Windows 下 Python 包管理全攻略：新手也能看懂的安装、升级、卸载与环境管理

关键词：Windows、Python 包管理、pIP、venv、conda、包冲突、虚拟环境

在 Windows 上使用 Python，很多人都会遇到同样的问题：
装了 Python 之后，pip 不会用；
装了几个库，项目突然报错；
升级一个包，另一个项目就坏了；
明明安装成功了，代码还是提示找不到模块。

这些问题，根本原因往往不是 Python 本身，而是包管理没做好。
Python 的包管理，看起来只是“安装库”，实际上包含了安装、升级、卸载、版本控制、环境隔离这几个关键部分。只要把这套逻辑理顺，Windows 上跑 Python 项目会轻松很多。

下面这篇文章，就围绕 Windows Python 包管理 详细讲清楚：

Python 包管理到底是什么
Windows 上最常用的包管理工具有哪些
pip、venv、conda 分别怎么用
常见报错怎么解决
新手如何搭建一个稳定、干净、不容易炸环境的 Python 开发环境

一、先搞懂：什么是 Python 包管理

Python 的“包”，可以简单理解成别人写好的功能模块。
比如你要做数据分析，常用 numpy、pandas；
要做网页请求，常用 requests；
要做可视化，常用 matplotlib。

包管理，就是管理这些模块的过程，包括：

安装包
升级包
卸载包
查看包版本
固定依赖版本
把不同项目的包隔离开

如果你电脑里所有 Python 项目都共用一套包，就很容易出现：

A 项目需要 requests==2.28
B 项目需要 requests==2.31
你升级了一个，另一个就报错

所以真正靠谱的做法，不是“全局乱装”，而是每个项目用自己的虚拟环境。

二、Windows 上常见的 Python 包管理方式

Windows 上管理 Python 包，最常见的组合是：

1. `pip`

Python 官方默认的包安装工具，最常用。

适合：

安装第三方库
卸载库
升级库
配合虚拟环境使用

2. `venv`

Python 自带的虚拟环境工具，不用额外安装。

适合：

给每个项目单独建环境
避免包冲突
新手入门最推荐

3. `conda`

Anaconda / Miniconda 体系里的包管理工具。

适合：

数据分析
科学计算
需要大量二进制依赖的场景
想省心一点的用户

4. `pipenv`、`poetry`

更偏项目化管理的工具。

适合：

中高级开发者
团队协作
需要更规范的依赖锁定

不过如果你刚开始学 Python，优先掌握 pip + venv 就够了。
这是 Windows 上最实用、最通用的一套方案。

三、Windows 上最推荐的包管理方案：pip + venv

对于大多数用户，尤其是新手，推荐这样搭配：

Python 官方版
pip 安装包
venv 创建虚拟环境
每个项目单独一个环境

这样做的好处很明显：

不容易包冲突
项目更干净
出问题容易排查
迁移到别的电脑也更方便

四、Windows 上安装 Python 后，先检查这几件事

很多人装完 Python 就直接开始敲代码，结果各种报错。
先别急，先确认下面几项。

1. 检查 Python 是否安装成功

打开命令提示符 CMD 或 PowerShell，输入：

python --version

或者：

py --version

如果能看到版本号，比如：

Python 3.12.2

说明安装成功。

2. 检查 pip 是否可用

输入：

pip --version

如果显示版本信息，说明 pip 正常。

3. 检查 Python 路径是否正确

输入：

where python
where pip

如果返回多个路径，说明电脑里可能装了多个 Python 版本，后面容易出冲突。

五、pip 的基本用法：安装、升级、卸载、查看

pip 是 Python 最核心的包管理工具，常用命令要记牢。

1. 安装包

pip install 包名

例如安装 requests：

pip install requests

如果想安装指定版本：

pip install requests==2.31.0

2. 升级包

pip install --upgrade 包名

例如：

pip install --upgrade pip
pip install --upgrade requests

建议先把 pip 自己升级一下，因为老版本 pip 容易出各种兼容问题。

3. 卸载包

pip uninstall 包名

例如：

pip uninstall requests

系统会提示是否确认，输入 y 就行。

4. 查看已安装的包

pip list

如果包很多，可以结合过滤命令查看：

pip list | findstr requests

5. 导出当前环境依赖

项目开发中很重要的一步。

pip freeze > requirements.txt

这个文件会记录当前环境里装了哪些包和版本。
以后别人拿到这个文件，可以直接批量安装：

pip install -r requirements.txt

六、为什么一定要用虚拟环境 venv

很多新手会直接把所有包装在系统全局环境里。
短期看省事，长期看一定会乱。

全局环境常见问题

装了太多包，不知道哪个项目用到了什么
一个项目升级包，另一个项目坏掉
卸载一个包，误删其他项目依赖
Python 版本一多，pip 和 python 对不上

虚拟环境的作用

venv 的作用就是：
给每个项目单独开一套独立的 Python 包环境。

这样每个项目都像有自己的“小房间”，互不干扰。

七、Windows 下用 venv 创建虚拟环境

这是最推荐的新手操作方式。

1. 打开项目文件夹

比如你准备做一个项目，目录是：

D:\PythonProject\demo

进入这个目录：

cd D:\PythonProject\demo

2. 创建虚拟环境

输入：

python -m venv .venv

这里的 .venv 是虚拟环境文件夹名称，你也可以换成别的，比如 env。

执行后，当前目录会生成一个虚拟环境文件夹。

3. 激活虚拟环境

CMD 里激活：

.venv\Scripts\activate

PowerShell 里激活：

.venv\Scripts\Activate.ps1

如果 PowerShell 提示执行策略限制，可以先运行：

Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

然后再激活。

4. 激活后怎么判断成功

激活成功后，命令行前面通常会出现：

(.venv)

这说明你已经进入这个项目自己的环境了。

5. 在虚拟环境中安装包

例如：

pip install requests

此时安装的包只属于这个项目，不会污染系统全局环境。

6. 退出虚拟环境

输入：

deactivate

就退出了。

八、Windows 上 Python 包管理的正确姿势

如果你是新手，建议按下面这套流程来。

标准流程

安装 Python 官方版
建项目文件夹
python -m venv .venv 创建虚拟环境
激活虚拟环境
pip install 安装项目依赖
用 pip freeze > requirements.txt 保存依赖
下次换电脑或重装系统，直接按 requirements.txt 恢复环境

九、requirements.txt：Python 项目的“安装清单”

很多人项目跑得好好的，过几天重装系统后，全忘了装过哪些库。
这时候 requirements.txt 就很重要。

导出依赖

pip freeze > requirements.txt

按清单安装

pip install -r requirements.txt

典型用途

项目备份
团队协作
服务器部署
迁移项目环境

十、Windows 上常见包管理问题与解决方法

下面这些是高频问题，遇到的人非常多。

1. `pip` 命令找不到

现象：

'pip' 不是内部或外部命令

解决方法：

优先试这两个：

python -m pip --version
py -m pip --version

如果这样能用，说明 pip 没坏，只是环境变量有问题。

处理办法：

重新安装 Python
勾选 Add Python to PATH
检查系统环境变量里的 Python 路径

2. `python` 命令找不到

现象：

'python' 不是内部或外部命令

解决方法：

先试 py：
```
py --version
```
如果 py 可用，说明 Python 安装没大问题
去系统环境变量里检查 Path
或重新安装 Python 并勾选添加到 PATH

3. 安装包后代码还是提示找不到模块

常见原因：

你装包的环境和运行代码的环境不是同一个
你在全局环境装了包，但代码跑在虚拟环境里
IDE 选错了解释器

解决方法：

先确认当前 Python 是哪个：

where python

再确认 pip 来自哪个环境：

pip --version

如果是虚拟环境，确保：

先激活环境
再安装包
IDE 里选择同一个解释器

4. 安装包速度很慢

解决方法：

可以临时使用国内镜像源，例如清华源：

pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

例如：

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

如果经常使用，可以配置 pip 镜像。

Windows 配置方式：

在以下目录创建或修改配置文件：

C:\Users\你的用户名\pip\pip.ini

写入：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
timeout = 60

这样以后安装速度会快很多。

5. 安装包时报编译失败

常见报错特征：

Microsoft Visual C++ 14.0 is required
error: subprocess-exited-with-error
building wheel failed

原因：

某些包需要编译环境，Windows 默认没有完整编译工具链。

解决方法：

优先安装带预编译轮子的版本

升级 pip：

python -m pip install --upgrade pip setuptools wheel

安装 Microsoft C++ Build Tools
数据分析类项目可直接考虑 conda

6. 一个包升级后，另一个项目出问题

根本原因：

多个项目共用同一个环境。

解决方法：

每个项目单独建 venv
不要在全局环境里随便升级大包
通过 requirements.txt 固定版本

十一、conda 和 pip 的区别，怎么选

很多人会纠结：到底用 pip 还是 conda？

pip 的特点

Python 官方默认工具
轻量
适合通用开发
生态最全

conda 的特点

既管 Python 包，也管非 Python 依赖
对科学计算、数据分析更友好
安装某些复杂包更省心
环境管理能力强

适合谁

适合用 pip + venv 的人

日常开发
Web 开发
自动化脚本
初学者

适合用 conda 的人

数据分析
AI / 机器学习
科学计算
需要大量 NumPy、SciPy、OpenCV 等库

建议

如果你是普通开发者，先学 pip + venv。
如果你经常做数据分析或机器学习，再考虑 conda。

十二、Windows 上用 conda 管理包的基本方法

如果你装的是 Anaconda 或 Miniconda，可以这样用。

1. 创建环境

conda create -n myenv python=3.11

2. 激活环境

conda activate myenv

3. 安装包

conda install numpy pandas

4. 使用 pip 安装 conda 没有的包

pip install 某个包

5. 导出环境

conda env export > environment.yml

6. 从文件恢复环境

conda env create -f environment.yml

十三、Windows 上推荐的包管理习惯

想让 Python 环境长期稳定，建议养成下面这些习惯。

1. 不要乱用全局环境

能用虚拟环境就用虚拟环境。

2. 一个项目一个环境

不要图省事把所有项目塞一个环境里。

3. 先升级基础工具

项目安装前先更新：

python -m pip install --upgrade pip setuptools wheel

4. 固定依赖版本

项目交付时保存 requirements.txt。

5. IDE 解释器要选对

比如 VS Code、PyCharm 都要确认选中的 Python 解释器就是当前虚拟环境。

6. 尽量使用官方源或稳定镜像

避免乱加来路不明的源，防止包被污染。

十四、给新手的一套 Windows Python 包管理标准配置

如果你刚开始学 Python，可以直接照着做。

第一步：安装 Python 官方版

安装时勾选：

Add Python to PATH
Install launcher for all users（有的话可以勾）

第二步：更新基础工具

python -m pip install --upgrade pip setuptools wheel

第三步：新建项目目录

mkdir D:\PythonProject\test
cd D:\PythonProject\test

第四步：创建虚拟环境

python -m venv .venv

第五步：激活环境

.venv\Scripts\activate

第六步：安装依赖

pip install requests

第七步：保存依赖

pip freeze > requirements.txt

这样一套下来，你的项目环境就比较规范了。

十五、常用命令速查表

查看版本

python --version
pip --version

安装包

pip install 包名

升级包

pip install --upgrade 包名

卸载包

pip uninstall 包名

查看安装包

pip list

导出依赖

pip freeze > requirements.txt

安装依赖

pip install -r requirements.txt

创建虚拟环境

python -m venv .venv

激活虚拟环境

.venv\Scripts\activate

退出虚拟环境

deactivate

十六、总结：Windows 下 Python 包管理的核心思路

Windows 下管理 Python 包，最重要的不是“会不会装包”，而是会不会把环境管干净。

真正稳定的做法是：

用官方 Python
用 pip 安装包
用 venv 隔离项目
用 requirements.txt 固定依赖
遇到复杂科学计算场景再考虑 conda

只要你把这几步吃透，后面无论是写脚本、做爬虫、搞数据分析、搭网站，都会顺很多。
包冲突少了，报错少了，排查问题也会简单很多。

windows python包管理

Windows 下 Python 包管理全攻略：新手也能看懂的安装、升级、卸载与环境管理

一、先搞懂：什么是 Python 包管理

二、Windows 上常见的 Python 包管理方式

1. pip

2. venv

3. conda

4. pipenv、poetry

三、Windows 上最推荐的包管理方案：pip + venv

四、Windows 上安装 Python 后，先检查这几件事

1. 检查 Python 是否安装成功

2. 检查 pip 是否可用

3. 检查 Python 路径是否正确

五、pip 的基本用法：安装、升级、卸载、查看

1. 安装包

2. 升级包

3. 卸载包

4. 查看已安装的包

5. 导出当前环境依赖

六、为什么一定要用虚拟环境 venv

全局环境常见问题

虚拟环境的作用

七、Windows 下用 venv 创建虚拟环境

1. 打开项目文件夹

2. 创建虚拟环境

3. 激活虚拟环境

CMD 里激活：

PowerShell 里激活：

4. 激活后怎么判断成功

5. 在虚拟环境中安装包

6. 退出虚拟环境

八、Windows 上 Python 包管理的正确姿势

标准流程

九、requirements.txt：Python 项目的“安装清单”

导出依赖

按清单安装

典型用途

十、Windows 上常见包管理问题与解决方法

1. pip 命令找不到

现象：

解决方法：

处理办法：

2. python 命令找不到

现象：

解决方法：

3. 安装包后代码还是提示找不到模块

常见原因：

解决方法：

4. 安装包速度很慢

解决方法：

Windows 配置方式：

5. 安装包时报编译失败

常见报错特征：

原因：

解决方法：

6. 一个包升级后，另一个项目出问题

根本原因：

解决方法：

十一、conda 和 pip 的区别，怎么选

pip 的特点

conda 的特点

适合谁

适合用 pip + venv 的人

适合用 conda 的人

建议

十二、Windows 上用 conda 管理包的基本方法

1. 创建环境

2. 激活环境

3. 安装包

4. 使用 pip 安装 conda 没有的包

5. 导出环境

6. 从文件恢复环境

十三、Windows 上推荐的包管理习惯

1. 不要乱用全局环境

2. 一个项目一个环境

3. 先升级基础工具

4. 固定依赖版本

5. IDE 解释器要选对

6. 尽量使用官方源或稳定镜像

十四、给新手的一套 Windows Python 包管理标准配置

1. `pip`

2. `venv`

3. `conda`

4. `pipenv`、`poetry`

1. `pip` 命令找不到

2. `python` 命令找不到