📢 转载信息
原文链接：https://www.kdnuggets.com/top-7-python-package-managers
原文作者：Abid Ali Awan
作者：Abid Ali Awan
# 引言
一切始于我清理电脑存储空间时，发现 Anaconda 占用了 20GB 的空间。这让我感到很奇怪。经过一番调查，我了解到 Anaconda 预装了许多未使用的 Python 包和工具，这解释了其庞大的安装体积。
随后，我开始寻找更快、更轻量级的替代方案。这引导我发现了几个 Python 包管理器，并决定将它们整理成一个列表。
在本文中，我们将探讨七个最流行和最现代的 Python 包管理器，并提供适用于 Linux 系统的安装命令。
# 1. Uv
uv 是一款专为速度而设计的下一代 Python 包和环境管理器。它由 Rust 编写，旨在超越 pip 和 Poetry 等传统工具的性能，同时保持与 Python 生态系统的完全兼容性。
到目前为止，这是我最喜欢的工具之一，因为它能快速安装新的 Python 包。它轻量级，在虚拟环境中使用效果最佳。
要进行安装，请在终端中输入以下命令：
curl -LsSf https://astral.sh/uv/install.sh | sh# 2. Pip
pip 是 Python 的默认包管理器，随大多数 Python 安装包一起提供。它允许用户从 Python 包索引 (PyPI) 安装、升级和管理包，构成了大多数 Python 环境的支柱。
每位 Python 开发人员都从这里开始，因为它是默认的包管理器，并附带了许多便捷的工具。然而，与 uv 等替代方案相比，它的速度相对较慢。
要进行安装，请在终端中输入以下命令：
sudo apt update sudo apt install python3-pip -y# 3. Poetry
Poetry 是一个依赖项和打包工具，可简化 Python 中的项目管理。它通过一个名为 pyproject.toml 的单一配置文件，无缝地管理虚拟环境、解析依赖项和处理发布。
Poetry 在软件工程师中很受欢迎，因为它能让他们对 Python 项目拥有更大的控制权。
要进行安装，请在终端中输入以下命令：
curl -sSL https://install.python-poetry.org | python3 -或者
pip install poetry# 4. Conda (Anaconda)
Conda 是一种跨平台的包和环境管理器，广泛应用于数据科学和机器学习领域。它能够管理 Python 和非 Python 依赖项（如 CUDA、R 或系统库），并且预装在 Anaconda 发行版中。
然而，使用 Conda 也有一些缺点。它可能很慢，并且可能会占用计算机上大量的存储空间。此外，它通常预装了许多您可能永远不会使用甚至不知道的软件。
要进行安装，请在终端中输入以下命令：
wget https://repo.anaconda.com/archive/Anaconda3-2025.06-1-Linux-x86_64.sh bash Anaconda3-2025.06-1-Linux-x86_64.sh# 5. Miniconda
Miniconda 是 Anaconda 的轻量级版本，它只包含 Conda 及其核心工具。它允许用户创建自定义环境，而无需多余的预安装包，是实现高效和可重现设置的理想选择。
如果您正在寻找与 Anaconda 类似的工作流程，但偏爱更精简、更快的选项，Miniconda 是最佳替代方案。
要进行安装，请在终端中输入以下命令：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh# 6. Mamba
Mamba 是 Conda 的一个快速、即插即用的替代品，用 C++ 编写。它极大地加快了依赖项的解析和环境的创建速度，使其成为处理大型环境的数据科学家的最爱。在快速可靠的 Python 包管理器中，尤其是在机器学习和数据科学工作流程中，它在很大程度上取代了 Miniconda 成为首选工具。
要进行安装，请在终端中输入以下命令：
curl micro.mamba.pm/install.sh | bash(或在 Conda 环境中)
conda install mamba -n base -c conda-forge# 7. Pixi
Pixi 是 Conda 社区使用 Rust 构建的前沿包管理器，旨在统一跨不同编程语言的环境管理。它完全可重现、跨平台且速度极快，非常适合管理混合技术栈的团队。
尽管 Pixi 很出色，但它的普及程度尚未达到 uv 的水平。与 uv 类似，Pixi 提供了快速强大的 Python 依赖项管理，但它还提供了跨语言支持。
要进行安装，请在终端中输入以下命令：
curl -fsSL https://pixi.sh/install.sh | bash# 结论
如果您是数据科学初学者，请从 Anaconda 开始。它对初学者友好，可以帮助您快速投入使用，因为许多必要的工具和库都已预装。这样，您可以专注于学习，而不是花时间进行设置。
随着您经验的积累，可以考虑使用 uv 来实现更精简、更快速的日常工作流程。如果您更倾向于留在 conda 生态系统内，mamba 是数据科学工作流程的一个强大替代方案。
最终，最好的 Python 包管理器取决于您的个人偏好、项目需求、团队惯例、可重现性要求，以及您在便利性和性能之间寻求的平衡。选择最适合您当前阶段的选项，并准备好随着您的技能和项目的演进而做出调整。
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学家专业人士，热衷于构建机器学习模型。目前，他专注于内容创作和撰写有关机器学习和数据科学技术的技术博客。Abid 拥有技术管理硕士学位和电信工程学士学位。他的愿景是利用图神经网络为正在与心理健康问题作斗争的学生构建一个 AI 产品。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区