この記事の要点

Python 本体は公式インストーラー(python.org) またはpyenvで入れる。OS の Python は使わない ライブラリはpip install。プロジェクト毎の依存は requirements.txt で管理 プロジェクトごとにpython -m venv venvで仮想環境を作るのが現代の標準 pipenv: Pipfile + Pipfile.lock で依存ロック。シンプルだが活発さは落ち気味 poetry: pyproject.toml で管理。パッケージ公開・ロックの両方に対応する現代主流 conda: 機械学習・科学計算で C 拡張をまとめて入れたい場合に強い

パッケージ管理ツールの全体像

ツール	本体管理	ライブラリ管理	仮想環境	用途
pip + venv	×	○	○	標準・シンプル
pipenv	×	○（Pipfile）	○ 自動	Web 開発
poetry	×	○（pyproject.toml）	○ 自動	ライブラリ公開・ロック厳密
pyenv	○	×	×	複数バージョン併用
conda	○	○	○	データサイエンス
uv（新興）	○	○	○ 高速	2024〜流行の Rust 製

1. pip の基本操作

# 最新バージョンに更新（最初にやる）
python -m pip install --upgrade pip

# パッケージインストール
pip install requests
pip install 'django>=4.2,<5.0'      # バージョン指定
pip install -r requirements.txt     # ファイルから一括

# アンインストール
pip uninstall requests

# 一覧
pip list
pip list --outdated                  # 古いもののみ

# 詳細
pip show requests

# 依存ツリー
pip install pipdeptree
pipdeptree

# 依存関係を requirements.txt として書き出し
pip freeze > requirements.txt

# キャッシュ削除
pip cache purge

2. venv で仮想環境

# プロジェクトディレクトリで
cd ~/projects/myapp

# venv 作成
python -m venv venv

# 有効化（Linux / macOS）
source venv/bin/activate

# 有効化（Windows PowerShell）
.\venv\Scripts\Activate.ps1

# 有効化（Windows コマンドプロンプト）
venv\Scripts\activate.bat

# 確認: プロンプトに (venv) が付く
(venv) $ which python
/home/user/projects/myapp/venv/bin/python

# 無効化
deactivate

# 削除（プロジェクトと一緒に）
rm -rf venv

.gitignoreに venv は必ず追加:

# .gitignore
venv/
.venv/
__pycache__/
*.pyc
.python-version

3. requirements.txt の運用

# requirements.txt - 直接依存だけ書く（推奨）
Django>=4.2,<5.0
djangorestframework>=3.14
mysqlclient>=2.2.0
gunicorn>=21.0
python-dotenv>=1.0

# 開発用は requirements-dev.txt に分離
# -r requirements.txt
# pytest>=7.0
# black>=23.0
# flake8>=6.0

# 開発環境構築
pip install -r requirements.txt
pip install -r requirements-dev.txt

# 厳密ロックが必要なら pip-tools
pip install pip-tools
pip-compile requirements.in        # requirements.txt 生成
pip-sync                            # ロックに合わせて env を完全一致

4. pipenv

pip install --user pipenv

cd ~/projects/myapp

# プロジェクト初期化（Pipfile 生成）
pipenv install django

# 開発用パッケージ
pipenv install --dev pytest black

# 仮想環境で実行
pipenv run python manage.py runserver

# シェル起動
pipenv shell

# Pipfile.lock からインストール
pipenv install --deploy

# 仮想環境の場所
pipenv --venv

5. poetry（モダン主流）

# インストール
curl -sSL https://install.python-poetry.org | python3 -

# 新規プロジェクト
poetry new myapp

# 既存ディレクトリで初期化
cd myapp
poetry init

# 依存追加
poetry add django djangorestframework
poetry add --group dev pytest black

# インストール
poetry install

# 仮想環境で実行
poetry run python manage.py runserver

# シェル起動
poetry shell

# ロックファイルから完全再現
poetry install --sync

# 依存更新
poetry update

# パッケージビルド・公開（PyPI）
poetry build
poetry publish

6. conda（データサイエンス向け）

# Miniconda インストール後
conda create -n myenv python=3.11
conda activate myenv

# C 拡張も含めて conda 一発
conda install numpy pandas scipy scikit-learn matplotlib

# conda にないものは pip
pip install some-pypi-only-package

# 環境エクスポート
conda env export > environment.yml
# 再現
conda env create -f environment.yml

7. uv（高速・Rust 製・2024〜）

# インストール
curl -LsSf https://astral.sh/uv/install.sh | sh

# pip 互換コマンド
uv pip install django
uv pip install -r requirements.txt

# venv 作成（python -m venv より 10〜100 倍高速）
uv venv

# Python 本体管理（pyenv 代替）
uv python install 3.12
uv python list

選び方フローチャート

• とりあえず動かしたい → pip + venv
• 自分用 Web アプリ → pip + venv + requirements.txt
• チーム開発 / ロック厳密 → poetry
• ライブラリを PyPI 公開 → poetry
• 機械学習・GPU 系 → conda（CUDA バイナリも一括）
• CI / Docker の高速化 → uv

FAQ

Q: pip install で root 権限がいる
A: グローバルに入れようとしている。必ず venv 内で実行する。OS の Python を汚すと OS パッケージが壊れる。

Q: pip と pip3 どちらを使う？
A: venv 内なら pip。グローバル状態で曖昧なときは python -m pip が一番安全。

Q: requirements.txt と pyproject.toml の関係
A: PEP 621 で pyproject.toml が標準。新規プロジェクトは poetry / uv で pyproject に統一。レガシーは requirements.txt のまま。