Python 安装方式全面指南
概述
在 Linux/Unix 系统上安装 Python 有多种方式，选择哪种取决于你的场景：开发环境、生产环境、多版本并存、离线安装等。本文详细介绍每种方式的步骤、优缺点和适用场景。
一、各方式速览对比
| 方式 | 版本自由度 | 多版本并存 | 需要 root | 需要外网 | 推荐场景 |
|---|---|---|---|---|---|
| yum/apt 系统包管理器 | 低 | 否 | 是 | 是 | 快速使用，不要求最新版本 |
| 下载源码编译 | 高 | 是 | 否（可自定义路径） | 否 | 老系统、定制编译选项 |
| pyenv | 极高 | 是 | 否 | 首次安装需要 | 开发环境，多项目多版本 |
| conda / miniconda | 高 | 是 | 否 | 是 | 数据科学，复杂 C 依赖 |
| 预编译二进制包 | 中 | 是 | 否 | 否 | 离线部署 |
| docker 容器 | 极高 | 是 | 是 | 首次拉镜像需要 | 生产环境，完全隔离 |
二、方式一：系统包管理器（yum / apt / dnf）
原理
直接从 Linux 发行版的官方软件仓库安装预先编译好的 Python 包。安装快，自动处理依赖。但版本受发行版策略限制，通常不是最新。
CentOS / RHEL 7
# 安装 EPEL 和 SCL（Software Collections，提供较新版本）
yum install -y epel-release centos-release-scl
# 查看可用 Python 版本
yum list available rh-python*
# 安装 Python 3.9
yum install -y rh-python39
# 启用（不会替换系统默认 Python）
scl enable rh-python39 bash
python3 --version
# 永久启用：写入 bashrc
echo 'source /opt/rh/rh-python39/enable' >> ~/.bashrc
source ~/.bashrcUbuntu / Debian
# 查找可用版本
apt-cache search python3 | grep "^python3"
# 安装
apt install -y python3.10 python3.10-pip python3.10-venv
# 多版本管理可以用 update-alternatives
update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.10 1优势
- 一条命令搞定，依赖自动处理
- 与系统集成好，包管理器统一管理更新
劣势
- 版本通常不是最新的
- 不能细粒度控制编译选项（如启用/禁用某些模块）
- 需要 root，影响系统级 Python
- CentOS 7 的 SCL 源已下线，需切到 vault.centos.org
- 多版本并存需要额外工具（alternatives 或 scl）
适用场景
快速部署，不追求最新版本，系统级脚本，学习环境。
三、方式二：源码下载编译安装
原理
从 python.org 下载官方源码包，在本机编译。完全掌控编译选项（如启用优化、指定 OpenSSL 路径、启用/禁用模块）。编译出的二进制天然匹配本机 glibc 和内核版本，对老系统兼容性最好。
步骤
# 1. 安装编译依赖
yum install -y gcc make openssl-devel bzip2-devel libffi-devel zlib-devel readline-devel sqlite-devel
# 2. 下载源码
cd /usr/src
curl -O https://www.python.org/ftp/python/3.10.14/Python-3.10.14.tar.xz
tar xJf Python-3.10.14.tar.xz
cd Python-3.10.14
# 3. 配置（--enable-optimizations 会跑测试优化，慢但性能更好）
./configure \
--prefix=/usr/local/python3.10 \
--enable-optimizations \
--enable-shared
# 4. 编译（-j 并行编译，$(nproc) 用满所有 CPU 核）
make -j$(nproc)
# 5. 安装（用 altinstall 防止覆盖系统 python）
make altinstall
# 6. 使用
/usr/local/python3.10/bin/python3.10 --version
/usr/local/python3.10/bin/pip3.10 install <包名>
# 7. 可选：创建软链接
ln -s /usr/local/python3.10/bin/python3.10 /usr/local/bin/python3.10CentOS 7 / RHEL 6 等老系统特别处理
老系统 OpenSSL 太老，必须装新版本并在编译时指定：
# CentOS 7
yum install -y openssl11-devel
# 编译时指定 OpenSSL 路径
CFLAGS="-I/usr/include/openssl11" \
LDFLAGS="-L/usr/lib64/openssl11 -lssl -lcrypto" \
./configure --prefix=/usr/local/python3.10 --enable-optimizations
make -j$(nproc)
make altinstall优势
- 完全掌控编译选项
- 可以装到任意路径，不需要 root（选用户目录即可）
- 对老系统兼容性最好
- 不依赖外网（源码包可以离线拷贝）
劣势
- 编译耗时（3-10 分钟）
- 需要手动解决编译依赖（gcc、openssl 等）
- 没有版本管理功能，多版本需手动管理路径
适用场景
老系统（CentOS 6/7、RHEL 6）、需要定制编译选项、离线环境。
四、方式三：pyenv
原理
pyenv 是一套 bash 脚本，在 ~/.pyenv/versions/ 下编译和存储多个 Python 版本。通过环境变量 PATH 和 shims 机制，在不同目录自动切换 Python 版本。每个项目可以用 .python-version 文件锁定版本，进目录自动切。
架构
~/.pyenv/
├── bin/ # pyenv 命令
├── shims/ # 代理脚本，拦截 python/pip 调用
├── versions/ # 各 Python 版本安装目录
│ ├── 3.9.21/
│ └── 3.10.14/
└── cache/ # 源码包缓存（预放文件可跳过下载）
安装与使用
# 1. 安装 pyenv
git clone https://github.com/pyenv/pyenv.git ~/.pyenv
# 2. 配置 shell
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
exec $SHELL
# 3. 安装编译依赖
yum install -y gcc make openssl-devel bzip2-devel libffi-devel zlib-devel \
readline-devel sqlite-devel
# 4. 查看可安装的版本
pyenv install --list
# 5. 安装 Python（会从 python.org 下载源码并编译）
pyenv install 3.10.14
# 6. 全局设置默认版本
pyenv global 3.10.14
# 7. 项目级设置（在项目目录下）
cd /path/to/myproject
pyenv local 3.10.14
# 会生成 .python-version 文件，进目录自动切换加速下载
如果 python.org 直连慢，提前把包下好放入缓存目录：
# 从国内镜像下载源码包
cd /tmp
curl -O https://mirrors.huaweicloud.com/python/3.10.14/Python-3.10.14.tar.xz
# 放入 pyenv 缓存目录
mkdir -p ~/.pyenv/cache
cp Python-3.10.14.tar.xz ~/.pyenv/cache/
# pyenv install 发现缓存有包就跳过下载，直接编译
pyenv install 3.10.14优势
- 多版本管理的最佳方案：安装、切换、隔离都很方便
- 按项目自动切换版本，不需要手动 source
- 不碰系统 Python，不需要 root
- 每个版本在独立目录，删掉目录就彻底卸载
.python-version可跟着项目 git 提交，团队统一版本
劣势
- 首次装需要从 GitHub clone（约 7MB）
- 本质还是源码编译，老系统仍需要处理编译依赖（GCC、OpenSSL）
- 安装速度取决于编译速度（首次 3-5 分钟）
适用场景
目前最主流的开发环境方案。适合多项目、需要多版本并存、团队协作。
五、方式四：conda / Miniconda / Anaconda
原理
conda 是一个不依赖系统库的独立 Python 发行版。它自带 Python 解释器、glibc、openssl 等依赖库，与系统完全隔离。通过 conda 命令管理环境和包，不仅能装 Python 包，还能装 C 库和非 Python 工具。
conda vs Anaconda vs Miniconda
| 名称 | 大小 | 预装包 | 适合 |
|---|---|---|---|
| Anaconda | ~500MB | 150+ 数据科学包 | 数据科学家，开箱即用 |
| Miniconda | ~70MB | 仅 conda + Python | 开发者，按需装包 |
| miniforge | ~40MB | 仅 conda + Python | 同上，社区维护，conda-forge 优先 |
安装 Miniconda
# 1. 下载安装脚本
curl -L -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 2. 安装（-b 静默，-p 指定路径）
bash Miniconda3-latest-Linux-x86_64.sh -b -p ~/miniconda3
# 3. 初始化 shell
~/miniconda3/bin/conda init bash
exec $SHELL
# 4. 创建 Python 3.10 环境
conda create -n proxy_browser python=3.10 -y
# 5. 激活环境
conda activate proxy_browser
# 6. 装包（conda 装装不上的再用 pip）
conda install requests lxml
pip install DrissionPage常用命令
# 查看所有环境
conda env list
# 创建环境（指定 Python 版本）
conda create -n myenv python=3.11
# 克隆环境
conda create -n newenv --clone oldenv
# 导出环境
conda env export > environment.yml
# 从文件恢复环境
conda env create -f environment.yml
# 删除环境
conda remove -n myenv --all优势
- 自带 glibc、openssl 等系统依赖，不依赖主机系统库
- 环境隔离彻底：不同项目不同环境，互不影响
- 装 C 库很方便：
conda install gcc、conda install cuda - 数据科学/机器学习生态最完善（numpy、scipy、pytorch 等预编译优化）
- 跨平台：Linux、macOS、Windows 用法一致
劣势
- 安装包大（Miniconda ~70MB，Anaconda ~500MB）
- 需要 glibc 版本匹配（现代 conda 需要 glibc ≥ 2.17，RHEL 6 只有 2.12 用不了）
- 装包慢（conda 的依赖解析比 pip 慢）
- 商业使用有许可限制（Anaconda 2024 年后收费，Miniconda 仍免费）
适用场景
数据科学、机器学习、需要复杂 C 依赖项目、跨平台开发。
六、方式六：预编译二进制包（python-build-standalone）
原理
有些项目提供已经编译好的、静态链接的独立 Python 二进制包，不必在目标机器上编译，下载解压即用。适合离线或老系统环境。
项目
- python-build-standalone：提供各版本静态编译的 Python
- python-for-android：Android 交叉编译
# 下载
curl -L -O https://github.com/indygreg/python-build-standalone/releases/download/20240107/cpython-3.10.13+20240107-x86_64-unknown-linux-gnu-pgo+lto-full.tar.zst
# 解压
tar --zstd -xf cpython-3.10.13+20240107-x86_64-unknown-linux-gnu-pgo+lto-full.tar.zst
# 使用
./python/bin/python3 --version优势
- 不需要编译，下载解压即用
- 自带依赖库，不碰系统库
劣势
- 社区维护，非官方，版本更新可能滞后
- 静态编译的二进制对内核版本有最低要求
- pip 包的 C 扩展可能编译不了（缺头文件）
适用场景
快速尝鲜、临时使用、对版本要求不高的离线环境。
七、方式七：Docker 容器
原理
在容器里运行 Python，利用 Docker 镜像提供的完整 Linux 用户空间，与主机内核共享但库完全隔离。镜像里预装了 Python 和依赖，一行命令即可运行。
使用
# 拉取官方 Python 镜像
docker pull python:3.10-slim
# 交互式运行
docker run -it --rm python:3.10-slim python
# 映射本地目录运行脚本
docker run -it --rm \
-v /path/to/project:/app \
python:3.10-slim \
python /app/run.py
# 用 Dockerfile 构建自定义镜像
cat > Dockerfile << 'EOF'
FROM python:3.10-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["python", "run.py"]
EOF
docker build -t myapp .
docker run -d myapp优势
- 完全隔离：容器里 Python、glibc、系统库都是独立的
- 环境可复制：同样的 Dockerfile 在任何机器上产出一样的环境
- 生态丰富：任何版本都有官方镜像
劣势
- 需要主机内核 ≥ 3.10（docker 依赖 cgroups 和 namespace）
- 需要安装 Docker 引擎
- 镜像体积大（slim 版 ~150MB，完整版 ~900MB）
- 需要 root 或加入 docker 组
适用场景
生产部署、微服务、CI/CD、本地开发环境隔离。
八、各种方式的适用场景总结
| 场景 | 推荐方式 | 原因 |
|---|---|---|
| 个人开发机，多个项目 | pyenv | 按项目自动切换版本，管理最方便 |
| 数据科学/机器学习 | conda | C 库预编译优化，cuda/numpy/pytorch 支持好 |
| 老旧系统（CentOS 6/7、RHEL 6） | 源码编译 | GCC + OpenSSL 本地编译，不依赖系统库版本 |
| 快速尝鲜一个脚本 | 系统 yum/apt | 一条命令搞定 |
| 生产环境部署 | Docker | 环境完全一致，回滚方便 |
| 离线环境 | conda 或 源码编译 | 提前下载包，拷过去装 |
| CI/CD 流水线 | Docker 或 pyenv | 环境可复现 |
九、当前主流趋势
开发环境：pyenv + poetry 是最流行的组合。
- pyenv 管理 Python 版本
- poetry 或 pipenv 管理项目依赖和虚拟环境
典型工作流：
# 在项目目录下
pyenv local 3.10.14 # 锁定 Python 版本
python -m venv .venv # 创建项目虚拟环境
source .venv/bin/activate
pip install -r requirements.txt生产环境：Docker 容器化是标准做法。
应用打包成镜像，CI/CD 构建后推到镜像仓库，部署时拉取运行。版本、依赖、系统库全部在 Dockerfile 里声明。
数据科学：conda 仍是首选。
Jupyter、NumPy、PyTorch 等重度 C 库优化的生态让 conda 无可替代。
十、常见问题
Q: pip install 和 conda install 有什么区别？
pip从 PyPI 下载 Python 包，纯 Python 或带 C 扩展，C 扩展会在本地编译conda从 conda-forge / anaconda 仓库下载预编译的二进制包（含 C 库），不需要本地编译器- 混用建议：先用 conda 装，conda 装不了的用 pip
Q: 多个 Python 版本可以并存吗？
可以。pyenv 和 conda 天生支持多版本并存。源码编译装到不同路径也可以，修改 PATH 即可切换。
Q: 为什么老系统装新 Python 这么麻烦？
新 Python 需要较新的 GCC 编译器和 OpenSSL。老系统自带的版本不够，需要手动装新版本。此外 pip 包的 C 扩展编译也可能需要新 glibc。
Q: requirements.txt 里的包版本怎么定？
==精确锁定，生产环境必须用>=最低版本，开发环境可以用- 推荐用
pip freeze > requirements.txt导出精确版本
Q: pip 下载慢怎么办？
# 临时用国内镜像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <包名>
# 永久配置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple