装 Python 总踩坑?官网 / Conda/UV 三种方案,看完直接选对

安装 Python 听起来是件小事，但真上手时你会发现选项多得让人犯晕：官网安装包、Anaconda、Miniconda、uv、pyenv……每个教程推荐的都不一样。

这篇文章把最主流的三种安装方式走一遍，附上详细步骤和对比表，帮你选到适合自己的那条路。

本文基于 Python 3.14.7（2026 年 8 月 5 日发布的最新稳定版）撰写。

1

安装前：先搞清楚两件事

第一，选哪个版本？

Python 目前维护中的稳定版本有 3.14、3.13、3.12、3.11、3.10。全新安装直接选最新的 3.14。有老项目依赖特定版本，按项目要求来。

第二，你需要虚拟环境管理吗？

只写一个项目，官网安装包就够了。同时维护多个项目、各项目依赖不同版本的库，那需要能管理多版本和多环境的工具，这时候 Conda 或 uv 的优势就出来了。

2

方式一：官网安装包（最直接）

最传统也最简单的方式：从 python.org 下载安装包，一路下一步。

Windows

1. 打开 python.org/downloads，点击「Download Python 3.14.7」

2. 下载 Windows installer (64-bit)，约 31.7 MB

3. 双击运行安装程序

4. 最重要的一步：在安装界面底部勾选「Add python.exe to PATH」，否则命令行找不到 python

5. 点击「Install Now」，等待完成

验证安装：

python --version
# Python 3.14.7

pip --version
# pip 25.x.x

macOS

1. 打开 python.org/downloads，下载 macOS 64-bit universal2 installer

2. 双击 .pkg 文件，按提示安装

3. 安装完成后，python3 会自动添加到 PATH

python3 --version
# Python 3.14.7

也可以用 Homebrew：

brew install python@3.14

Linux

大多数 Linux 发行版预装了 Python，但版本可能较旧。以 Ubuntu 为例：

sudo apt update
sudo apt install python3.14 python3.14-venv python3-pip

python3 --version

优缺点

3

方式二：Conda（数据科学首选）

Conda 是开源的包管理和环境管理系统，不仅能装 Python 包，还能管 Python 版本本身。两个发行版：

Anaconda：全家桶，预装 150+ 科学计算包，约 800 MB+

Miniconda：精简版，只含 Conda + Python，约 400 MB，需要什么自己装

推荐大多数人用 Miniconda，够轻量，按需安装。

安装 Miniconda

Windows：访问 docs.anaconda.net.cn/miniconda/install，下载 exe 双击安装

macOS / Linux：用 curl 下载安装脚本，bash 执行

# macOS Apple Silicon
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
bash Miniconda3-latest-MacOSX-arm64.sh

# Linux
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

基本用法

# 创建虚拟环境
conda create -n myproject python=3.14

# 激活环境
conda activate myproject

# 安装包
conda install numpy pandas scikit-learn

# 列出所有环境
conda env list

# 退出 / 删除环境
conda deactivate
conda env remove -n myproject

许可证提醒：Anaconda（完整版）对 200 人以上的组织有商业使用限制。个人和小型团队不受影响。在意这个问题可以用 Miniconda 或社区维护的 Miniforge。

4

方式三：uv（2026 年新宠）

uv 是 Astral 公司用 Rust 开发的 Python 包管理工具，2024 年发布后迅速走红。定位是「一个工具替代 pip + venv + pyenv + pipx」，速度比传统工具快几十倍。

安装 uv

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

基本用法

# 安装 Python（uv 自带版本管理）
uv python install 3.14 3.12

# 创建虚拟环境
uv venv myproject

# 安装包（速度极快）
uv pip install numpy pandas scikit-learn

# 直接运行脚本（自动管理环境）
uv run script.py

# 直接运行命令行工具
uvx ruff check .

5

其他方式速览

pyenv：专注多版本管理，适合需要切换多个 Python 版本的开发者。主要面向 Unix，Windows 支持有限。

curl https://pyenv.run | bash
pyenv install 3.14.7
pyenv global 3.14.7

系统包管理器（apt / brew / winget）：最省事，但版本可能不是最新。

Docker：适合需要完全隔离环境或部署场景，不适合日常开发。

6

三种方式对比

7

怎么选

新手，只写一个项目

直接用官网安装包。最简单，不用学额外工具，pip 够用。

数据科学 / 机器学习

用 Miniconda。conda 环境管理成熟，能装 CUDA 等 non-Python 依赖，NumPy/Pandas 一条命令搞定。在意许可证用 Miniforge 替代。

全栈开发 / 追求效率

用 uv。一个工具搞定版本管理、环境创建、包安装，速度吊打 pip 和 conda。2026 年越来越多的新项目开始用 uv。

需要切换多个 Python 版本：pyenv 依然是最专业的选择，但 uv 的 uv python install 也在快速补齐这个能力。

8

总结

没有「最好的安装方式」，只有「最适合你的」。

官网安装包胜在简单纯粹，Conda 胜在环境管理和数据科学生态，uv 胜在速度和现代化设计。先想清楚自己的使用场景，再选工具，比盲目跟风靠谱得多。

不管选哪种，装完之后记得跑一下 python --version 确认安装成功，然后就可以开始写代码了。