第4章 版本管理工具
22 分钟阅读
第四章：Python 版本管理器 —— 让 Python 学会「影分身术」
💡 前置知识：本章节会用到一点终端/命令行的概念，如果你还不知道终端是什么，建议先翻到附录看看"终端入门"。
章节难度：⭐⭐ ☆☆☆（适中）
预计阅读时间：25~35 分钟
想象一下这个场景：
你同时维护三个项目：
- 项目 A 用的是 Django 2.2，只支持 Python 3.6
- 项目 B 是个新潮的 AI 项目，必须用 Python 3.12
- 项目 C 是个祖传项目，Python 3.8，跑得好好的不敢动
然后有一天，你的 macOS 系统更新了，系统自带的 Python 从 3.9 变成了 3.11，你的老项目突然跑不起来了……
恭喜你，你进入了 Python 版本地狱。🤯
这一章，我们就是来学习怎么从地狱爬出来的。工具包括：pyenv、pyenv-win、uv、conda、py.exe、asdf。每个工具都有它的独门绝技，让我们一个一个来认识。
4.1 为什么需要 Python 版本管理器
4.1.1 不同项目依赖不同 Python 版本
Python 就像一个操作系统的「租客」—— 操作系统本身只提供一个「空房子」（也就是系统自带的 Python），但不同的项目需要不同「装修风格」的 Python。
举个例子：
| 项目 | 需要的 Python 版本 | 原因 |
|---|---|---|
| 老旧运维脚本 | Python 3.6 | 稳定，不敢升级 |
| Web 后端项目 | Python 3.10 | Django 4.2 LTS 要求 |
| AI/ML 项目 | Python 3.12 | 需要新特性，NumPy 也要新版 |
| 尝鲜项目 | Python 3.13 | 就是想玩最新版 |
如果你的电脑只能装 一个 Python 版本，那你每次切换项目都得重新安装/卸载 Python——这比搬家还麻烦。
版本管理器的作用就是：在一台机器上同时安装多个 Python 版本，想用哪个用哪个，一键切换。
4.1.2 系统 Python 与项目 Python 隔离
系统 Python（System Python）是操作系统自带的 Python。比如：
- macOS 自带 Python 2.7（别问为什么，问就是历史遗留）
- Ubuntu/Debian 通常自带一个 Python 3.x
- Windows 商店里可能有一个 Python
⚠️ 重要警告：永远不要用 pip 安装包到系统 Python！
为什么？因为：
- 权限问题：系统目录需要管理员权限，普通用户往里安装东西容易出权限错误
- 污染环境：你安装的包会影响系统工具（比如某些 Linux 发行版依赖系统自带的 Python 来运行系统工具）
- 版本冲突：系统工具可能依赖某个特定版本的包，你一升级，全系统一起崩溃
正确的做法：每个项目用自己独立的 Python 环境，版本管理器帮你隔离。
4.1.3 快速切换版本的场景
你可能会想：“我又不做那么多项目，干嘛要切换？”
好吧，让我给你列举几个真实场景：
场景 1：调试兼容性 bug 你的用户报告说在 Python 3.8 上运行报错，但你本地是 3.12，用版本管理器切到 3.8 分分钟复现问题。
场景 2：测试你的代码在不同版本下的表现 你想确认你的代码从 3.8 到 3.12 都能跑，版本管理器一键切换测试。
场景 3：临时用一下新版本 Python 3.13 发布了大新闻，你想赶紧试试新特性，但又不想污染现有环境。
场景 4：给同事演示 你发现了一个 Python 3.11 才有的语法糖，想给还在用 3.9 的同事展示……
版本管理器就是 Python 界的「任意门」，想去哪个版本就去哪个版本。
4.1.4 避免 pip 安装到系统目录
这个问题太重要了，值得单独讲一讲。
当你运行：
| |
pip 默认会往系统 Python 的 site-packages 目录里安装。这个目录通常长这样：
- Linux/macOS:
/usr/lib/python3.x/site-packages/ - Windows:
C:\Python312\lib\site-packages\
往这里安装包会遇到各种问题：
- Permission Denied（权限被拒绝）—— 普通用户没权限写系统目录
- 破坏系统依赖—— 你升级了某个系统依赖，系统工具炸了
- 版本冲突—— 项目 A 需要 requests 2.25，项目 B 需要 requests 2.30，矛盾！
解决方案：使用版本管理器创建虚拟环境，每个项目有自己独立的「包宇宙」，互不干扰。
一句话总结：pip 是包管理器，但不是环境管理器。想既管理 Python 版本又管理包，请用版本管理器/虚拟环境工具。
4.2 pyenv：Linux/macOS 最流行
4.2.1 pyenv 是什么，它能做什么
pyenv 是一个开源的 Python 版本管理器，专门为 Linux 和 macOS 设计。它的核心理念是：
「让每个项目使用自己想要的 Python 版本，互不干扰，世界和平。」
pyenv 的超能力包括：
- 🌍 安装任意 Python 版本：CPython（官方版本）、PyPy、Anaconda、Miniconda……都能装
- 🔄 版本切换：全局、项目级、shell 级，三种切换方式
- 🛡️ 完全隔离：不污染系统 Python
- 📦 配合 pyenv-virtualenv：还能管理虚拟环境
pyenv 工作原理（简单科普）：
pyenv 会拦截你的 python 命令调用。它通过修改 PATH 环境变量，把自己管理的 Python 版本「插入」到系统 Python 前面。当你输入 python 时，实际运行的是 pyenv 选择的版本。
这个原理你不需要背，但知道一下有助于理解为什么它能工作。
4.2.2 pyenv 安装（macOS via Homebrew）
macOS 上最简单的方式是用 Homebrew（ macOS 著名的包管理器）安装。
4.2.2.1 brew install pyenv
打开你的终端，输入：
| |
Homebrew 会自动下载并安装 pyenv。安装完成后，你啥也看不到——因为它只是一个命令行工具，没有图形界面。
🎉 恭喜：你刚安装了一个「无形的 Python 版本管家」！
4.2.2.2 安装后配置 .zshrc / .bashrc
安装完了还不够，你得告诉你的终端「每次打开时自动启用 pyenv」。
首先，判断你用的是什么 shell：
| |
然后，根据你的 shell 编辑配置文件：
对于 zsh（推荐）：
| |
在文件末尾添加以下内容：
| |
对于 bash：
| |
添加：
| |
💡 nano 编辑器小提示：编辑完成后，按
Ctrl + O保存，Ctrl + X退出。
4.2.2.3 source 配置文件
配置写好了，但当前 shell 还没生效。输入：
| |
或者干脆关闭终端再重新打开，效果一样。
验证安装成功：
| |
如果显示了版本号，恭喜！pyenv 已经就位了！🎊
4.2.3 pyenv 安装（Ubuntu / Debian via GitHub）
如果你用的是 Linux（Ubuntu、Debian 等），可以用 GitHub 克隆的方式安装。
4.2.3.1 GitHub 克隆安装
| |
这会在你的 ~/.pyenv 目录下创建 pyenv 的代码仓库。
4.2.3.2 配置环境变量
编辑你的 shell 配置文件（通常是 ~/.bashrc 或 ~/.zshrc）：
| |
在末尾添加：
| |
保存退出。
4.2.3.3 安装 pyenv-doctor 检查
pyenv 官方提供了一个检测脚本 pyenv-doctor，可以检查你的系统是否满足 pyenv 的依赖要求。
| |
然后运行：
| |
它会扫描你的系统，告诉你缺了什么依赖、什么配置不对。就像一个「Python 环境体检报告」。
🩺 小贴士：如果报告里出现红色的警告，不用太慌，但最好按建议安装对应的包。
4.2.4 编译依赖安装（必须先装！）
⚠️ 重点警告：在安装 Python 之前，你必须先安装编译依赖！否则 pyenv 会下载 Python 源码但编译失败，你将得到一堆看不懂的错误信息。
pyenv 从源码安装 Python，所以需要 C 编译器等工具。
4.2.4.1 macOS 需要安装的依赖
macOS 用户用 Homebrew 安装即可：
| |
🐧 解释：这些都是 Python 编译和运行时需要的依赖库。比如
openssl用于 HTTPS 请求，zlib用于压缩，tcl-tk用于 Tkinter（GUI 库）。
安装完可能还需要配置：
| |
4.2.4.2 Ubuntu/Debian 需要安装的依赖
Ubuntu/Debian 用户用 apt 安装：
| |
🐧 解释：
build-essential：GCC 编译器等基础构建工具libssl-dev：OpenSSL 开发库（用于 HTTPS）zlib1g-dev：zlib 压缩库tk-dev：Tkinter 图形库- 剩下的都是各种 Python 依赖库的_headers
Debian 12+ 用户额外注意：
| |
4.2.5 使用 pyenv 安装 Python
好了，依赖装好了，现在开始安装 Python！
4.2.5.1 pyenv install –list（查看可安装版本）
| |
这个命令会列出 pyenv 支持安装的所有 Python 版本。输出会很长（几百个），包含：
- 官方 CPython 版本：如
3.8.19、3.9.19、3.10.14、3.11.9、3.12.3、3.13.0等 - PyPy 版本：如
pypy3.10-7.3.16 - Anaconda/Miniconda 版本：如
anaconda3-2024.02-1 - 其他：如
mypy-0.982等
🔍 小技巧：列表太长了，可以用
grep过滤：
1 2pyenv install --list | grep " 3.12" # 只显示 3.12 相关的版本
4.2.5.2 pyenv install 3.12.3（安装指定版本）
选择一个版本，开始安装：
| |
pyenv 会：
- 从 python.org 下载指定版本的源码（.tar.xz 包）
- 解压到
~/.pyenv/cache/（如果你提前放进去，它就用缓存） - 编译（这可能需要几分钟，取决于你的电脑性能）
- 安装到
~/.pyenv/versions/
⏳ 等多久？：首次安装可能需要 3~10 分钟。如果太慢，可以把源码提前下载到
~/.pyenv/cache/目录，pyenv 会自动使用。
安装多个版本：
| |
现在你有四个 Python 版本了，想用哪个用哪个！
4.2.5.3 安装位置：~/.pyenv/versions/
所有通过 pyenv 安装的 Python 版本都放在：
~/.pyenv/versions/
目录结构是这样的：
~/.pyenv/versions/
├── 3.8.19/ # Python 3.8.19
│ ├── bin/ # 可执行文件：python3.8, pip3.8 等
│ ├── include/ # 头文件
│ ├── lib/ # 标准库
│ └── share/ # 文档、man pages
├── 3.10.14/ # Python 3.10.14
│ └── ...
├── 3.12.3/ # Python 3.12.3
│ └── ...
└── 3.13.0/ # Python 3.13.0
└── ...
每个版本都是完全独立的「小宇宙」，互不干扰。
4.2.6 pyenv 版本切换
pyenv 提供了三种版本切换方式，适合不同的使用场景。
4.2.6.1 pyenv global 3.12.3（全局版本）
设置系统全局默认使用的 Python 版本：
| |
之后你在任何地方输入 python，默认都会用 3.12.3。
⚠️ 注意：
global影响整个系统（当前用户），但不建议用global来管理项目级别的 Python，否则换项目时还得重新设置。
查看全局版本：
| |
撤销全局设置（恢复系统 Python）：
| |
4.2.6.2 pyenv local 3.10.14（项目本地版本，创建 .python-version）
在当前目录创建一个 .python-version 文件，记录版本号：
| |
这会在当前目录生成一个 .python-version 文件：
| |
以后只要你在这个目录下（或子目录），pyenv 自动使用 3.10.14。
🎯 推荐方式：项目级版本管理用
local，这是最常见的方式。
撤销本地设置：
| |
4.2.6.3 pyenv shell 3.13.0（当前 shell 会话）
只影响当前终端窗口/会话，退出窗口就没了：
| |
这会设置一个 PYENV_VERSION 环境变量，只在当前 shell 生效。
撤销 shell 设置：
| |
4.2.6.4 pyenv versions（查看已安装版本）
查看 pyenv 已经安装的所有 Python 版本：
| |
输出类似：
system
* 3.8.19 (set by /Users/xxx/.pyenv/version)
3.10.14
3.12.3
3.13.0
解释：
system：系统自带的 Python*：当前激活的版本(set by ...)：说明这个版本是通过什么方式激活的（文件路径或环境变量）
优先级规则（从高到低）：
pyenv shell (环境变量 PYENV_VERSION)
↓
.pyenv-version 文件（当前目录往上查找）
↓
.pyenv/version 文件（当前目录的 .python-version）
↓
pyenv global 全局设置
↓
system（系统 Python）
4.2.7 .python-version 文件的作用
4.2.7.1 自动切换原理
当你输入 python 命令时，pyenv 的工作流程是这样的：
flowchart TD
A["输入 python 命令"] --> B["pyenv 拦截命令"]
B --> C["从当前目录向上查找 .python-version 文件"]
C --> D{找到 .python-version？}
D -->|是| E["读取文件中的版本号"]
D -->|否| F["检查 PYENV_VERSION 环境变量"]
F --> G{有设置？}
E --> H["切换到对应版本"]
G -->|是| H
G -->|否| I["检查 pyenv global 设置"]
I --> J["切换到全局版本"]
J --> K["执行 python"]
H --> K也就是说：只要目录里有 .python-version 文件，pyenv 自动切换到指定版本，你不需要手动做任何事情。
4.2.7.2 放到 Git 中实现团队统一版本
把 .python-version 文件提交到 Git，团队成员 clone 后自动使用统一版本！
| |
现在团队里的小李、小王、小张 clone 这个仓库后，运行 python 时都会自动使用 3.10.14，版本统一，天下太平！🕊️
💡 最佳实践：在
.gitignore中忽略venv/、__pycache__/等虚拟环境和缓存目录，但保留.python-version。
4.2.8 pyenv-virtualenv 插件
pyenv 本身只管理 Python 版本，不管理虚拟环境。如果你想要类似「每个项目有自己独立的包」的功能，需要安装 pyenv-virtualenv 插件。
4.2.8.1 安装插件
| |
4.2.8.2 配置初始化
在 ~/.zshrc 或 ~/.bashrc 中添加：
| |
然后 source 配置文件：
| |
4.2.8.3 创建虚拟环境
| |
这会在 $(pyenv root)/versions/ 下创建一个 myproject 目录，里面是一个独立的 Python 环境。
4.2.8.4 激活与停用
激活虚拟环境：
| |
激活后，你的终端会显示类似 (myproject) 的前缀，表示你在虚拟环境里。
停用虚拟环境：
| |
其他常用命令：
| |
4.3 pyenv-windows：Windows 上的 pyenv
4.3.1 安装 pyenv-win
pyenv 原本不支持 Windows，但有人开发了 pyenv-win——pyenv 的 Windows 版本。
⚠️ 重要：pyenv-win 只管理 Python 版本，不支持 pyenv-virtualenv。Windows 上管理虚拟环境建议用 venv、virtualenv 或 uv。
4.3.1.1 PowerShell 安装方式
打开 PowerShell（以管理员身份运行），输入：
| |
💡 pipx 是什么？：pipx 是一个专门用来安装 Python 命令行工具的工具，它可以隔离安装，避免污染系统环境。
4.3.1.2 解压配置
如果你下载了 release 包（.zip），解压到你想存放 pyenv 的目录（不要放在 C:\Windows 下！），然后手动设置环境变量：
| |
将 C:\Tools\pyenv-win\bin 和 C:\Tools\pyenv-win\shims 添加到 PATH。
4.3.2 pyenv-win 命令
pyenv-win 的命令和 pyenv 几乎一样，但前面可能需要加 pyenv 或直接用。
4.3.2.1 pyenv install –list
| |
列出所有可安装的 Python 版本。
4.3.2.2 pyenv install 3.12.3
| |
安装指定版本。Windows 上 pyenv-win 通常下载的是预编译的安装包（.exe），比从源码编译快很多。
4.3.2.3 pyenv global 3.12.3
| |
设置全局默认 Python 版本。
其他常用命令：
| |
4.3.3 与 py.exe（Python Launcher）的区别
4.3.3.1 Python Launcher 是 Windows 自带的
py.exe 是 Windows 自带的 Python 版本启动器，安装 Python 时自动带上。它位于 C:\Windows\py.exe。
4.3.3.2 pyenv-win 是第三方版本管理器
| 对比项 | py.exe | pyenv-win |
|---|---|---|
| 来源 | Windows 自带 | 第三方开源 |
| 安装 | Python 安装时自带 | 需要手动安装 |
| 功能 | 简单版本选择 | 完整版本管理 |
| 虚拟环境 | 不支持 | 不支持（但可配合其他工具） |
| 适用场景 | 临时运行不同版本 | 日常版本管理 |
💡 建议：Windows 用户可以同时安装两者——py.exe 用于临时运行脚本指定版本，pyenv-win 用于日常版本管理。
4.4 uv：2024 年最火爆的 Python 包管理器
4.4.1 uv 是什么
uv 是 2023~2024 年 Python 生态最火爆的工具没有之一。它是一个用 Rust 编写的极速 Python 包管理器。
4.4.1.1 Rust 编写，极速（比 pip 快 10~100 倍）
uv 的核心卖点就是快！它的安装和包解析速度比 pip 快 10~100 倍，原因是：
- Rust 编写：编译型语言，执行效率极高
- 并行下载：同时下载多个包
- 高效解析：依赖解析算法优化
- 全局缓存：已下载的包复用，不重复下载
🚀 实际感受：用 uv 安装一个中等规模的项目（50+ 包），可能只需要 5
10 秒，而用 pip 可能要 13 分钟。
4.4.1.2 同时管理 Python 版本和虚拟环境
uv 不仅仅是一个包管理器，它是全能选手：
- 📦 包管理：安装、升级、卸载 Python 包（替代 pip）
- 🐍 版本管理：安装和管理不同 Python 版本（替代 pyenv）
- 🌿 虚拟环境：创建和管理虚拟环境（替代 venv）
一个工具，三种功能！这也是它爆火的原因之一。
4.4.1.3 作者：astral-sh 团队
uv 由 Astral 团队开发，这个团队还开发了著名的 ** ruff**（超快的 Python linter）和 uv 本身。Astral 致力于打造极致的 Python 开发工具。
4.4.2 uv 安装
4.4.2.1 macOS/Linux 安装方式
| |
或者用 Homebrew：
| |
4.4.2.2 Windows 安装方式
PowerShell：
| |
或者用 pip：
| |
4.4.2.3 验证：uv –version
| |
4.4.3 使用 uv 安装 Python
uv 自带 Python 版本管理功能，不需要额外安装 pyenv！
4.4.3.1 uv python install（最新稳定版）
| |
这会安装最新的稳定版 Python（通常是 3.12.x 或 3.13.x）。
4.4.3.2 uv python install 3.12
| |
安装 Python 3.12（会自动选择最新的 3.12 子版本，如 3.12.3）。
| |
4.4.3.3 uv python list（列出已安装版本）
| |
输出类似：
cpython-3.12.3+freebsd-x86_64 /Users/xxx/.local/share/uv/python/cpython-3.12.3+freebsd-x86_64/bin/python3.12
cpython-3.13.0+freethreaded-x86_64 /Users/xxx/.local/share/uv/python/cpython-3.13.0+freethreaded-x86_64/bin/python3.13
cpython-3.10.14-linux-x86_64 /Users/xxx/.local/share/uv/python/cpython-3.10.14-linux-x86_64/bin/python3.10
4.4.3.4 uv python pin 3.12（固定版本）
在项目目录中固定 Python 版本：
| |
这会在项目目录创建一个 .python-version 文件（与 pyenv 兼容！）：
| |
4.4.4 使用 uv 创建虚拟环境
uv 创建虚拟环境既快又简单。
4.4.4.1 uv venv（创建 .venv）
| |
默认使用当前 pyenv/uv 激活的 Python 版本。
4.4.4.2 uv venv myenv –python 3.12
创建一个叫 myenv 的虚拟环境，使用 Python 3.12：
| |
4.4.4.3 uv venv .venv –python python3.13
创建一个标准的 .venv 目录，使用 Python 3.13：
| |
激活虚拟环境：
| |
停用：
| |
4.4.5 uv 管理依赖
uv 的 pip 子命令可以替代 pip 使用。
4.4.5.1 uv pip install requests
| |
比 pip 快了不止一点点！
4.4.5.2 uv pip install -r requirements.txt
| |
批量安装依赖，秒完！
4.4.5.3 uv pip freeze 导出依赖
| |
重定向到文件：
| |
4.4.6 uv vs pip vs poetry 性能对比
| 指标 | pip | poetry | uv |
|---|---|---|---|
| 安装速度 | 慢 | 慢 | ⚡ 极快 |
| 依赖解析 | 一般 | 好 | 很好 |
| 锁文件 | 无 | pyproject.toml | uv.lock |
| Python 版本管理 | 无 | 无 | ✅ |
| 虚拟环境管理 | 无 | ✅ | ✅ |
| 学习曲线 | 低 | 中 | 低 |
🎯 结论：uv 可以完全替代 pip，速度碾压；配合 pyproject.toml 也能替代 poetry，但生态还在发展中。
4.4.7 uv 运行脚本
uv 最酷的功能之一：可以直接运行脚本，无需手动创建环境。
4.4.7.1 uv run –python 3.12 python script.py
| |
uv 会：
- 自动下载 Python 3.12（如果还没有）
- 创建一个临时的虚拟环境
- 运行脚本
- 清理临时环境（可选）
4.4.7.2 uv run pytest（自动创建临时环境）
| |
如果项目有 pyproject.toml 或 requirements.txt，uv 会：
- 读取依赖
- 在临时环境中安装
- 运行 pytest
- 完成后保留或清理环境
💡 场景：你在一个没有虚拟环境的项目里，想运行测试，直接
uv run pytest，不用先 activate 环境！
4.5 conda / mamba：数据科学领域
4.5.1 Anaconda、MiniConda、Miniforge 的区别
如果你做数据科学、机器学习、AI，你一定听说过 conda、Anaconda、MiniConda、Miniforge 这些名字。它们到底是什么？有什么区别？
4.5.1.1 Anaconda：完整发行版（包含 250+ 包）
Anaconda 是一个一站式 Python 发行版，预装了大量数据科学常用的库，包括：
- NumPy、Pandas、Matplotlib、Scikit-learn
- Jupyter Notebook、Spyder
- TensorFlow、PyTorch（部分版本）
适合懒人——下载安装完，什么都有了。
⚠️ 缺点：Anaconda 体积巨大（几个 GB），而且预装的很多包你可能永远用不到。
4.5.1.2 MiniConda：最小化 conda 安装
MiniConda 是 Anaconda 的精简版。它只包含：
- conda 本身（包管理器）
- Python
- 一些基础工具（curl、wget 等）
其他包你需要手动 conda install。体积只有几百 MB。
💡 推荐：除非你确定需要 Anaconda 预装的所有东西，否则 MiniConda 是更好的选择。
4.5.1.3 Miniforge：使用 conda-forge 频道的 Miniconda
Miniforge 本质上就是一个 Miniconda，但它默认使用 conda-forge 频道而不是 Anaconda 官方频道。
📖 什么是 conda-forge？：一个社区维护的 conda 包仓库，包的种类比官方多，很多官方没有的包这里有。
三者对比：
| Anaconda | MiniConda | Miniforge | |
|---|---|---|---|
| 体积 | ~3GB+ | ~400MB | ~400MB |
| 预装包 | 250+ | 仅基础 | 仅基础 |
| 默认频道 | Anaconda | Anaconda | conda-forge |
| 免费 | ✅（免费） | ✅（免费） | 免费开源 |
| 适用场景 | 懒人一键配置 | 自定义安装 | 追求新包/开源 |
4.5.2 conda 安装
4.5.2.1 下载安装脚本
去官网下载对应系统的安装脚本：
- MiniConda：https://docs.anaconda.com/miniconda/
- Miniforge：https://github.com/conda-forge/miniforge
或者用命令行下载：
| |
4.5.2.2 运行安装
| |
安装过程：
- 阅读许可证，按
Enter跳过 - 输入
yes接受条款 - 选择安装位置（默认即可）
- 问你是否初始化 conda，输入
yes
安装完成后，重新打开终端或 source 一下，conda 就启用了。
验证安装：
| |
4.5.3 conda 常用命令
conda 有自己的一套命令，和 pip/pyenv 不一样。
4.5.3.1 conda create -n myenv python=3.12
创建一个新环境：
| |
这会创建一个叫 myenv 的环境，使用 Python 3.12。
创建时安装多个包：
| |
4.5.3.2 conda activate myenv
激活环境：
| |
激活后，终端前缀会变成 (myenv)。
⚠️ 旧版 conda：在旧版 conda 中，激活命令是
source activate myenv。新版（conda 4.6+）推荐conda activate。
4.5.3.3 conda deactivate
退出当前环境：
| |
4.5.3.4 conda env list
列出所有环境：
| |
输出：
# conda environments:
#
base /home/xxx/miniconda3
myenv /home/xxx/miniconda3/envs/myenv
data-science /home/xxx/miniconda3/envs/data-science
4.5.3.5 conda env remove -n myenv
删除环境：
| |
其他常用 conda 命令：
| |
4.5.4 conda 环境导出与导入
conda 的环境管理功能非常强大，可以导出/导入环境配置。
4.5.4.1 conda env export > environment.yml
在项目目录中导出当前环境：
| |
生成的 environment.yml 类似：
| |
4.5.4.2 conda env create -f environment.yml
在新机器或新环境中重建：
| |
conda 会根据 environment.yml 创建环境并安装所有依赖，一条命令搞定！
💡 小技巧：把
environment.yml提交到 Git，团队成员就能轻松复现环境了！
4.5.5 mamba：C++ 重写的 conda 加速版
mamba 是 conda 的马甲（雾），实际上是 conda 的 C++ 重写版，专门解决 conda 最大的痛点：慢。
conda 的依赖解析是用 Python 写的，在复杂项目下可能需要几分钟。mamba 用 C++ 重写了核心的依赖解析逻辑，速度提升 10~50 倍！
4.5.5.1 安装 mamba
Miniforge 默认就包含 mamba！如果你是用 Miniforge 安装的，直接就有：
| |
如果不是，用 conda 安装 mamba：
| |
4.5.5.2 mamba install xxx（替代 conda install）
mamba 的命令和 conda 完全兼容，只需要把 conda 换成 mamba：
| |
🚀 实测：在一个有 100+ 依赖的项目中，
conda install花了 3 分 12 秒，mamba install只花了 18 秒。差距就是这么大！
4.6 Python Launcher（py.exe）：Windows 内置
4.6.1 py.exe 是什么
py.exe 是 Windows 自带的 Python 启动器，只要你从 python.org 官网安装了 Python，就自动有了。
4.6.1.1 Windows 安装 Python 时自动安装
安装 Python 时，py.exe 会被自动安装到 C:\Windows\py.exe。你不需要额外做任何事。
4.6.1.2 位于：C:\Windows\py.exe
打开命令提示符（CMD）或 PowerShell，输入：
| |
4.6.2 py.exe 基本用法
4.6.2.1 py –list（列出所有已安装版本）
| |
输出类似：
Installed Pythons:
3.13 (64-bit) *
3.12 (64-bit)
3.10 (64-bit)
💡 星号表示默认版本。
4.6.2.2 py -3.12 script.py（运行指定版本）
| |
4.6.2.3 py -3.12 -m pip install xxx
用指定版本 Python 的 pip 安装包：
| |
💡 小技巧：如果你同时装了多个 Python 版本，用
py -3.x -m pip比直接用pip更安全，可以避免包安装到错误的 Python 版本。
4.6.3 shebang 行在 Windows 的支持
4.6.3.1 #! python3 在 Windows 的行为
在 Linux/macOS 上，脚本第一行的 #!/usr/bin/env python3 叫 shebang（读作 “sharp bang”，也叫 hash-bang），告诉系统用哪个解释器运行脚本。
在 Windows 上，py.exe 支持类似的功能！如果你在脚本第一行写：
| |
然后双击或用 py 命令运行，py.exe 会读取 shebang 并使用对应的 Python 版本。
⚠️ 注意：Windows 上 shebang 支持是 py.exe 特有的，不是一般的 Windows 行为。
4.6.3.2 py.ini 配置文件
py.exe 有一个配置文件，可以设置默认行为。在脚本同目录或用户目录（%USERPROFILE%）创建 py.ini：
| |
这样可以自定义 py.exe 的行为。
4.7 asdf：通用版本管理器
4.7.1 asdf 是什么
asdf 是一个通用版本管理器，可以管理多种编程语言的版本。
4.7.1.1 支持多种语言：Python、Node.js、Ruby、Go…
asdf 的核心理念是：一个工具，管理所有语言。只需安装一次 asdf，通过插件支持不同的语言：
- 🐍 Python
- 🟢 Node.js
- 💎 Ruby
- 🔵 Go
- 🦀 Rust
- ☕ Java
- 等等……
4.7.1.2 单工具管理所有语言版本
你不再需要：
- pyenv 管理 Python
- nvm 管理 Node.js
- rbenv 管理 Ruby
- goenv 管理 Go
asdf 一个就搞定！✅
4.7.2 asdf 安装
4.7.2.1 macOS 安装方式
| |
安装完成后，需要添加到 shell 配置。根据你用的 shell：
zsh：
| |
bash：
| |
4.7.2.2 Linux 安装方式
| |
添加到 shell 配置：
bash（~/.bashrc）：
| |
zsh（~/.zshrc）：
| |
4.7.3 asdf Python 插件
4.7.3.1 asdf plugin add python
| |
这会添加 Python 插件，让 asdf 知道怎么管理 Python 版本。
4.7.3.2 asdf install python 3.12.3
| |
安装 Python 3.12.3。asdf 会使用 python-build 来编译安装 Python。
安装最新稳定版：
| |
安装 PyPy：
| |
4.7.3.3 asdf global python 3.12.3
设置全局默认版本：
| |
项目级设置（在项目目录创建 .tool-versions）：
| |
asdf 会在当前目录创建 .tool-versions 文件，类似于 pyenv 的 .python-version：
python 3.10.14
nodejs 20.11.0
其他常用命令：
| |
本章小结
这一章我们学习了 Python 版本管理的各种工具，来做个总结：
工具对比一览
| 工具 | 平台 | 版本管理 | 包管理 | 虚拟环境 | 速度 | 难度 |
|---|---|---|---|---|---|---|
| pyenv | Linux/macOS | ✅ | ❌ | 需插件 | 快 | 中 |
| pyenv-win | Windows | ✅ | ❌ | 需其他工具 | 快 | 中 |
| uv | 全平台 | ✅ | ✅ | ✅ | ⚡极速 | 低 |
| conda | 全平台 | ✅ | ✅ | ✅ | 慢（mamba 快） | 中 |
| py.exe | Windows | ✅ | ❌ | ❌ | - | 低 |
| asdf | 全平台 | ✅（多语言） | ❌ | 需插件 | 快 | 中 |
核心要点
永远不要往系统 Python 装包—— 系统 Python 是系统的，用 pip 安装到系统目录会引发各种问题。
每个项目用独立的 Python 环境—— 版本管理器帮你隔离，切换项目时不会互相影响。
pyenv 是 Linux/macOS 最流行的版本管理器—— 轻量、简单、专门管 Python 版本。
uv 是 2024 年的明星工具—— 一个工具同时搞定 Python 版本管理、包管理和虚拟环境，速度极快。
conda 是数据科学领域的首选—— 自带大量科学计算包，环境管理强大；如果嫌慢，用 mamba 替代。
py.exe 是 Windows 自带的启动器—— 适合临时指定版本，完整版本管理还是用 pyenv-win。
asdf 适合多语言项目—— 如果你同时维护 Python、Node.js、Ruby 等多种语言的项目，asdf 一个就够了。
把
.python-version或environment.yml提交到 Git—— 让团队成员自动使用统一的 Python 版本，避免"在我电脑上能跑"综合症。
🎯 实战建议：日常开发推荐组合：
- Linux/macOS：pyenv + pyenv-virtualenv 或直接用 uv
- Windows：pyenv-win + venv 或直接用 uv
- 数据科学：Miniforge + mamba
- 多语言项目：asdf
学会用版本管理器，你就再也不会陷入"Python 版本地狱"了。切换项目就像翻书页一样轻松！📖✨
← 上一章：第三章：Python 安装指南
→ 下一章：第五章：pip 与包管理