在Ubuntu上管理Python依赖，通常可以使用以下几种方法：
pip：Python的包安装器，用于安装和管理Python包。它是Python社区的标准工具，适用于大多数Python项目。
安装pip（如果尚未安装）：
sudo apt update
sudo apt install python3-pip
使用pip安装包：
pip3 install package_name
更新已安装的包：
pip3 install --upgrade package_name
卸载包：
pip3 uninstall package_name
virtualenv：创建隔离的Python环境，每个环境都有自己的包和版本，互不干扰。
安装virtualenv：
sudo apt install python3-venv
创建虚拟环境：
python3 -m venv myenv
激活虚拟环境：
source myenv/bin/activate
在虚拟环境中安装包：
pip install package_name
退出虚拟环境：
deactivate
conda：Anaconda发行版包含了一个名为conda的包管理器和环境管理器，它可以用来安装、运行和更新包和环境，特别适合数据科学和机器学习项目。
安装Anaconda： 下载Anaconda安装脚本并运行：
wget https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh
bash Anaconda3-2021.05-Linux-x86_64.sh
按照提示完成安装。安装完成后，可以通过conda命令来管理环境和包。
创建新的conda环境：
conda create --name myenv python=3.8
激活conda环境：
conda activate myenv
在conda环境中安装包：
conda install package_name
更新conda环境中的包：
conda update package_name
卸载包：
conda remove package_name
requirements.txt：对于Python项目，通常会有一个requirements.txt文件，列出了所有需要安装的包及其版本。这样可以方便地共享和重现环境。
安装requirements.txt中的依赖：
pip3 install -r requirements.txt
更新requirements.txt中的依赖：
pip freeze > requirements.txt
选择哪种方法取决于你的具体需求和偏好。对于大多数Python开发来说，pip和virtualenv是最常用的组合。而对于数据科学和机器学习项目，conda可能更加方便。
