第3章 Python版本管理与虚拟环境
聊可重复性，绕不开Python版本和依赖环境。你可能遇到过这种情况：把一个项目丢给同事，他那边跑不起来，报个奇怪的语法错误——结果发现他用的是Python 3.12，你用的是3.8。嗯，这种事我碰过不止一次。
为什么需要版本管理？
说白了，不同项目依赖不同Python版本。比如我去年维护的一个老项目，跑在Python 2.7上，而新项目已经用上了3.10。同时开发时，光是切换系统默认Python就够头疼的。更别说还有包依赖冲突——项目A要numpy 1.19，项目B要numpy 1.26。没有隔离环境，你只能二选一。
所以，我们需要两样东西：Python版本管理器和虚拟环境工具。前者让你随时切换全局Python版本，后者让你为每个项目创建独立的环境。
pyenv：轻量级Python版本管理
我个人的习惯是用pyenv来管理Python版本。它只做一件事——安装和切换不同版本的Python，不碰你系统的包管理器。
安装pyenv
# macOS / Linux
curl https://pyenv.run | bash
# 然后将以下内容添加到 ~/.bashrc 或 ~/.zshrc
export PYENV_ROOT="$HOME/.pyenv"
command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init -)"常用命令一览
| 命令 | 作用 |
|---|---|
pyenv install --list | 列出所有可安装的Python版本 |
pyenv install 3.9.18 | 安装指定版本 |
pyenv versions | 查看已安装的版本列表 |
pyenv global 3.9.18 | 设置全局默认版本 |
pyenv local 3.8.10 | 在当前目录设置局部版本（生成.python-version文件） |
pyenv shell 3.11.0 | 临时为当前shell设置版本（优先级最高） |
小技巧：如果你和我一样经常在不同项目间切换，建议在每个项目根目录执行 pyenv local 版本号。这样cd进目录自动切换，省心。
conda：重度依赖环境的最佳选择
pyenv只管Python版本，不管依赖。而conda不仅管Python版本，还能管理所有包（包括非Python的库）。尤其适合做AI项目的同学——TensorFlow、PyTorch、CUDA驱动，这些依赖关系复杂，conda处理得比pip强太多。
安装Miniconda（精简版）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh环境创建与使用
# 创建一个指定Python版本的环境
conda create -n myproject python=3.9
# 激活环境
conda activate myproject
# 安装包（自动解决依赖冲突）
conda install numpy pandas scikit-learn
# 导出环境描述文件（可复现）
conda env export > environment.yml
# 从文件创建同样环境
conda env create -f environment.yml
# 退出环境
conda deactivate
# 列出所有环境
conda env list注意：我曾经把环境文件直接提交到Git仓库，结果队友在不同系统上运行，因为CUDA版本不同全崩了。我现在会同时输出两个文件：environment.yml（完整依赖）和requirements.txt（纯pip格式），再在README里说明怎么用。
pyenv vs conda：何时用哪个？
这不是二选一的问题。你可以同时用它们——pyenv管理Python版本，conda管理虚拟环境和包。但为了减少心智负担，我建议按场景选择：
| 场景 | 推荐工具 | 理由 |
|---|---|---|
| 纯Python脚本项目（web、爬虫、小工具） | pyenv + venv/pip | 轻量，快速，无需conda |
| AI/ML项目（TensorFlow、PyTorch、GPU相关） | conda | 自动处理CUDA、cudnn等非Python依赖 |
| 团队协作、需要严格复现 | conda + environment.yml | 锁定所有层级依赖 |
| 快速原型、尝试多个Python版本 | pyenv 切换 + 临时环境 | 版本切换秒级完成 |
核心工作流（含SVG流程图）
下面这张图概括了我每次新建AI项目时的操作路径。你按这个走，基本不会掉坑。
避坑指南
- 我曾经在Mac上用了系统自带的Python，结果升级macOS后项目全挂。从那以后我坚持用pyenv安装独立Python，跟系统彻底解耦。
- 我建议每个项目都从零创建虚拟环境，不要复用别人的环境。哪怕只是改了一个包版本，也重新生成一次environment.yml。
- 为什么会这样？因为pip/pipenv的依赖解析是贪心的，它只保证安装时满足约束，但不保证下次安装得到相同环境。conda的solver相对严格，但也不是100%可复现——所以必须锁版本。
终极建议：如果你做AI项目，无脑选「pyenv切换Python版本 + conda管理环境 + pip安装缺失包」。这个组合我用了一年多，团队里再没出现过"在我电脑上能跑啊"的鬼故事。
好了，关于版本管理和虚拟环境就先聊这么多。剩下的核心是：每次运行都确保环境是全新创建的，并且锁定文件跟着代码走。你按这流程走，可重复性至少提升80%。