这个问题我太有共鸣了！之前做项目时反复装numpy、matplotlib这些大依赖，磁盘空间蹭蹭涨，试了不少办法，分享几个亲测好用的：

• 克隆基础虚拟环境
  先搭建一个预装所有常用依赖的"基础环境"，比如叫base_dev_env：

  python -m venv base_dev_env
  source base_dev_env/bin/activate  # Windows系统用 base_dev_env\Scripts\activate
  pip install numpy matplotlib pandas  # 把你日常常用的依赖都装上
  deactivate
  

  之后新建项目时，直接克隆这个基础环境就行。Windows上可以直接复制粘贴环境文件夹（系统会用硬链接方式，不会重复占用空间）；用conda的话更省心：

  conda create --name new_project_env --clone base_dev_env
  

  克隆出来的环境几乎不占额外空间，还能直接用所有预装依赖，完美解决重复安装的麻烦。

• 开启虚拟环境的系统依赖共享
  创建虚拟环境时加上--system-site-packages参数，让虚拟环境直接复用系统全局已安装的依赖：

  python -m venv new_env --system-site-packages
  

  前提是你已经在系统全局装好了常用依赖（比如用sudo pip install numpy matplotlib），这样新项目环境就不用重复装了。但要注意：如果某个项目需要特定版本的依赖，可能会和系统版本冲突，这种场景就不适合用这个方法。

• 利用pip缓存减少重复下载
  pip默认会把下载的包缓存到本地（Linux/macOS在~/.cache/pip，Windows在%LocalAppData%\pip\Cache），下次安装同一个版本的依赖时，直接从缓存提取，不用重新下载。虽然每个虚拟环境还是会有自己的包副本，但至少省了下载时间和流量。如果想进一步优化，还可以手动保存常用包的安装文件，用本地文件直接安装：

  pip install /path/to/numpy-1.26.0-cp311-none-win_amd64.whl
  

• 进阶：用符号链接共享固定版本依赖
  如果你有多个项目都用同一个版本的numpy这类依赖，完全可以手动创建符号链接，让多个虚拟环境共用同一个包文件。比如在Linux/macOS上：

  ln -s /path/to/base_dev_env/lib/python3.11/site-packages/numpy /path/to/new_env/lib/python3.11/site-packages/numpy
  

  这个方法要谨慎使用，必须确保所有项目的依赖版本完全一致，不然会出现奇怪的兼容性问题。

内容的提问来源于stack exchange，提问作者ranky123