Python 虛擬環境教學：venv、virtualenv、conda 完整比較與實戰指南

寫 Python 寫到一半，突然發現套件版本衝突、專案跑不起來——這種經驗你一定有過吧？我自己剛開始學 Python 的時候，根本不知道什麼是虛擬環境，結果搞到系統 Python 一團亂，最後只好整個重灌。後來才知道，原來虛擬環境就是解決這個問題的關鍵工具。

今天這篇文章，我會帶你完整了解 Python 虛擬環境的概念，並且實際比較 venv、virtualenv 和 conda 這三種最常用的方案，讓你可以根據自己的需求選擇最適合的工具。

什麼是 Python 虛擬環境？為什麼你需要它？

簡單來說，虛擬環境就是一個獨立的 Python 執行空間。每個虛擬環境都有自己的 Python 直譯器和套件庫，彼此之間互不干擾。

想像一下這個場景：你手上有兩個專案，A 專案需要 Django 3.2，B 專案需要 Django 4.1。如果沒有虛擬環境，你只能在系統裡裝一個版本的 Django，這樣另一個專案就跑不動了。但有了虛擬環境，每個專案都可以有自己的 Django 版本，完全不會打架。

使用虛擬環境的好處包括：

• 避免套件版本衝突：不同專案可以使用不同版本的套件
• 保持系統 Python 乾淨：不會把一堆有的沒的套件裝到系統環境
• 方便部署：可以精確記錄專案需要的所有套件和版本
• 團隊協作更順暢：每個人的開發環境都能保持一致

venv：Python 內建的虛擬環境工具

從 Python 3.3 開始，venv 就被納入標準函式庫了，所以你不用額外安裝任何東西。這也是我最推薦新手使用的工具，因為它簡單、輕量、夠用。

建立與啟動 venv 虛擬環境

建立虛擬環境非常簡單，只需要一行指令：

python -m venv myenv

這會在當前目錄下建立一個叫做 myenv 的資料夾，裡面包含了獨立的 Python 直譯器和 pip。

啟動虛擬環境的方式因作業系統而異：

# Windows
myenv\Scripts\activate

# macOS / Linux
source myenv/bin/activate

啟動成功後，你會看到終端機前面多了一個 (myenv) 的提示，代表你現在正在虛擬環境裡。在這個狀態下用 pip 安裝的套件，都只會裝在這個虛擬環境中。

管理 venv 中的套件

在虛擬環境中，你可以正常使用 pip 來管理套件：

# 安裝套件
pip install requests flask

# 匯出套件清單
pip freeze > requirements.txt

# 從清單安裝套件（常用於部署或團隊協作）
pip install -r requirements.txt

# 離開虛擬環境
deactivate

說真的，對大多數 Python 開發者來說，venv 就已經很夠用了。如果你是在做 Web 開發，比如使用 Python FastAPI 建立 REST API，venv 完全能勝任。

virtualenv：功能更強的第三方工具

virtualenv 是比 venv 更早出現的第三方虛擬環境工具，它的功能比 venv 更豐富，速度也更快。

virtualenv 和 venv 的差異

雖然 venv 已經很好用了，但 virtualenv 有一些額外的優勢：

• 建立速度更快：virtualenv 會快取已安裝的套件，重複建立環境時速度明顯更快
• 支援 Python 2：如果你還需要維護 Python 2 的舊專案（希望你不用），virtualenv 是唯一選擇
• 更多自訂選項：可以指定不同的 Python 版本來建立環境
• 跨平台一致性更好：在不同作業系統上的行為更一致

安裝和使用方式如下：

# 安裝 virtualenv
pip install virtualenv

# 建立虛擬環境
virtualenv myenv

# 指定 Python 版本
virtualenv -p python3.11 myenv

啟動和離開的方式跟 venv 一模一樣，所以切換過來幾乎沒有學習成本。

conda：資料科學的好朋友

如果你是做資料科學、機器學習相關的工作，那 conda 可能是更好的選擇。它不只能管理 Python 套件，還能管理其他語言的套件和系統級的依賴。

conda 基本操作

# 建立虛擬環境（可以指定 Python 版本）
conda create -n myenv python=3.11

# 啟動虛擬環境
conda activate myenv

# 安裝套件
conda install numpy pandas scikit-learn

# 匯出環境
conda env export > environment.yml

# 從設定檔還原環境
conda env create -f environment.yml

# 離開環境
conda deactivate

conda 特別適合需要安裝像 NumPy、SciPy 這類有複雜 C 語言依賴的套件。如果你正在學習 Python Pandas 資料分析，用 conda 來管理環境會省掉很多麻煩。

conda 和 pip 可以混用嗎？

可以，但要小心。我的建議是：盡量先用 conda 安裝套件，找不到的再用 pip。混用的時候，順序很重要——先 conda 後 pip，不要反過來，否則可能會出現依賴衝突的問題。

三種工具的比較：該選哪一個？

我幫你整理了一個簡單的對照表：

• venv：適合一般 Python 開發、Web 開發，優點是內建不用額外安裝，缺點是功能較基本
• virtualenv：適合需要更多彈性的開發者，優點是速度快、功能多，缺點是需要額外安裝
• conda：適合資料科學和機器學習，優點是可以管理非 Python 依賴，缺點是佔用空間較大

我個人的經驗是：如果你是做 Web 開發或寫自動化腳本（例如 Python APScheduler 排程自動化），用 venv 就夠了；如果是資料科學相關，就直接上 conda。

虛擬環境的最佳實踐

用了這麼多年虛擬環境，我整理了幾個實用的建議：

• 每個專案都建立獨立的虛擬環境：不要偷懶共用，遲早會出問題
• 把虛擬環境資料夾加入 .gitignore：虛擬環境不應該被版本控制，只需要追蹤 requirements.txt 或 environment.yml
• 定期更新 requirements.txt：每次新增或移除套件後，記得更新套件清單
• 使用有意義的環境名稱：不要都叫 env 或 venv，用專案名稱來命名比較好辨識
• 考慮使用 poetry 或 pipenv：如果你的專案比較複雜，這些進階的套件管理工具可以提供更好的依賴管理

常見問題與排除

虛擬環境啟動失敗

Windows 使用者最常遇到的問題是 PowerShell 執行策略的限制。你可以用以下指令暫時解除：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

pip 裝到系統環境去了

有時候你以為自己在虛擬環境裡，但其實已經 deactivate 了。安裝套件前，養成習慣先確認：

# 確認目前使用的 Python 路徑
which python   # macOS/Linux
where python   # Windows

如果顯示的路徑不是虛擬環境的資料夾，那就代表你不在虛擬環境中。

總結

虛擬環境是每個 Python 開發者都必須掌握的基本功。不管你是剛入門的新手，還是已經有經驗的開發者，養成「一個專案一個虛擬環境」的好習慣，絕對能讓你省下大量除錯的時間。venv 簡單好上手、virtualenv 功能更強大、conda 則是資料科學的首選——選擇適合你的工具，然後好好享受乾淨的開發環境吧！