我们在使用Pycharm中的Project Interpreter 发现有4中选择： Virtualenv Environment、Conda Environment、System Interpreter、Pipenv Environment，那么每个的具体含义是什么呢？下面我们就来学习一下吧。

System Interpreter 如字面意思是系统里安装的本地Python作为解释器，一般很少用，不推荐

virtualenv:

virtualenv 是目前最流行的 Python 虚拟环境配置工具。它不仅同时支持 Python2 和 Python3，而且可以

为每个虚拟环境指定 Python 解释器，并选择不继承基础版本的包。

virtualenv 的优点

使得不同Python应用的开发环境相互独立

开发环境升级不影响其他应用的开发环境，也不会影响全局的环境(默认开发环境是全局开发环境),因为虚拟环境是将全局环境进行私有的复制，当我在虚拟环境进行 pip install 时，只会安装到选择的虚拟环境中。

它可以防止系统中出现包管理混乱和版本的冲突

virtualenv 的简单使用

pip 安装 virtualenv

pip3 install virtualenv # 使用自己对应安装的pip版本

1

创建虚拟环境目录

mkdir myproject

cd myproject

1

2

创建一个独立的Python运行环境: myenv

virtualenv --no-site-packages myenv

1

注： 1)参数：--no-site-packages (可省略) 其意义在于不复制已经安装到系统Python环境中的所有第三方包从而得到一个“纯净”的运行环境。

2) 此时当前目录下会生成一个名为：“myenv” 的目录，该目录中存放刚生成的虚拟环境文件

激活虚拟运行环境

# Windows：

myenv\Scripts\activate.bat

# Linux:

source myenv/bin/activate

1

2

3

4

注： 以上命令执行完后会发现命令提示符变了，有个(myenv)前缀，表示当前环境是一个名为“myenv”的Python环境，此时可以在该环境中按照我们熟悉的方式安装库、运行程序等。

安装各种第三方包，并运行Python命令

pip install jieba

python myapp.py

1

2

注： 因为此时虚拟环境已经激活，所以可以直接使用命令pip、python而不是pip3和python3。

使用deactivate命令退出当前的myenv环境

deactivate

1

其他详细介绍，请参考 virtutalenv 官网：https://virtualenv.pypa.io/en/latest/reference/

venv:

Python 从3.3 版本开始，自带了一个虚拟环境 venv，在 PEP-405 中可以看到它的详细介绍。它的很多操作都和 virtualenv 类似，但是两者运行机制不同。因为是从 3.3 版本开始自带的，这个工具也仅仅支持 python 3.3 和以后版本。所以，要在 python2 上使用虚拟环境，依然要利用 virtualenv 。

有关venv与virtualenv的区别，virtualenv官网: https://virtualenv.pypa.io/en/latest/reference/#compatibility-with-the-stdlib-venv-module 有详细介绍，博主英文水平不够，请有需要的同学自行解读。

venv 安装

# Windows 中venv已经以标准库的形式存在，不用再单独安装

# Linux

sudo apt-get install python3-venv # 如有不同版本的Python3,可指定具体版本venv：python3.5-venv

1

2

3

在当前目录创建一个独立的Python运行环境: myenv

# Windows

py -3 -m venv myenv

# Linux

python3 -m venv myenv

1

2

3

4

激活虚拟运行环境、安装第三方包、运行程序及退出虚拟环境等操作均与 virtualenv 相同，在此不再赘述。

其他详细介绍，请参考 venv 官网：https://docs.python.org/zh-cn/3/tutorial/venv.html

什么是conda

最近有人问我venv和conda有什么区别，其实在我看来区别不是特别大。主要如下。

如果说venv是虚拟环境管理器，pip是包管理器，那么conda则是两者的结合。

遗憾的是conda的包管理器做的一般且会安装过多依赖如TensorFlow自动安装cudnn(在主机配置了cudnn的情况下)，大多数时候还是使用pip安装包。

但是，注意，pip只能安装Python的包，conda可以安装一些工具软件，即使这些软件不是基于Python开发的。

但是conda的虚拟环境管理还是可以的，一般使用venv会在该项目下创建虚拟环境，再不济也会在项目下创建venv的文件夹(含配置文件)，当然pycharm下创建虚拟环境另说；然而conda每个虚拟环境不会占用项目文件夹的空间，它创建在用户设定的一个位置，这使得多个项目共享一个虚拟环境更加方便(只是方便，venv也是可以的，但是venv一般占用项目文件夹空间，而且venv命令行使用具有局限性)。

conda虚拟环境是独立于操作系统解释器环境的，即无论操作系统解释器什么版本(哪怕2.7)，我也可以指定虚拟环境python版本为3.6(见文章开头所说原博客)，而venv是依赖主环境的。

对于科学计算和大数据领域的人，conda是环境自动集成了numpy这样的主流科学计算包的，venv每个包都要自行下载。

conda有图形化环境管理器，venv没有。(虽然开发人员几乎不用图形界面conda)