提交了 Git：.venv/ 或 conda 环境目录别传仓库，用 .gitignore 忽略，只传 requirements.txt。
• conda 里又用 pip 装了一堆：可以混用，但建议 conda 装不下的才用 pip，且先 conda 后 pip，避免依赖树打架。

六、小结

虚拟环境不是可选项，是必选项。普通开发用 venv 足够轻快；数据/ML 场景用 conda 省去底层依赖的麻烦。记住两条：每个项目一个环境 + 环境文件进 Git，基本上就不会再遇到"在我机器上能跑"的尴尬了。