Python环境管理工具演进史：从venv到Conda，谁才是最佳选择？
作为一名Python开发者，你是否曾被各种环境管理工具搞得头晕眼花？今天，我们就来一场历史之旅，理清venv、pip、conda、miniconda之间的关系和发展脉络。时间轴：Python环境管理工具的演进
2010年前：史前时代 - 只有pip，全局安装，依赖冲突是家常便饭
2010年：virtualenv诞生 - 首次实现环境隔离
2013年：venv成为标准 - Python 3.3内置轻量级环境管理
2012年：Conda横空出世 - 为数据科学而生的全能选手
2015年：Miniconda出现 - Conda的轻量级版本
下面我们来详细了解每个工具的故事和特点。
Pip：开疆辟土的元老
# 基础用法
pip install requests
pip install django==3.2.0
核心功能： 从PyPI下载安装Python包 简单的依赖管理 包卸载和版本管理 局限性：
❌ 全局安装，包冲突严重
❌ 无法隔离不同项目环境
❌ 只管理Python包，不处理系统依赖
Venv：标准化的环境隔离
python -m venv myproject_env# 创建虚拟环境
# 激活环境
source myproject_env/bin/activate # Linux/Mac
myproject_env\Scripts\activate# Windows
pip install flask# 安装包
解决问题：项目环境隔离，避免"依赖地狱"局限性: pip对跨语言依赖的支持基本没有，这就导致采用c或者Fortran书写，采用python封装的库，pip几乎无法简单的安装。例如：Pandas、Numpy、Scipy
Conda宇宙
Anaconda Distribution 
解决问题：将所有的python有关要用的计算科学库全部打包成名为Anaconda Distribution的安装包，让用户一次性全部安装 缺点：安装包巨大，无法更新，小众安装包没有，无法删除
conda 命令
可以从conda默认的软件仓库下载适用各种系统的安装包，并已处理好各种依赖问题，同时可以处理安装，更新卸载等一系列功能，除此之外还可以创建虚拟环境，这样就有了一个完全独立于官方pip和venv的软件生态，
miniconda
Anaconda包含了Distribution科学计算库，python解释器以及conda命令等其他内容，占用大量内存空间，对于有经验的开发者可以安装miniconda，其只包含conda命令，python解释器以及少量必要依赖。
conda-forge
由anaconda公司提供托管平台，由开源社区维护的一个包罗万象的软件仓库（区别于默认仓库）,使用时加上-c conda-forge 即可。
miniforge 
包含conda和mamba，其中conda的默认下载源被修改成了conda-forge，mamba则是用c++重新实现了的conda，其效率比原conda有很多提升，使用时只要把conda替换成mamba即可。
