Python包管理工具知识笔记
Python包管理工具是开发过程中不可或缺的利器，它们负责包的下载、安装、更新、依赖管理等核心工作。本文将详细梳理pip、conda、pdm、uv这四个主流包管理工具的关键使用知识，涵盖工具下载、镜像源配置、缓存目录管理、虚拟环境创建、常见命令及适用场景，为Python开发提供清晰的参考。
一、pip——Python官方默认包管理工具
pip是Python的官方包管理工具，轻量且易用，主要用于管理Python Package Index（PyPI）上的包，是Python开发的基础工具之一。
1. 下载对应包管理工具
pip的安装与Python版本紧密关联：
Python 2.7.9+ 及 Python 3.4+ 版本已默认集成pip，无需单独下载，可通过命令
pip --version（Python 2）或pip3 --version（Python 3）验证是否安装及版本信息。若未集成或需升级pip，可通过以下命令安装/升级：
Windows系统：
python -m ensurepip --upgrade（Python 3）或python2 -m ensurepip --upgrade（Python 2）Linux/macOS系统：
python3 -m ensurepip --upgrade（Python 3）或sudo apt-get install python-pip（Ubuntu系统Python 2）
2. 配置下载镜像源
默认PyPI源位于国外，下载速度较慢，配置国内镜像源可显著提升下载效率。常见国内镜像源包括阿里云、清华、豆瓣等。
临时使用镜像源：在安装包时通过
-i参数指定，例如：pip3 install numpy -i https://mirrors.aliyun.com/pypi/simple/永久配置镜像源：
- Windows系统：在用户目录（如C:\Users\用户名）下创建pip文件夹，新建pip.ini文件，写入以下内容：
[global] index-url = https://mirrors.aliyun.com/pypi/simple/ trusted-host = mirrors.aliyun.com- Linux/macOS系统：在用户目录下创建.config/pip文件夹（若不存在），新建pip.conf文件，写入内容与Windows的pip.ini一致。
3. 默认缓存目录及自定义缓存目录
默认缓存目录：pip会缓存下载的包以避免重复下载，不同系统默认路径不同：
Windows：C:\Users\用户名\AppData\Local\pip\Cache
Linux：~/.cache/pip
macOS：~/Library/Caches/pip
可通过命令
pip3 cache dir查看当前系统的具体缓存目录。
自定义缓存目录：通过
--cache-dir参数指定，例如：pip3 install pandas --cache-dir D:\pip_cache，也可在pip配置文件中添加cache-dir = 自定义路径实现永久配置。
4. 创建虚拟环境
pip本身不直接提供虚拟环境创建功能，需结合Python内置的venv模块（Python 3.3+）或第三方工具virtualenv：
使用venv创建（推荐）：
创建虚拟环境：
python3 -m venv 虚拟环境名称（如python3 -m venv myenv）激活虚拟环境：
Windows：
myenv\Scripts\activateLinux/macOS：
source myenv/bin/activate
退出虚拟环境：
deactivate
使用virtualenv创建（需先安装）：
安装virtualenv：
pip3 install virtualenv创建虚拟环境：
virtualenv 虚拟环境名称激活/退出方式与venv一致。
5. 其他常见命令
安装包：
pip3 install 包名（指定版本：pip3 install 包名版本号，如pip3 install requests2.31.0）升级包：
pip3 install --upgrade 包名卸载包：
pip3 uninstall 包名（加-y跳过确认）查看已安装包：
pip3 list（详细信息：pip3 show 包名）导出依赖清单：
pip3 freeze > requirements.txt从依赖清单安装：
pip3 install -r requirements.txt清理缓存：
pip3 cache purge
二、conda——跨语言的包与环境管理工具
可点击移步查看conda如何创建虚拟环境并配置到PyCharm
conda是Anaconda和Miniconda自带的包管理工具，不仅支持Python包，还能管理C/C++、R等其他语言的包，同时具备强大的环境管理能力，在数据科学领域应用广泛。
1. 下载对应包管理工具
conda需通过安装Anaconda或Miniconda获取，Miniconda是精简版（仅含conda和核心依赖），更轻量，推荐日常使用。
下载地址：
Miniconda：https://docs.conda.io/en/latest/miniconda.html（根据系统选择对应版本，如Windows 64位、macOS ARM64等）
Anaconda：https://www.anaconda.com/products/distribution
安装后验证：Windows打开Anaconda Prompt，Linux/macOS打开终端，输入
conda --version，显示版本信息即安装成功。
2. 配置下载镜像源
conda默认源下载速度较慢，配置国内镜像源（如清华源）可优化体验。
临时使用：安装包时通过
-c参数指定源，例如：conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ numpy永久配置：
- Windows：在用户目录（C:\Users\用户名）下找到.condarc文件（若不存在则新建），写入以下内容：
channels:-defaultsshow_channel_urls:truedefault_channels:-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2custom_channels:conda-forge:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudLinux/macOS：操作与Windows一致，.condarc文件位于~/.condarc。
配置后清理索引缓存：
conda clean -i
3. 默认缓存目录及自定义缓存目录
默认缓存目录：conda缓存下载的包和环境文件，默认路径：
Windows：C:\Users\用户名.conda\pkgs 或 C:\ProgramData\Anaconda3\pkgs（系统级）
Linux：~/.conda/pkgs 或 /opt/anaconda3/pkgs（系统级）
macOS：~/.conda/pkgs 或 /Applications/Anaconda3/pkgs（系统级）
通过命令
conda config --show-sources可查看详细配置，其中pkgs_dirs字段即为缓存目录。
自定义缓存目录：通过修改.condarc文件添加pkgs_dirs配置，例如：
pkgs_dirs:-D:\conda_cache\pkgs# Windows自定义路径# - /home/用户名/conda_cache/pkgs # Linux/macOS自定义路径配置后保存，新的缓存将存储到指定路径。4. 创建虚拟环境
conda的核心优势之一是内置虚拟环境管理，操作简洁：
创建虚拟环境：
conda create -n 环境名称 python=版本号（如conda create -n data_env python=3.10，指定Python 3.10版本）激活虚拟环境：
Windows：
conda activate 环境名称Linux/macOS：
source activate 环境名称（conda 4.6+也支持conda activate）
退出虚拟环境：
conda deactivate查看所有环境：
conda env list或conda info --envs删除虚拟环境：
conda env remove -n 环境名称
5. 其他常见命令
安装包：
conda install 包名（指定版本：conda install 包名=版本号，如conda install pandas=2.1.0）升级包：
conda update 包名（升级所有包：conda update --all）卸载包：
conda remove 包名查看环境内已安装包：
conda list导出环境依赖：
conda env export > environment.yml从依赖文件创建环境：
conda env create -f environment.yml清理缓存：
conda clean -p（清理未使用的包）、conda clean -t（清理tar包缓存）
三、pdm——现代Python项目依赖管理工具
可点击查看具体文章
pdm（Python Development Master）是一款新一代的Python包管理工具，基于PEP 621标准，支持锁文件机制，能精准管理项目依赖，同时集成了虚拟环境管理、包发布等功能，适合现代Python项目开发。
1. 下载对应包管理工具
pdm可通过多种方式安装，推荐使用官方推荐的pipx或pip安装：
使用pipx安装（推荐，避免污染全局环境）：
先安装pipx：
pip3 install pipx，并将pipx路径添加到环境变量（Windows需重启终端）安装pdm：
pipx install pdm
使用pip安装：
pip3 install pdm（可能会与全局包产生依赖冲突，不推荐）验证安装：
pdm --version
2. 配置下载镜像源
pdm支持配置PyPI镜像源，可通过命令行或配置文件设置。
临时使用：安装包时通过
--index-url参数指定，例如：pdm add numpy --index-url https://mirrors.aliyun.com/pypi/simple/永久配置：
命令行配置（推荐）：
pdm config pypi.url https://mirrors.aliyun.com/pypi/simple/，设置后所有项目默认使用该源。配置文件修改：pdm的全局配置文件位于~/.config/pdm/config.toml（Linux/macOS）或C:\Users\用户名.config\pdm\config.toml（Windows），在文件中添加：
[pypi] url = "https://mirrors.aliyun.com/pypi/simple/"3. 默认缓存目录及自定义缓存目录
默认缓存目录：pdm缓存下载的包和虚拟环境文件，默认路径遵循系统规范：
Windows：C:\Users\用户名\AppData\Local\pdm\cache
Linux：~/.cache/pdm
macOS：~/Library/Caches/pdm
通过命令
pdm config可查看缓存相关配置，其中cache_dir字段即为缓存目录。
自定义缓存目录：通过命令行设置，例如：
pdm config cache_dir D:\pdm_cache（Windows）或pdm config cache_dir ~/pdm_cache（Linux/macOS），配置将永久生效。
4. 创建虚拟环境
pdm默认会为每个项目自动创建独立的虚拟环境，无需手动操作，也支持自定义虚拟环境配置。
自动创建虚拟环境：在项目目录下执行
pdm init，按照提示完成项目初始化（设置Python版本、项目名称等），pdm会自动创建虚拟环境并关联到项目。指定Python版本创建：
pdm init --python 3.10，强制使用Python 3.10版本创建虚拟环境。激活虚拟环境：
Windows：
pdm venv activateLinux/macOS：
source $(pdm venv activate --path)或直接使用pdm run 命令在虚拟环境中执行命令（如pdm run python script.py）
查看虚拟环境信息：
pdm venv list删除虚拟环境：
pdm venv remove 环境ID/名称
5. 其他常见命令
添加依赖包：
pdm add 包名（开发依赖：pdm add -d 包名，如pdm add -d pytest；指定版本：pdm add 包名==版本号）升级依赖包：
pdm update 包名（升级所有依赖：pdm update）卸载依赖包：
pdm remove 包名查看依赖树：
pdm list（详细依赖树：pdm show --tree）生成依赖文件：pdm自动生成pyproject.toml（项目依赖配置）和pdm.lock（依赖锁文件），无需手动导出
安装项目依赖：在包含pyproject.toml的目录下执行
pdm install，自动安装所有依赖清理缓存：
pdm cache clean
四、uv——极速Python包管理工具
可点击查看具体文章
uv是由astral.sh开发的新一代Python包管理工具，基于Rust语言编写，以极致的速度著称，支持虚拟环境管理、依赖解析和包安装，兼容pip的requirements.txt格式，同时支持pyproject.toml。
1. 下载对应包管理工具
uv的安装方式简洁，支持多平台快速安装：
Windows系统（PowerShell）：
iwr https://astral.sh/uv/install.ps1 | iexLinux/macOS系统（Bash）：
curl -LsSf https://astral.sh/uv/install.sh | sh通过pip安装：
pip3 install uv（速度较慢，不推荐）验证安装：
uv --version
2. 配置下载镜像源
uv支持配置PyPI镜像源，可通过环境变量或配置文件设置，操作简单。
临时使用：通过环境变量指定，例如：
Windows（PowerShell）：
$env:UV_INDEX_URL="https://mirrors.aliyun.com/pypi/simple/"，然后执行安装命令Linux/macOS（Bash）：
UV_INDEX_URL="https://mirrors.aliyun.com/pypi/simple/" uv add numpy
永久配置：
Windows：在系统环境变量中添加UV_INDEX_URL，值为镜像源地址（如https://mirrors.aliyun.com/pypi/simple/）
Linux/macOS：在/.bashrc或/.zshrc中添加
export UV_INDEX_URL="https://mirrors.aliyun.com/pypi/simple/"，执行source ~/.bashrc生效
3. 默认缓存目录及自定义缓存目录
默认缓存目录：uv的缓存目录遵循XDG规范，不同系统路径如下：
Windows：C:\Users\用户名\AppData\Local\uv\cache
Linux：~/.cache/uv
macOS：~/Library/Caches/uv
通过命令
uv config show可查看缓存目录等配置信息。
自定义缓存目录：通过环境变量UV_CACHE_DIR指定，例如：
也可在系统环境变量中永久配置该路径。Windows（PowerShell）：
$env:UV_CACHE_DIR="D:\uv_cache"Linux/macOS（Bash）：
export UV_CACHE_DIR="$HOME/uv_cache"
4. 创建虚拟环境
uv的虚拟环境管理简洁高效，支持快速创建和激活。
创建虚拟环境：
uv venv（默认在项目目录下创建.venv文件夹作为虚拟环境），指定Python版本：uv venv --python 3.10激活虚拟环境：
Windows（PowerShell）：
.venv\Scripts\Activate.ps1Linux/macOS（Bash）：
source .venv/bin/activate
退出虚拟环境：
deactivate删除虚拟环境：直接删除.venv文件夹，或执行
uv venv remove（需在项目目录下）
5. 其他常见命令
安装包：
uv add 包名（指定版本：uv add 包名==版本号；安装requirements.txt依赖：uv pip install -r requirements.txt）升级包：
uv upgrade 包名（升级所有包：uv upgrade）卸载包：
uv remove 包名查看已安装包：
uv list生成requirements.txt：
uv pip freeze > requirements.txt清理缓存：
uv cache clean运行Python脚本：
uv run python script.py（直接在虚拟环境中执行，无需手动激活）
五、四个包管理工具的适用场景对比
工具
核心优势
适用场景
不适用场景
pip
官方默认、轻量、兼容性好、生态完善
简单Python项目开发；2. 快速安装PyPI上的包；3. 小型脚本或工具开发；4. 与venv/virtualenv配合使用的基础环境
复杂项目的依赖冲突解决；2. 跨语言包管理；3. 大规模项目的依赖版本精准控制
conda
跨语言管理、环境隔离彻底、数据科学包支持好
数据科学、机器学习项目（需安装C/C++依赖的包，如numpy、tensorflow）；2. 多语言开发环境（同时使用Python、R、C++等）；3. 需要统一管理系统级依赖的场景
纯Python的轻量项目（资源占用较大）；2. 追求极致安装速度的场景；3. 需严格遵循PEP 621标准的现代Python项目
pdm
PEP 621标准、依赖锁机制、项目管理一体化
现代Python项目开发（符合PEP规范）；2. 中大型项目的依赖精准管理；3. 需要发布Python包的场景；4. 重视依赖可复现性的项目
简单脚本开发（配置稍复杂）；2. 依赖大量非PyPI源包的场景；3. 对工具学习成本敏感的新手快速开发
uv
极致速度、Rust编写、兼容pip生态、操作简洁
追求极致安装和依赖解析速度的场景；2. 兼容pip项目的快速迁移；3. 轻量到中大型Python项目；4. 对性能要求高的CI/CD流水线
需跨语言包管理的场景；2. 依赖特殊conda源包的项目；3. 对工具稳定性要求极高的核心生产环境（相对较新）
六、总结
pip作为Python官方工具，是基础且必备的包管理选择；conda在跨语言和数据科学领域不可替代；pdm是现代Python项目的理想选择，专注于依赖精准管理；uv则以极致速度为核心优势，兼容现有生态。在实际开发中，需根据项目类型、依赖复杂度、性能需求等因素选择合适的工具，也可结合使用（如conda创建基础环境，pip/pdm/uv管理Python包），以提升开发效率。
