2022 现在 Python 的包管理用什么？

[zealinux]

之前的同事发来的只有一堆文件，没有 package 文件。

（数据分析为主，pandas ，numpy 等）


现在推荐用哪种？

pipenv ，Poetry 还是其他什么

[Latin]

目前一直用 poetry
pdm 是可以生成 package 的 类似于 npm 还没尝试过
https://github.com/pdm-project/pdm

[TimePPT]

数据分析，图省事建议 Anaconda

[edimetia3d]

python -m venv 目前应该是 de facto 的标准, 基本是开箱即用.
不过随应用场景, miniconda 和 poetry 好像也很流行. 我对 miniconda 并不是特别喜欢, 以后应该会试试 poetry

[karloku]

venv 最有安全感, 配合 dotenv 一起用也没什么不便利的地方

[ClericPy]

数据分析和机器学习好像没什么多个选择吧...

anaconda / miniconda 全家桶一把梭了, Jupyter Notebook 也方便直接把书上或者别人准备好的代码导入进来看效果. 比自己折腾环境靠谱的多

[Karonheaven]

我现在需要独立环境的项目都用 PDM 了，非常推荐：
https://github.com/pdm-project/pdm

[jayyjh]

在用 conda

[tisswb]

venv+pip 路过

[MTMT]

数据分析，感觉 conda 就够用了，直接 anaconda 或者 miniconda

[wizardyhnr]

以前用了 anaconda ，主要时因为当时安装 numpy 之类的要自己编译安装，另外系统的 Python3 版本也比较低。
anaconda 的问题是非常臃肿，体积比正常的 Python 环境要大很多，另外默认 channel 里的 package 不够多，用 conda-forge 装的话要运行很长时间检查依赖和占用很多内存，vps 上经常卡住。在 anaconda 环境中用 pip 安装需要用到 python-dev 的包时很难搞定。

现在的主流 Linux 发行版基本会有一个比较新的 Python 版本可以自己安装，另外 numpy 之类的安装已经非常简单了，用 venv 建立一个虚拟环境很轻量。Anaconda 在我这已经退休了。