Python 开发环境搭建：venv、conda、uv 怎么选？

阅读时长：约 12 分钟 | 难度等级：⭐⭐☆☆☆ 入门进阶本篇关键词：Python / venv / conda / uv / 虚拟环境 / WSL 开发

Python 是 WSL 上最流行的开发语言之一。但在开始写代码之前，你得先搞清楚虚拟环境和包管理器怎么选——这一篇帮你彻底理清。

为什么 Python 在 WSL 中特别好用？

对比：Windows 原生 vs WSL

第一步：安装 Python

Ubuntu 自带 Python

# Ubuntu 24.04 自带 Python 3.12+python3 --version# Python 3.12.x# pip 也装上（如果还没有）sudo apt install -y python3-pip python3-venv python3-dev# 升级 pip 到最新版python3 -m pip install --upgrade pip# 验证python3 --version && pip --version

⚠️ 重要规则：永远不要 sudo pip install！

# ❌ 错误做法：污染系统 Pythonsudo pip install requests# → 可能导致系统工具异常# → 包管理混乱，难以维护# ✅ 正确做法：使用虚拟环境python3 -m venv .venvsource .venv/bin/activatepip install requests          # 在虚拟环境中安全安装deactivate                   # 退出时自动隔离

三种包管理器对比

总览

详细对比

pip + venv：┌─────────────────────────────┐│ 优点                         ││ · Python 官方方案，最标准     ││ · 无需额外安装               ││ · 轻量，每个项目独立           ││ 缺点                          ││ · 速度较慢（pip 下载+安装）    ││ · 不自动管理 Python 版本      ││ · 大项目依赖解析可能卡死       │└─────────────────────────────┘uv：┌─────────────────────────────┐│ 优点                         ││ · 极快！比 pip 快 10-100 倍   ││ · 自动创建和管理虚拟环境      ││ · 一条命令搞定项目初始化      ││ · 内置 Python 版本下载管理    ││ · Rust 编写，资源占用极低     ││ 缺点                          ││ · 相对较新（生态还在成长）     ││ · 部分边缘场景可能有兼容问题   │└─────────────────────────────┘Miniconda / conda：┌─────────────────────────────┐│ 优点                         ││ · 数据科学全家桶              ││ · 二进制包，不用编译          ││ · 非 Python 包也能管          ││ · 多版本 Python 切换方便      ││ 缺点                          ││ · 安装包大（~500MB 起步）     ││ · 启动慢                     ││ · 与 pip 有时会冲突           ││ · 许可协议限制                │└─────────────────────────────┘

方案一：uv — 新项目首选（强烈推荐 ⭐）

安装

# 一行安装（官方脚本）curl -LsSf https://astral.sh/uv/install.sh | sh# 重载 shell 或手动添加 PATHsource ~/.bashrc# 或者重启终端# 验证uv --version# uv 0.x.x (构建于 202x-xx-xx)

快速上手

# 初始化一个新项目（自动创建 pyproject.toml + 虚拟环境）uv init my-project && cd my-project# 添加依赖（自动安装到虚拟环境）uv add requests fastapi uvicorn sqlalchemy# 运行代码uv run main.py# 添加开发依赖（不进入生产依赖）uv add --dev pytest black ruff# 运行测试uv run pytest# 查看已安装的包uv pip list# 导出 requirements.txt（兼容性）uv pip freeze > requirements.txt# 从 requirements.txt 安装uv pip install -r requirements.txt# 使用特定 Python 版本uv python install 3.11         # 下载 Python 3.11uv run --python 3.11 main.py   # 用 3.11 运行

uv 项目结构示例

my-project/├── .venv/                  # uv 自动管理的虚拟环境├── pyproject.toml          # 项目配置和依赖声明├── main.py                 # 你的代码└── README.md

pyproject.toml 内容：

[project]name = "my-project"version = "0.1.0"requires-python = ">=3.10"dependencies = [    "requests>=2.31.0",    "fastapi>=0.104.0",    "uvicorn[standard]>=0.24.0",]

方案二：pip + venv — 传统可靠

创建和使用虚拟环境

# 1. 创建项目目录mkdir -p ~/projects/myapp && cd ~/projects/myapp# 2. 创建虚拟环境python3 -m venv .venv# 3. 激活虚拟环境source .venv/bin/activate# 提示符变化：( .venv ) user@pc:~/projects/myapp$# 4. 升级 pippip install --upgrade pip setuptools wheel# 5. 安装依赖pip install flask pandas numpy# 6. 查看已安装的包pip list# 7. 退出虚拟环境deactivate

批量依赖管理

# 导出当前环境所有依赖pip freeze > requirements.txt# 从文件批量安装pip install -r requirements.txt# 只导出项目直接依赖（更干净的列表）pip freeze --exclude-editable > requirements.txt# 或使用 pip-tools（推荐用于精确控制）pip install pip-tools# 创建 requirements.in（只写直接依赖）# 然后：pip-compile requirements.in     # 生成 requirements.txtpip-sync requirements.txt        # 精确安装

自动激活虚拟环境（可选便利功能）

# 安装 autoenv（进入目录自动激活）pip install autoenv# 写入 bashrcecho 'source $(python3 -m autoenv site)' >> ~/.bashrc# 在项目中创建 .env 文件echo 'source .venv/bin/activate' > ~/projects/myapp/.env# 下次 cd 进入该目录会自动激活

方案三：Miniconda — 数据科学首选

安装 Miniconda

# 下载最新版 Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 安装（一路回车 + yes）bash Miniconda3-latest-Linux-x86_64.sh# 重启 shellsource ~/.bashrc# 或关闭重开终端# 验证conda --version

Conda 常用操作

# 创建环境conda create -n datascience python=3.11# 激活环境conda activate datascience# 安装数据科学常用包（conda 会处理二进制编译依赖）conda install numpy pandas matplotlib scikit-learn jupyter seaborn plotly# 用 pip 安装 conda 没有的包pip install some-special-package# 查看所有环境conda env list# 导出/导入环境conda export > environment.ymlconda env create -f environment.yml# 删除环境conda remove -n old-env --all# 清理缓存释放空间conda clean --all

Jupyter Notebook 配置

# 安装 Jupyterconda install jupyter ipykernel# 启动 Notebook（WSLg 下可以直接在浏览器看到）jupyter lab --ip=0.0.0.0 --port=8888 --no-browser# 浏览器打开 http://localhost:8888 即可操作# 如果想从 Windows 浏览器访问，获取 token 后粘贴# 终端中显示的 URL 带 token 参数，复制完整 URL 到浏览器

常用 Python 开发包速查表

Web 开发

pip install fastapi uvicorn     # 现代 API 框架pip install flask               # 经典轻量框架pip install django              # 全栈框架pip install httpie              # API 调试工具（替代 curl）

数据科学

pip install numpy pandas matplotlib    # 三件套pip install seaborn plotly             # 高级可视化pip install scikit-learn              # 机器学习pip install jupyterlab                # Notebookpip install openpyxl xlrd             # Excel 处理

开发工具

pip install pytest pytest-cov         # 测试pip install black isort ruff           # 格式化与检查pip install mypy                      # 类型检查pip install httpx                     # HTTP 客户端pip install rich                      # 终端美化输出pip install python-dotenv             # 环境变量管理

VS Code + Python + Remote-WSL 配置

确保在 VS Code 中安装了以下扩展：

1. 1. Python (ms-python.python)
2. 2. Pylance (ms-python.vscode-pylance)
3. 3. Black Formatter (ms-python.black-formatter)
4. 4. Jupyter (ms-toolsai.jupyter)

VS Code 会自动检测虚拟环境。如果没检测到：

Ctrl+Shift+P → "Python: Select Interpreter"→ 选择 .venv/bin/python 或 conda 环境中的 python

.vscode/settings.json（项目级配置）：

{    "python.defaultInterpreterPath": "${workspaceFolder}/.venv/bin/python",    "python.formatting.provider": "black",    "python.linting.enabled":true,    "python.testing.pytestEnabled":true,    "[python]": {        "editor.defaultFormatter": "ms-python.black-formatter",        "editor.formatOnSave":true,        "editor.codeActionsOnSave": {            "source.organizeImports": "explicit"        }    }}

下期预告

下一篇：《Node.js / Go / Rust 在 WSL 中高效开发的秘诀》

• • ⚡ fnm 管理 Node.js 版本
• • 🦀 Go 语言环境配置与 GOPATH
• • 🦀 rustup + cargo 工具链入门
• • 💡 多语言开发环境共存技巧

💡 你平时用哪种 Python 包管理器？评论区投个票！

🐧 UbuntuNews — 专注 Ubuntu/Linux 技术分享

💬 Python 开发还有什么坑？留言一起讨论！