Python
的依赖管理工具一直没有标准化，原因主要包括：

1. 历史发展的随意性
   ：
   Python
   发展早期对于依赖管理的重视程度不足，缺乏从一开始就进行统一规划和设计的意识
2. 社区的分散性
   ：
   Python
   社区庞大且分散，众多开发者和团队各自为政，根据自己的需求和偏好开发工具，缺乏统一的协调和整合机制
3. 多样化的使用场景
   ：
   Python
   应用场景广泛，从 Web 开发到数据科学、机器学习、系统管理脚本等。不同场景对依赖管理有着不同的要求
4. 向后兼容性的挑战
   ：
   Python
   语言本身非常注重向后兼容性，这在一定程度上限制了对依赖管理工具进行根本性变革的可能性
5. 缺乏统一的治理
   ：与一些编程语言（如
   Java
   有 Oracle 主导的规范制定）不同，
   Python
   没有一个强有力的单一实体来主导依赖管理工具的标准化工作
6. 生态系统的快速变化
   ：
   Python
   生态系统发展迅速，新的库和框架不断涌现，这使得依赖关系变得越来越复杂

1. 什么是依赖管理

依赖管理工具
常用于处理软件项目中的依赖关系。

在软件开发过程中，一个项目往往会依赖于许多其他的软件库、框架或组件。

依赖管理工具
能够帮助开发者精确地指定这些依赖项的版本，自动下载和安装它们，并且可以在不同的环境中（如开发、测试、生产环境）保证依赖项的一致性。

这样可以有效避免因依赖版本混乱而导致的软件故障、兼容性问题等情况。

比如，其他编程语言的标准
依赖管理工具
有：
NodeJS
的
npm
，
Rust
的
cargo
，
Java
的
Maven
等等。

依赖管理工具最关键的作用是
可重复性
，意味着我们可以遵循一系列步骤，最终得到的软件项目是完全相同的。

特别是现在的项目（不管是开源的还是内部的）基本都需要多人协作，确保每个人的代码编译出来的软件运行结果一致是至关重要的。

良好的依赖管理可以对
开发
、
构建
和
部署
阶段的所有依赖关系都明确声明，并与版本控制中的代码一起跟踪。

简单来说：
应用程序=代码+所有依赖项
。

具体可以归纳为以下几个步骤：

1. 创建定义文件
   ：项目的描述，声明所需的依赖项和最小版本约束等
2. 生成锁定文件
   ：固定依赖项的版本和依赖项之间的关系
3. 同步环境
   ：一般都过git之类的版本管理工具互相同步
4. 追踪定义文件和锁定文件
   ：定义文件和锁定文件有变化时及时互相同步

2. 依赖管理工具对比

Python
的依赖管理工具虽然没有统一，但是有很多可供选择，下面一一分析每个工具的优缺点。

2.1. pip

pip
是自带的默认包管理器，也是使用最多的工具，它的特点是只能用来安装
Python
包。

优势
：

1. 自
   Python 3.4
   起包含在
   Python
   中，无需额外安装
2. 2013年开始引入
   wheels
   分发格式，安装速度大大提高
3. 2020年开始加入了依赖解析算法，能够更好的保持环境的一致性

不足之处
：

1. 依赖
   Python
   ，也就是说使用
   pip
   必须先安装
   Python
2. 不能安装非Python的包
3. 没有锁定文件

2.2. venv

用于创建虚拟环境的内置工具，在虚拟环境中可使用 pip 安装包，通过设置环境变量来隔离环境。

优势
：自
Python 3.3
起包含在
Python
中。

不足之处
：

1. 是
   Python
   工具，依赖
   Python
   安装
2. 所有环境必须使用相同的
   Python
   解释器
3. 无法安装非
   Python
   包

2.3. virtualenv

在
venv
成为
Python
内置工具前，我们通常使用
virtualenv
创建虚拟环境，可指定不同的
Python
解释器创建虚拟环境，需通过
pip
安装。

优势
：能指定不同
Python
解释器创建虚拟环境。

不足之处
与
venv
是一样的。

2.4. pip-tools

轻量级工具，引入锁文件机制。

需先编写
requirements.in
作为定义文件，再用
pip-compile
生成
requirements.txt
锁文件，同步环境是使用
pip-sync
。

优势
：
轻量、简单，与基本的
<font style="color:rgba(0, 0, 0, 0.85);">pip/venv</font>
工具协同工作。

不足之处
：

1. 是
   Python
   工具，需安装到项目环境中，可能存在兼容性问题
2. 只能处理
   pip
   可安装的包
3. 定义文件
   需手动维护

2.5. Pipenv

整合了
pip
、
virtualenv
和
pip-tools
的功能，通过
Pipfile
和
Pipfile.lock
管理依赖和虚拟环境，自动更新文件。

优势
：轻量、简单，包装了基本的
pip/venv
工具。

不足之处
：

1. 是
   Python
   工具
2. 有自己的定义和锁文件格式
3. 只能处理
   pip
   可安装的包
4. 只能区分开发和非开发依赖，环境定义不够灵活

2.6. Poetry

旨在涵盖
Python
项目整个开发流程，包括项目引导、虚拟环境、依赖管理、构建和发布包。

通过
pyproject.toml
管理依赖，自动维护
poetry.lock
，支持依赖分组。

优势
：

1. 一体化工具，涵盖项目开发全生命周期
2. 有方便的命令行界面
3. 支持依赖分组

不足之处
：

1. 是
   Python
   工具，较重量级，依赖多，安装可能有问题
2. 与其他工具互操作性差，不支持其他构建后端
3. 不支持维护互斥环境
4. 有自己的依赖定义和锁文件格式
5. 只能处理
   pip
   可安装的包

2.7. PDM

类似于
Poetry
，但遵循
PEP
标准，可使用
uv
进行依赖解析和安装，其构建后端可独立使用。

uv
是后面将要介绍的另一个依赖管理工具。

优势
：

1. 遵循
   PEP
   标准
2. 可利用
   uv
   进行依赖管理

不足之处
：与
Poetry
类似，是
Python
工具，有较多依赖，存在相关缺点。

2.8. pyenv

用于安装和管理不同版本的
Python
，可在全局或项目级别激活指定版本，是简单的
shell
实用程序，不依赖
Python
安装。

优势
：

1. 纯
   shell
   脚本，无
   Python
   依赖
2. 遵循
   Unix
   哲学，专注于管理
   Python
   版本

不足之处
：

1. 安装新
   Python
   版本需下载并编译源代码，耗时
2. 首次设置可能较麻烦，需安装多个构建依赖
3. 不支持
   Windows

2.9. pipx

将
pip
包安装在用户级别的独立虚拟环境中，避免依赖冲突，通过
symlink
(软链接) 将入口点链接到
PATH
，方便调用。

优势
：比直接在用户级别
pip
安装工具更好，能隔离依赖，可使用不同
Python
解释器。

不足之处
：

1. 是
   Python
   工具
2. 无法安装同一工具的多个版本，所有项目需共享工具版本

2.10. uv

用
Rust
编写的全能工具，旨在替代多个
Python
管理工具，处理整个开发流程，包括安装包、管理虚拟环境、构建和发布等。

遵循
Python
标准，依赖定义在
pyproject.toml
，锁文件为
uv.lock
，支持任意依赖分组，能安装
pip
包作为可执行文件，可管理
Python
版本，维护全局包缓存。

优势
：

1. 用
   Rust
   编写，速度极快，单二进制文件，无外部依赖
2. 多平台支持
3. 一体化工具，功能全面
4. 遵循
   Python
   标准
5. 支持选择任何构建后端
6. 支持依赖分组。

不足之处
：

1. 不支持维护多个互斥环境
2. 只能处理
   pip
   可安装的包

2.11. Conda

由
Anaconda
公司开发的不同生态系统的包管理器，主要用于安装
anaconda.org
上的包，

能创建虚拟环境，与
pip
生态系统不同，对【
包
】 的定义更广泛，包括共享库、头文件、可执行文件等。

优势
：

1. 多平台支持
2. 有全局包缓存
3. 包以编译二进制形式分发
4. 依赖解析算法健壮
5. 可在
   Conda
   环境中使用
   pip
6. 支持全局和共享环境

不足之处
：

1. 速度慢
2. 包的下载是串行的
3. 安装过程有些侵入性，会修改
   shell
   配置
4. 与 “
   主
   ”
   Python
   生态系统互操作性有限
5. 无锁文件
6. 构建和分发
   Conda
   包较痛苦

2.12. Mamba

是
Conda
的改进版，旨在解决
Conda
的痛点，如慢的依赖解析和并行下载问题，用
C++
实现，使用不同算法，推荐安装方式已改变。

速度比
Conda
快很多，其他方面和
Conda
类似。

2.13. Pixi

类似于
uv
，但针对
Conda
生态系统，用
Rust
编写，支持多平台。

通过
pyproject.toml
或
pixi.toml
配置，有方便的命令行界面，支持管理多个虚拟环境和定义文件，有锁文件机制，支持类似
Makefile
的项目自动化任务，可指定系统依赖，但不帮助构建包。

优势
：

1. 用 Rust 编写，速度快，单二进制文件，无外部依赖
2. 多平台支持
3. 方便的命令行界面
4. 全局包缓存
5. 可下载
   Python
   二进制文件和
   anaconda.org
   上的非
   Python
   包
6. 能使用
   pyproject.toml
   和
   pixi.toml
   配置
7. 可选择任何构建后端

不足之处
：与其他工具兼容性有限，且没有遵循
Conda
的全局环境理念。

3. 工具选择建议

如此之多的依赖管理工具，我们应该如何选择呢？

如果我们的项目只有对Python包的依赖，那么推荐
uv
和
Pixi
；

如果需要维护多个互斥的环境，那么推荐
pip + venv + pip-tools + pyenv
；

如果需处理无法通过
pip
安装的依赖，那么建议使用
Pixi
。

4. 总结

Python
的依赖管理工具很多，但是大部分工具其实大同小异，只是互相做了一些小的改进。

我们选择时，除了考虑遗留项目的问题之外，尽量优先选择新出的工具。

新的工具除了会改进原有工具的缺点，还会借鉴其他语言的优秀的依赖管理工具。

目前，我个人的话，使用
uv
来管理项目比较多。