前言
在实际项目开发中，通常会根据自己的需求去下载各种相应的框架或库。
但是，每个项目使用的框架或库并不一样，甚至版本也不一样。这样如果直接在Python环境中安装各种各样的库，就会造成开发环境的混乱，引起很多不必要的麻烦。
因此，这种情况就需要虚拟环境来进行开发环境的隔离，没一个虚拟环境对应一个项目，方便管理。
路漫漫兮其修远兮，吾将上下而求索！
一、Python虚拟环境列举
Python创建虚拟环境的方式有很多总，包括：venv、virtualenv、conda、pipenv、poetry等。
说明：
二、不同虚拟环境的简要对比
2.1 poetry、pipenv
poetry和pipenv，这两个类似，是Python虚拟环境和依赖管理工具；poetry还提供了包管理功能，比如打包和发布。
2.2 venv、virtualenv
poetry和pipenv，这两个类似，操作方式对新手来说更容易上手。
2.3 Anaconda
Anaconda 提供了在单台机器上执行 Python/R 数据科学和机器学习的最简单方法。立即开始使用数以千计的开源包和库。（官网介绍）
因此，对于数据科学和机器学习的环境来说，可以优先选择Anaconda。
以下内容主要介绍我用过的poetry、venv和virtualenv。
二、实践检验真理
2.1 更好的选择：poetry（推荐）
2.1.1 安装poetry
官方推荐安装方法：
Linux/MacOS
curl -sSL https://raw.githubusercontent.com/python-poetry/poetry/master/get-poetry.py | python -
Windows
# PowerShell
(Invoke-WebRequest -Uri https://raw.githubusercontent.com/python-poetry/poetry/master/get-poetry.py -UseBasicParsing).Content | python -
安装完成后，查看（终端）：poetry -V
2.1.2 基本使用
# 初始化，在当前目录（项目根目录）创建 pyproject.toml 文件
poetry init
# 查看当前所使用的环境
poetry env info
# 指定使用 python（如果不指定，将使用环境变量的python；可不指定）
poetry env use /path/python
# 添加依赖
poetry add package
poetry add package@^3.2.13
poetry add package -D # 开发依赖
poetry add package --optional # 可选依赖
# 更新依赖（非必要，一般不使用）
poetry update
poetry update package
# 如果手动修改了 pyproject.toml 中依赖，需要更新lock文件
poetry lock
# 进入虚拟环境
poetry shell
# 不进入虚拟环境也可进行操作
poetry run python manage.py runserver
2.2 最简单的操作：venv & virtualenv
2.2.1 venv基本使用
# 创建虚拟环境
python -m venv venv
# 进入虚拟环境
# Windows
venv\Scripts\activate
# Linux/MacOS
source venv/bin/activate
# 安装依赖
pip install package
pip install package==3.2.13
# 退出虚拟环境
# Windows
venv\Scripts\deactivate
# Linux/MacOS
deactivate
2.2.2 virtualenv基本使用
在使用PyCharm时，也可使用virtualenv创建虚拟环境，操作简单。
软件工具栏：File - Settings - Project - Python Interpreter - 设置按钮（） - Add。
在添加Python虚拟环境（Add Python Interpreter）时，需要设置的仅有Location（虚拟环境存放的目录，一般是项目根目录），Base interpreter（选择Python解释器，找到Python的安装目录，默认使用环境变量中的Python）
三、推荐poetry理由
早期在使用PyCharm时，一直用的是通过（PyCharm）virtualenv创建的虚拟环境；项目部署时使用的是venv创建的虚拟环境。
以上方案整体上说，用起来还是很方便的，但是会存在一些问题。
- 安装依赖的版本不固定，对于存在依赖大版本更新的情况下，项目可能会无法正常运行。
- 开发环境与生产环境的依赖区分问题。之前使用
base.txt、dev.txt、prod.txt对依赖进行区分。 - 如果使用
pip freeze会导出很多附属依赖，造成文件的不可读。
因此，以前创建依赖文件时，是在增加依赖时，同时添加安装的指定版本到requirements.txt（base.txt、dev.txt、prod.txt）文件中。
使用poetry之后，以上问题都很好的得到了解决。并且还包含了打包和发布功能。
总结
虚拟环境的使用，是项目开发的基础，使用哪种虚拟环境，可以根据自己的实际情况进行选择。
最近有了解到一个新的包管理工具PDM（Python Development Manager），据说是一个更厉害的工具，并且这是一个国人开发的工具。
之后有时间会对这个工具的使用做一个了解，这应该是一个很好的工具。
有兴趣的朋友们，也可以尝试尝试这个工具。
