Python
这几个东西的定位差异相当大，很难在同一个层面去探讨。可以详细说说其中的区别和历史发展情况。总体而言，这类工具实际上分为环境管理工具和项目管理工具两类。Conda在这些工具里属于涵盖范围最广的环境管理工具，它就像是一个专门进行环境管理的层级。
Python、R、Julia的各类依赖、工具，C/
C++库，甚至部分Node.
JS生态里的东西，它都能够进行管理。而且，利用Conda可以创建多个相互之间没有影响的隔离环境。在Conda看来，
Python本身其实也没那么特殊，仅仅是一种特定的依赖，所以不同的环境自然也能够拥有不同版本的
Python（或者R、Julia等）。因此，如果要进行类比的话，Conda相当于pyenv + pip再加上一个专注于特定领域软件的包管理器。而项目管理工具关注的是另一个层面，它们的工作和Conda并没有太多的重叠之处。对于编写小脚本或者在数据科学、人工智能场景下，在编写代码之前，使用Conda创建一个新环境然后切换过去应付一下也挺不错的，甚至有很多人使用Conda时从不创建新环境。不过，当使用
Python正经编写项目的时候，往往会倾向于使用一种专门的工具，针对每个项目管理一套独立的依赖关系以防止冲突，并且负责处理构建和脚本之类的问题。此时，pip显然是不够用的，因为它只是直接给全局环境安装一套相同的依赖。如果有两个项目依赖于同一个库的不同版本，那是不可能同时在全局环境里把这两个版本都安装上的。为了避免冲突，最好是给每个项目都设置一套独立的pip环境，分别安装各自所需的依赖，这就是虚拟环境的思路，venv和virtualenv等都是这种思路的实现者。当你使用PyCharm创建项目的时候，默认会使用venv创建一个虚拟环境，也就是你看到的venv文件夹，其目的就是让每个项目都有独立的依赖，从而避免冲突。
