2020年1月更新

@Flimm很好地解释了所有的差异。通常，我们想知道所有工具之间的区别，因为我们想决定什么对我们最有利。所以，下一个问题是：使用哪一个？我建议您选择两种管理虚拟环境的官方方式之一：

Python Packaging现在推荐PipenvPython.org现在推荐venv

pyenv-管理不同的python版本，所有其他-创建虚拟环境（它隔离了python版本和安装的“要求”），

pipenv希望合并所有内容，除了之前的内容，它还将“需求”安装到活动虚拟环境中或创建自己的如果没有激活）

所以也许你只会对pipenv感到高兴。

但我使用：pyenv+pyenv virtualenvwrapper，+pipenv（pipenv仅用于安装需求）。

在Debian中：

apt安装libffi-dev安装pyenv基于https://www.tecmint.com/pyenv-install-and-manage-multiple-python-versions-in-linux/但是..而不是pyenv virtualenv安装pyenv虚拟vwrapper（它可以是独立的库或pyenv插件，这里是第二个选项）：$pyenv安装3.9.0$git克隆https://github.com/pyenv/pyenv-virtualenvwrapper.git$（pyenv根）/plugins/pyenv虚拟vwrapper#在~/.bashrc中添加：#export$VIRTUALENVRAPPER_PYTHON=“/usr/bin/python3”$source~/.bashrc$pyenv虚拟vwrapper

然后为项目创建虚拟环境（workingdir必须存在）：

pyenv local 3.9.0  # to prevent 'interpreter not found' in mkvirtualenv
python -m pip install --upgrade pip setuptools wheel
mkvirtualenv <venvname> -p python3.9 -a <workingdir>

并在项目之间切换：

workon <venvname>
python -m pip install --upgrade pip setuptools wheel pipenv

在一个项目中，我有文件requirements.txt，但没有修复其中的版本（如果不需要某些版本限制）。您有两种可能的工具将它们安装到当前虚拟环境中：pip工具或pipenv。假设您将使用pipenv：

pipenv install -r requirements.txt

这将创建Pipfile和Pipfile.lock文件，固定版本在第二个版本中。如果您想在完全相同的地方重新安装（必须存在Pipfile.lock）：

pipenv install

请记住，Pipfile.lock与某些Python版本相关，如果使用其他版本，则需要重新创建。

正如你所看到的，我写了requirements.txt。这有一些问题：你也必须从Pipfile中删除一个已删除的包。所以直接编写Pipfile可能更好。

所以你可以看到我用pipenv很差。也许如果你好好使用它，它可以取代一切？

编辑2021.01：我已将堆栈更改为：pyenv+pyenv virtualenvwrapper+poetry。我没有使用apt或pip安装virtualenv或virtualvwrapper，而是安装pyenv的插件pyenv virtualvwrappr。这是比较容易的方法。

诗歌对我来说很棒：

poetry add <package>   # install single package
poetry remove <package>
poetry install   # if you remove poetry.lock poetry will re-calculate versions

我只是避免在Python3.3+之后使用virtualenv，而是使用标准的附带库venv。要创建新的虚拟环境，请键入：

$ python3 -m venv <MYVENV>  

virtualenv尝试将Python二进制文件复制到虚拟环境的bin目录中。但是，它不会更新嵌入到该二进制文件中的库文件链接，因此，如果您从源代码将Python构建到具有相对路径名的非系统目录中，Python二进制文件就会中断。由于这是如何创建可分发副本的Python的，所以这是一个很大的缺陷。BTW要检查OS X上的嵌入式库文件链接，请使用otool。例如，在虚拟环境中，键入：

$ otool -L bin/python
python:
    @executable_path/../Python (compatibility version 3.4.0, current version 3.4.0)
    /usr/lib/libSystem.B.dylib (compatibility version 1.0.0, current version 1238.0.0)

因此，我会避免虚拟rapper和pipenv。pyvenv已弃用。pyenv似乎经常在使用virtualenv的地方使用，但我也会远离它，因为我认为venv也做pyenv的构建目的。

venv在shell中创建了新的、沙盒化的虚拟环境，具有用户可安装的库，并且是多python安全的。

新鲜：因为虚拟环境仅从python附带的标准库开始，所以在虚拟环境处于活动状态时，您必须使用pipinstall重新安装任何其他库。

沙盒：因为这些新的库安装在虚拟环境之外都不可见，所以您可以删除整个环境并重新开始，而不用担心影响基本的python安装。

用户可安装的库：因为虚拟环境的目标文件夹是在您已经拥有的某个目录中创建的，不需要sudo权限即可将库安装到其中。

多python安全：因为当虚拟环境激活时，shell只能看到用于构建虚拟环境的python版本（3.4、3.5等）。

pyenv与venv相似，它允许您管理多个python环境。然而，使用pyenv，您无法方便地将库安装回滚到某个启动状态，而且您可能需要管理员权限才能更新库。所以我认为使用venv也是最好的。

在过去的几年中，我在构建系统（emacs包、python独立应用程序构建器、安装程序…）中发现了许多问题，最终归结为virtualenv的问题。我认为，当我们取消这个附加选项并只使用venv时，python将是一个更好的平台。

编辑：BDFL的推特，

我使用venv（在stdlib中）和一堆shell别名来快速切换。-Guido van Rossum（@gvanrossum）2020年10月22日

作为一个Python新手，这个问题让我沮丧不已，困惑了好几个月。当我知道我将在未来几年使用虚拟环境和软件包管理器时，我应该在学习中投资哪些虚拟环境和程序包管理器？

回答这个棘手问题的最佳文章是https://jakevdp.github.io/blog/2016/08/25/conda-myths-and-misconceptions/杰克·范德普拉斯。虽然已经有几年的历史，但它提供了实用的答案，以及Python包和虚拟环境管理器的历史，因为这些最先进的软件正在开发中。

在数据科学和“大数据云计算”社区，这对我来说尤其令人沮丧，因为conda被广泛用作Python和JavaScript、SQL、Java、HTML5和Jupyter笔记本的虚拟环境管理器和全功能包管理器。

那么，当conda完成了pip和venv变体的所有功能时，为什么还要使用pip呢？

答案是，“因为如果conda包根本不可用，您必须使用pip。”很多时候，所需的包只能以pip格式提供，除了使用pip之外，没有简单的解决方案。您可以学习使用conda构建，但如果您不是包维护者，那么您必须说服包所有者为每个新版本生成一个conda包（或者自己动手）

这些基于pip的软件包在许多重要和实用的方面有所不同：

稳定性成熟复杂性积极支持（对死亡或死亡）Python生态系统“核心”与“边缘”（即，集成到Python.org发行版中）易于理解和使用（适用于初学者）

我将从软件包成熟度和稳定性的角度回答您关于两个软件包的问题。

venv和virtualenv是最成熟、稳定和社区支持的。从在线文档中可以看到，截至目前，virtualenv的版本为20.x。虚拟的

virtualenv是一个创建独立Python环境的工具。自从Python 3.3，它的一个子集已集成到标准中venv模块下的库。venv模块不提供所有功能该库的功能，仅举几个更突出的功能：速度较慢（通过不使用应用数据种子方法），不可延伸，无法为任意安装的python版本创建虚拟环境（并自动发现这些），不能通过pip升级，没有丰富的编程API（描述虚拟环境而不创建它们）。

virtualenvwrapper是一套帮助人们使用virtualenv的脚本（它是一个维护不好的“包装器”，上一次更新是在2019年）。虚拟说唱歌手

我的建议是尽可能避免所有pip虚拟环境。改用conda。Conda提供了一种统一的方法。它由专业开源开发者团队维护，并有一家声誉良好的公司提供资金和商业支持版本。相比之下，维护pip、venv、virtualenv、pipenv和许多其他pip变体的团队资源有限。pip虚拟环境的多样性对于初学者来说是令人沮丧的。基于pip的虚拟环境工具的复杂性、碎片化、边缘化和不受支持的包，以及极不一致的支持，驱使我使用conda。对于数据科学工作，我的建议是，当conda包不存在时，使用基于pip的虚拟环境管理器作为最后的手段。

venv变体之间的差异仍然让我感到害怕，因为我学习新软件包的时间有限。pipenv、venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、poetry和其他人有许多不同之处和复杂性，需要几天才能理解。我讨厌走上一条路，当维护人员辞职（或太忙而无法维护）时，为软件包找到支持。我只需要完成我的工作。

本着乐于助人的精神，这里有几个链接可以帮助你深入了解，但不要迷失在但丁的《地狱》（re:pip）中。

Python虚拟环境指南

选择“核心”Python包来投资于你的职业（长期），而不是短期内完成工作，这一点很重要。然而，这是一个商业分析问题。你是想简单地完成一项任务，还是想找一个专业的软件工程师来构建一个可扩展的高性能系统，并且随着时间的推移需要最少的维护工作量？我的天，conda将带你去后一个地方比处理pip复数问题更容易。conda仍然缺少一步pip包迁移工具，这使得这成为一个悬而未决的问题。如果我们可以简单地将pip包转换为conda包，那么pypi.org和conda forge可以合并。Pip是必要的，因为conda包还没有普及。许多Python程序员要么懒得创建conda包，要么他们只使用Python编程，不需要conda的语言不可知/多语言支持。

conda对我来说是一个天赐良机，因为它支持云软件工程和数据科学对JavaScript、SQL和Jupyter Notebook扩展的多语言支持，并且conda在Docker和其他云原生环境中运行良好。我鼓励您学习并掌握conda，这将使您能够回避许多基于pip的工具可能永远无法回答的复杂问题。

保持简单！我需要一个能满足我90%需求的软件包，并为剩下的10%的边缘案例提供指导和解决方案。

查看此处链接的文章，了解有关基于pip的虚拟环境的更多信息。

我希望这对原始海报有帮助，并给琵琶和康达爱好者一些思考的东西。

2020年1月更新

@Flimm很好地解释了所有的差异。通常，我们想知道所有工具之间的区别，因为我们想决定什么对我们最有利。所以，下一个问题是：使用哪一个？我建议您选择两种管理虚拟环境的官方方式之一：

Python Packaging现在推荐PipenvPython.org现在推荐venv

让我们从这些工具要解决的问题开始：

我的系统包管理器没有我想要的Python版本，或者我想并排安装多个Python版本，Python 3.9.0、Python 3.9.1、Python 3.5.3等

然后使用pyenv。

我想安装和运行多个具有不同、冲突依赖关系的应用程序。

然后使用virtualenv或venv。这些几乎是完全可互换的，不同的是，virtualenv支持较旧的python版本，并具有一些较小的独特功能，而venv在标准库中。

我正在开发一个/application/，需要管理我的依赖关系，并管理项目依赖关系的依赖关系解析。

然后使用pipenv或诗歌。

我正在开发/library/或/package/，并希望指定库用户需要安装的依赖项

然后使用setuptools。

我使用了virtualenv，但我不喜欢virtualenv文件夹分散在各个项目文件夹中。我想要集中管理环境和一些简单的项目管理

然后使用virtualvwrapper。变体：pyenv virtualenvwrapper，如果您也使用pyenv。

不推荐使用

皮文夫。这是不推荐的，请改用venv或virtualenv。不要与pipenv或pyenv混淆。