在 Ubuntu 上装 Python 库，看起来只是敲一条命令，真正容易出问题的却是“装到哪里”“版本是否合适”以及“会不会影响别的项目”。这篇文章把 apt、pip、虚拟环境和 conda 四种常见做法拆开说明，并保留对应命令与验证方式，方便你按实际场景判断该选哪条路线。

先判断：Ubuntu 上安装 Python 库该选哪种方式

在开始之前，先明确一个原则：不同安装方式没有绝对的“最好”，关键在于你的目标是什么。

• 如果你要安装系统仓库里现成的库，追求稳定，优先考虑 apt。
• 如果你希望拿到 PyPI 上更新的版本，绝大多数情况下用 pip 更合适。
• 如果你在做开发项目，尤其是多个项目并行，建议直接配合虚拟环境使用。
• 如果你本身就在用 Anaconda 或 Miniconda，或者涉及数据科学工作流，conda 会更省心。

使用 apt 安装：适合系统级、稳定优先的场景

APT 是 Ubuntu 自带的包管理工具，适合安装系统仓库中已经打包好的 Python 库。它的优点是稳定、依赖关系通常处理得比较完整，缺点是版本往往偏旧，可能落后几个大版本。

1. 先更新包列表

sudo apt update

这一步是让系统同步最新的软件包信息，避免直接安装到过期索引中的版本。

2. 安装指定 Python 库

命令格式如下：

sudo apt install python3-

例如安装 numpy：

sudo apt install python3-numpy

3. 验证是否安装成功

python3 -c "import numpy; print(numpy.__version__)"

如果命令能正常输出版本号，就说明安装成功，且当前 python3 可以正确导入该库。

使用 pip 安装：大多数场景更灵活的选择

pip 是 Python 官方包管理工具，直接对接 PyPI。它最大的优势是版本更新快、包数量全，通常比 Ubuntu 仓库里的版本更新，因此也是多数开发者的默认选择。

1. 先安装 pip 工具

如果系统里还没有 pip，先执行：

sudo apt install python3-pip

2. 安装单个库

基础命令格式：

pip3 install 

例如安装 requests：

pip3 install requests

3. 安装指定版本

当项目依赖固定版本时，可以直接指定版本号：

pip3 install requests==2.25.1

4. 按 requirements.txt 批量安装

如果项目目录里已经准备好了 requirements.txt，可以一次装齐依赖：

pip3 install -r requirements.txt

5. 验证安装结果

python3 -c "import requests; print(requests.__version__)"

这一步适合在安装后快速确认当前解释器是否能找到目标库，以及实际装上的版本是否符合预期。

开发项目建议配合虚拟环境，避免依赖冲突

如果你不只是临时试用某个库，而是在维护项目，虚拟环境几乎是必选项。它能把每个项目的依赖隔离开，避免不同项目之间因为版本要求不同而互相影响。

1. 创建虚拟环境

python3 -m venv myenv

执行后，当前目录会生成一个 myenv 文件夹，用来存放这个环境专属的 Python 和依赖。

2. 激活虚拟环境

source myenv/bin/activate

激活后，终端提示符前通常会出现 (myenv)，表示你已经进入这个独立环境。

3. 在虚拟环境中安装库

pip install 

这时安装的库只在当前虚拟环境中生效，不会影响系统全局，也不会干扰其他项目。

4. 使用完后退出

deactivate

退出后，终端会回到系统默认环境。

使用 conda：更适合数据科学和多环境管理

如果你已经安装了 Anaconda 或 Miniconda，那么 conda 也是一条常见路线。它除了能管理 Python 包，还能管理环境和部分非 Python 依赖，这对科学计算、机器学习一类场景尤其有帮助。

1. 创建 conda 环境

conda create -n myenv python=3.8

这里可以直接指定 Python 版本，例如 python=3.8。

2. 激活环境

conda activate myenv

3. 安装库

conda install numpy

conda 会一并处理相关依赖，适合依赖链比较复杂的环境。

4. 退出环境

conda deactivate

安装时要注意的 3 个关键问题

权限问题

使用 apt 或在全局环境中用 pip 安装时，通常需要 sudo 提权；而在虚拟环境或 conda 环境中安装库，一般不需要 sudo。

版本选择

apt 安装的库通常更稳，但也更旧。如果你依赖某个新特性、Bug 修复，或者需要与项目锁定版本对齐，通常应优先考虑 pip 或 conda。

依赖隔离

只要是正式开发项目，最好不要把依赖都装到系统全局环境里。虚拟环境的价值不在“高级”，而在于它能显著减少依赖冲突和环境漂移带来的排查成本。

结论：按场景选工具，比死记命令更重要

如果你只是想快速安装 Ubuntu 仓库里的稳定版本，可以直接用 apt；如果你希望拿到更完整、更新的 Python 生态，pip 更常用；只要涉及项目开发，就建议把 venv 当成默认配置；而在数据科学或跨依赖环境较复杂的场景下，conda 仍然很有价值。

真正能减少踩坑的关键，不是记住哪条命令更短，而是先分清你装的是系统依赖、项目依赖，还是一套需要长期维护的独立运行环境。