在 CentOS 上装 Python 包，最容易出问题的地方通常不是命令本身，而是工具混用：系统自带的是 Python 2.7，项目实际又需要 Python 3；全局环境能跑，换台机器却复现不了。要把这些问题一次理顺，关键是先分清系统包、项目依赖和环境隔离分别该交给谁处理。
下面按实际使用顺序梳理一遍：先准备 Python 3 和 pip3，再看 pip3 的高频操作，接着处理虚拟环境，最后补充 yum 和 conda 这两类常见替代方案。看完后，你可以根据项目类型判断该用哪种工具，也能减少依赖冲突和版本混乱。
先在 CentOS 上准备 Python 3 和 pip
CentOS 7 及以上版本通常自带 Python 2.7，但 Python 2 已经停止维护，因此实际使用时应优先选择 Python 3，例如 3.6+。
基础安装命令如下：
sudo yum install python3
sudo yum install python3-pip如果你确实还要维护旧项目，也可以安装 Python 2 对应的 pip，但这不是推荐做法：
sudo yum install python-pip这里最重要的判断标准只有一条：新项目默认使用 python3 和 pip3，尽量不要把 Python 2 的包管理混进来。
pip3 常用命令有哪些
在 CentOS 上，pip3 基本覆盖了日常 Python 包管理需求。常见操作可以分成安装、升级、卸载、查询和依赖导出五类。
安装、升级和卸载
pip3 install package_name
pip3 install requests
pip3 install --upgrade package_name
pip3 install --upgrade requests
pip3 uninstall package_name
pip3 uninstall requests如果只是给项目补依赖，通常会先从安装和升级开始；出现包冲突或需要替换实现时，再用卸载命令清理旧包。
查看已安装包和包详情
pip3 list
pip3 show package_name
pip3 show requestspip3 list 用来查看当前环境里已经安装了哪些包及其版本，pip3 show 则更适合排查单个包的信息，比如版本、作者和依赖关系。
导出和复用 requirements.txt
如果你需要把当前环境交给同事，或者要把项目部署到另一台机器，最好把依赖记录到文件里：
pip3 freeze > requirements.txt
pip3 install -r requirements.txtrequirements.txt 的作用很直接：把“这台机器能跑”的状态变成“别的环境也能装出来”的清单。对团队协作和部署来说，这一步几乎是标配。
为什么要用虚拟环境隔离依赖
多个 Python 项目放在同一台 CentOS 机器上时，最常见的问题就是依赖版本互相冲突。一个项目要旧版库，另一个项目要新版库，如果都装到全局环境里，后续维护会越来越难。
因此，更稳妥的做法是为每个项目单独创建环境。
安装 virtualenv 或直接使用 venv
sudo pip3 install virtualenv如果系统里的 Python 3 已经可用，也可以直接使用内置的 venv 模块，这通常更省事。
创建、激活和退出环境
virtualenv myenv
virtualenv -p python3 myenv
source myenv/bin/activate
deactivate这几条命令分别对应：
- 创建名为
myenv的虚拟环境； - 显式指定使用
python3创建环境； - 激活环境，激活后终端提示符通常会显示环境名；
- 退出环境，返回系统默认环境。
实际使用中，可以把它理解成一条简单原则：项目依赖尽量装在虚拟环境里，而不是直接装到系统全局。
除了 pip3，还有哪些包管理方式
虽然 pip3 是最常见的选择，但在 CentOS 上，yum 和 conda 也各有位置。它们并不是谁替代谁，而是适用场景不同。
yum：适合系统仓库里的 Python 包
yum 更偏向系统级安装，优点是和系统仓库集成，缺点是包版本往往偏旧。
sudo yum install python3-package_name
sudo yum install python3-requests
sudo yum remove python3-package_name
yum list installed | grep python3
yum search python3-package_name如果你只是想装系统仓库里已有的 Python 包，或者环境对稳定性要求高于新版本特性，可以优先考虑这套方式。
conda：更适合数据科学和复杂依赖
conda 常见于 Anaconda 或 Miniconda 体系，尤其适合数据科学、机器学习以及包含非 Python 依赖的场景。
bash Miniconda3-latest-Linux-x86_64.sh
conda create --name myenv python=3.8
conda activate myenv
conda install package_name
conda install numpy
conda env export > environment.yml
conda env create -f environment.yml和 pip3 相比，conda 在处理复杂依赖、指定解释器版本以及迁移整套环境时通常更省心，尤其是科学计算类项目。
CentOS 管理 Python 包时要注意什么
把前面的操作落到实践里，可以归纳出三条最重要的经验：
- 优先使用
pip3：避免把 Python 2 和 Python 3 的依赖混装，尤其要记住 Python 2 已经 EOL。 - 项目尽量使用虚拟环境：不要把项目依赖直接装到全局环境里，否则后面很容易遇到版本冲突。
- 及时导出依赖文件：项目完成后生成
requirements.txt，迁移部署和团队协作都会轻松很多。
如果你的目标是日常 Web 开发或普通脚本维护，通常选择“Python 3 + pip3 + 虚拟环境”就够用了；如果是系统仓库依赖，考虑 yum；如果是数据科学和复杂环境管理，再转向 conda 会更合适。
