Python环境与包管理工具全方位对比：Pyenv、Poetry、Rye 该怎么选？

刚开始用 Python 并尝试创建自己的包时，我曾经很困惑——打包和依赖管理似乎比预想的复杂得多。况且市面上的工具实在太多，根本不知道哪一个才适合自己。相信不少人都有过同样的迷茫。这篇文章就来系统地梳理和对比一下 Python 生态里的环境与包管理工具，帮你看清每个工具的定位。

工具分类

我先把跟环境和包管理相关的功能分成五个类别：

• Python 版本管理
• 包管理
• 环境管理（主要指虚拟环境）
• 包构建
• 包发布

下面的维恩图直观地展示了各类工具之间的交集，有些工具是单一用途的，有些则是“多面手”：

我们从开发者的视角挨个看这几个类别。假设你同时在做个人项目和工作项目：工作上要求使用 Python 3.7，个人项目却想用最新的 Python 3.11。换句话说，你需要能够安装不同的 Python 版本并在它们之间切换，这就涉及 Python 版本管理。

项目里几乎总会用到第三方包，比如数据科学领域常用的 pandas、scikit‑learn。这些依赖必须安装和管理（升级等），这就是包管理要做的事情。

由于不同项目可能依赖同一个包的不同版本，我们需要创建和管理（虚拟）环境来避免依赖冲突。大多数工具使用虚拟环境，少数则使用被称为“本地包”（Local Packages）的概念，后面会聊到。

当你准备与他人共享代码时，首先要构建包，然后才能发布到 PyPI 或其他索引上。

接下来，我们逐一深入每个类别，并重点介绍其中最主要的工具。

Python 版本管理

定义

Python 版本管理工具能够让你方便地安装多个 Python 版本，并在它们之间自由切换。

为什么需要？

原因很多。例如你可能并行维护多个项目，而每个项目要求的 Python 版本不同；也可能你的库要兼容多个 Python 版本，需要在各版本下测试；又或者你只是想尝鲜新版本特性，甚至测试预发布版本。

工具

维恩图里涉及版本管理的有：pyenv、conda、rye 和 PyFlow。我们先看唯一的单一用途工具 pyenv，多用途工具稍后再说。

Python 自带一个纯粹做版本管理的工具：pyenv，用起来相当简单。核心命令如下：

# 安装特定版本的 Python
pyenv install 3.10.4

# 在不同的 Python 版本之间切换

# 仅针对当前 shell 切换 Python 版本
pyenv shell <version>
# 在这个目录下，自动使用某个 Python 版本
pyenv local <version>
# 针对当前用户，全局设定 Python 版本
pyenv global <version>

（虚拟）环境管理

定义

环境管理工具可以创建和管理（虚拟）环境，让你为不同项目隔离依赖。

为什么需要？

前面说了，不同项目依赖不同的包版本，直接通过 pip install 把包安装到系统全局很容易引发冲突。虽然 --user 参数可以缓解，但很多初学者并不了解。因此，专业的虚拟环境管理工具就非常必要了。

工具

能够管理环境的工具有：venv、virtualenv、pipenv、conda、pdm、poetry、hatch、rye、PyFlow。其中只有 venv 和 virtualenv 是单一用途的，我们先看这两个。

venv

venv 是 Python 内置的虚拟环境创建包。命令很直观：

# 创建一个新的环境
python3 -m venv <env_name>

# 激活环境
. <env_name>/bin/activate

# 退出环境
deactivate

virtualenv

virtualenv 是 venv 的增强版，功能更多、速度更快。常用命令与 venv 几乎一样：

# 创建新环境
virtualenv <env_name>

# 激活环境
. <env_name>/bin/activate

# 退出环境
deactivate

包管理

在聊包管理前，有必要先了解最重要的配置文件：pyproject.toml。

pyproject.toml

Python 的打包机制经历了巨大改进。在 PEP 518 之前，主要依靠 setup.py 和 setuptools。如今，pyproject.toml 成了定义项目构建、元数据以及依赖等信息的标准文件。来看看 pandas 的 pyproject.toml 片段（完整文件见 github.com/pandas-dev/pandas）：

[build-system]
# Minimum requirements for the build system to execute.
# See https://github.com/scipy/scipy/pull/12940 for the AIX issue.
requires = [
    "meson-python==0.13.1",
    "meson==1.2.1",
    "wheel",
    "Cython==3.0.5",  # Note: sync with setup.py, environment.yml and asv.conf.json
    # Any NumPy version should be fine for compiling.  Users are unlikely
    # to get a NumPy<1.25 so the result will be compatible with all relevant
    # NumPy versions (if not it is presumably compatible with their version).
    # Pin <2.0 for releases until tested against an RC.  But explicitly allow
    # testing the `.dev0` nightlies (which require the extra index).
    "numpy>1.22.4,<=2.0.0.dev0",
    "versioneer[toml]"
]

build-backend = "mesonpy"

[project]
name = 'pandas'
dynamic = [
  'version'
]
description = 'Powerful data structures for data analysis, time series, and statistics'
readme = 'README.md'
authors = [
  { name = 'The Pandas Development Team', email='pandas-dev@python.org' },
]
license = {file = 'LICENSE'}
requires-python = '>=3.9'
dependencies = [
  "numpy>=1.22.4; python_version<'3.11'",
  "numpy>=1.23.2; python_version=='3.11'",
  "numpy>=1.26.0; python_version>='3.12'",
  "python-dateutil>=2.8.2",
  "pytz>=2020.1",
  "tzdata>=2022.7"
]
classifiers = [
# 省略后续

.lock 文件

另一个打包关键文件是锁定文件（如 xxx.lock）。pyproject.toml 中包含的是抽象依赖声明，而锁定文件记录的是具体安装的确切版本（比如 pandas==2.0.3），这样可以保证项目在不同环境下的可重复构建。以下是 Poetry 生成的 poetry.lock 片段（原文件：github.com/python-poetry/poetry）：

# This file is automatically @generated by Poetry 1.7.1 and should not be changed by hand.

[[package]]
name = "build"
version = "1.0.3"
description = "A simple, correct Python build frontend"
optional = false
python-versions = ">= 3.7"
files = [
    {file = "build-1.0.3-py3-none-any.whl", hash = "sha256:589bf99a67df7c9cf07ec0ac0e5e2ea5d4b37ac63301c4986d1acb126aa83f8f"},
    {file = "build-1.0.3.tar.gz", hash = "sha256:538aab1b64f9828977f84bc63ae570b060a8ed1be419e7870b8b4fc5e6ea553b"},
]

[package.dependencies]
colorama = {version = "*", markers = "os_name == \"nt\""}
importlib-metadata = {version = ">=4.6", markers = "python_version < \"3.10\""}
packaging = ">=19.0"
pyproject_hooks = "*"
tomli = {version = ">=1.1.0", markers = "python_version < \"3.11\""}

[package.extras]
docs = ["furo (>=2023.08.17)", "sphinx (>=7.0,<8.0)", "sphinx-argparse-cli (>=1.5)", "sphinx-autodoc-typehints (>=1.10)", "sphinx-issues (>=3.0.0)"]
test = ["filelock (>=3)", "pytest (>=6.2.4)", "pytest-cov (>=2.12)", "pytest-mock (>=2)", "pytest-rerunfailures (>=9.1)", "pytest-xdist (>=1.34)", "setuptools (>=42.0.0)", "setuptools (>=56.0.0)", "setuptools (>=67.8.0)", "wheel (>=0.36.0)"]
typing = ["importlib-metadata (>=5.1)", "mypy (>=1.5.0,<1.6.0)", "tomli", "typing-extensions (>=3.7.4.3)"]
virtualenv = ["virtualenv (>=20.0.35)"]

定义

包管理工具负责下载、安装项目依赖的库，并解决依赖关系。

动机

包（package）让我们可以通过 from package.module import my_function 这样的语法来组织代码，也方便共享。每个包在 pyproject.toml 中声明了自己的依赖，其他人只需通过这个文件就能一次性安装所有需要的包。

工具

能做包管理的工具不少：pip、pipx、pipenv、conda、pdm、poetry、rye、PyFlow。其中 pip 是 Python 开发生态中几乎人人会用的标准包管理器。

pip 随 Python 发行版一起提供，可以从 PyPI 和其他索引安装包。最熟悉的命令或许就是 pip install <package_name> 了。

多用途工具

下面重点介绍那些跨多个类别的工具。

pipenv

光看名字就知道，pipenv 把 pip 和 virtualenv 结合了起来。它可以同时完成虚拟环境管理和包管理：

pipenv 引入了两个额外文件：

• Pipfile：一个 toml 文件，类似 pyproject.toml，用于声明项目的依赖。
• Pipfile.lock：锁定文件，保证确定性构建，不再需要手动维护 requirements.txt。

常用命令：

# 安装某个包
pipenv install <package_name>

# 在虚拟环境运行某个脚本
pipenv run <script_name.py>

# 激活虚拟环境
pipenv shell

Conda

Conda 是一个通用的包管理系统，不限于 Python 包。功能庞大，这里不展开，网上教程很多。唯一要提的是，虽然 Conda 也能构建和发布包，但它生成的是 Conda 包，与我们通常的 PyPI 包稍有不同，所以我没把它列入标准的包构建/发布类别。

特征评估

接下来我会从以下几个维度比较这些工具：

• 是否管理依赖？
• 是否解析/锁定依赖？
• 是否有干净的构建/发布流程？
• 是否支持插件？
• 是否支持 PEP 660（可编辑安装）？PEP 660 基于 pyproject.toml 的可编辑安装，开发库时很有用。
• 是否支持 PEP 621（项目元数据）？PEP 621 定义了如何在 pyproject.toml 中书写核心元数据。之所以加这个维度，是因为有个工具（稍后揭晓）目前还不支持该 PEP，而是自己另搞一套。

Flit

Flit 专注一件事：把纯 Python 包发布到 PyPI，不关心其他事情：

• Python 版本管理：❌
• 包管理：❌
• 环境管理：❌
• 构建包：✅
• 发布包：✅

维恩图里它只落在包构建和发布的重叠区域：

• 管理依赖？❌
• 解析/锁定依赖？❌
• 构建/发布流程？✅
• 允许插件？❌
• PEP 660？✅
• PEP 621？✅

核心命令：

# 创建新的 pyproject.toml
flit init

# 构建并发布
flit publish

Poetry

Poetry 是人气很高的工具。维恩图显示，除了 Python 版本管理之外，它几乎包揽一切：

• Python 版本管理：❌
• 包管理：✅
• 环境管理：✅
• 构建包：✅
• 发布包：✅

需要注意的是，Poetry 目前还不支持 PEP 621。GitHub 上的相关 issue 已经开了大约一年半，依然没有解决（github.com/python-poetry/poetry/issues/3332）。

• 管理依赖？✅
• 解析/锁定依赖？✅
• 构建/发布流程？✅
• 允许插件？✅
• PEP 660？✅
• PEP 621？❌

创建项目

# 创建目录结构和 pyproject.toml
poetry new <project_name>

# 交互式创建 pyproject.toml
poetry init

# 从 pyproject.toml 安装依赖
poetry install

依赖管理

# 添加依赖
poetry add <package_name>

# 显示所有依赖
poetry show --tree

# 激活虚拟环境
poetry shell

# 在虚拟环境运行脚本
poetry run python <script_name.py>

锁定文件
首次安装包时，Poetry 解析 pyproject.toml 中的依赖并下载最新版本，随后将所有包的确切版本写入 poetry.lock。建议把该文件提交到版本仓库，保证团队一致。升级依赖用：

poetry update

构建/发布

# 打包（生成 .tar.gz 和 .whl）
poetry build

# 发布到 PyPI
poetry publish

pdm

pdm 是一个相对较新的包和依赖管理器（始于 2019 年），受到 Poetry 和 PyFlow 的启发（PyFlow 已不再活跃，所以本文不深入）。它要求 Python 3.7+，一个显著区别是允许用户自行选择构建后端。此外，pdm 是除 PyFlow 外唯一实现了 PEP 582（本地包）的工具，不过该 PEP 最近已被拒绝。

维恩图上，pdm 紧挨着 Poetry，功能上也是除版本管理外全覆盖：

• Python 版本管理：❌

• 包管理：✅

• 环境管理：✅

• 构建包：✅

• 发布包：✅

• 管理依赖？✅

• 解析/锁定依赖？✅

• 构建/发布流程？✅

• 允许插件？✅

• PEP 660？✅

• PEP 621？✅

创建项目

# 交互式创建 pyproject.toml
pdm init

# 从 pyproject.toml 安装包
pdm install

依赖管理

# 添加依赖
pdm add <package_name>

# 展示所有依赖
pdm list --graph

运行代码
没有 shell 命令，但可以直接用 run：

# 使用当前环境运行
pdm run python <script_name.py>

锁定文件
与 Poetry 类似，首次安装后生成 pdm.lock。更新依赖：

pdm update

构建/发布

# 打包
pdm build

# 发布到 PyPI
pdm publish

Hatch

Hatch 的特点：

• Python 版本管理：❌
• 包管理：❌
• 环境管理：✅
• 构建包：✅
• 发布包：✅

它的作者曾承诺会尽快加入锁定功能（github.com/pypa/hatch/issues/1030），建议留意最新版本是否已经实现。

• 管理依赖？❌
• 解析/锁定依赖？❌
• 构建/发布流程？✅
• 允许插件？✅
• PEP 660？✅
• PEP 621？✅

创建项目

# 创建目录结构及 pyproject.toml
hatch new <project_name>

# 交互式创建项目
hatch new -i <project_name>

# 初始化现有项目或创建 pyproject.toml
hatch new --init

依赖管理
没有 add 命令，依赖需要手动添加到 pyproject.toml。查看依赖用：

hatch dep show table

运行代码

# 激活虚拟环境
hatch shell

# 在虚拟环境运行脚本
hatch run python <script_name.py>

构建/发布

# 打包
hatch build

# 发布到 PyPI
hatch publish

声明式环境管理
Hatch 的一个独特功能是允许在 pyproject.toml 里直接配置虚拟环境，甚至为环境定义专属脚本，例如用于代码格式化（更多见官方文档）。

Rye

Rye 由 Flask 作者 Armin Ronacher 于 2023 年 5 月推出，设计上深受 Rust 的 rustup 和 cargo 的影响。它用 Rust 编写，覆盖了所有五个类别：

• Python 版本管理：✅

• 包管理：✅

• 环境管理：✅

• 构建包：✅

• 发布包：✅

• 管理依赖？✅

• 解析/锁定依赖？✅

• 构建/发布流程？✅

• 允许插件？❌（未来可能添加）

• PEP 660？✅

• PEP 621？✅

创建项目

# 创建目录结构和 pyproject.toml
rye init <project_name>

# 指定 Python 版本
rye pin 3.10

依赖管理

# 添加依赖（尚未安装）
rye add <package_name>

# 同步虚拟环境、锁定文件等（此步骤安装依赖）
rye sync

运行代码

# 启动虚拟环境
rye shell

# 使用虚拟环境运行脚本
rye run python <script_name.py>

构建/发布

# 打包
rye build

# 发布到 PyPI
rye publish

总结

各工具的特征对比汇总如下：

工具	管理依赖	解析/锁定依赖	构建/发布流程	插件支持	PEP 660	PEP 621
Flit	❌	❌	✅	❌	✅	✅
Poetry	✅	✅	✅	✅	✅	❌
pdm	✅	✅	✅	✅	✅	✅
Hatch	❌	❌	✅	✅	✅	✅
rye	✅	✅	✅	❌	✅	✅

原文：https://alpopkes.com/posts/python/packaging_tools
译文：https://juejin.cn/post/7325611798135767090
译者：hashcon

如果你对 Python 工具选型仍有困惑，欢迎到 云栈社区 一起探讨。也别忘了查看 Python 官方文档里的更多细节，关于 Conda 的使用还可以参考官方的入门指南。