macOS 下升级 Python 的几种主流方案

改完后记得刷新：

source ~/.zshrc

最后验证一下：

python3 --version
which python3

现在应该指向 Homebrew 的最新版本了。

进阶方案：使用 pyenv

如果你需要在同一台机器上跑不同版本的 Python（比如项目 A 要 3.8，项目 B 要 3.10），pyenv 是神器。

1. 安装与初始化

brew install pyenv

然后编辑 ~/.zshrc，加入初始化代码：

export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
eval "$(pyenv init --path)"
eval "$(pyenv init -)"

保存后 source ~/.zshrc。

2. 安装与切换

列出可用版本：

pyenv install --list

安装你想要的版本（例如 3.11.4）：

pyenv install 3.11.4

设置全局版本（对所有会话生效）：

pyenv global 3.11.4

或者在项目目录下设置局部版本：

pyenv local 3.11.4

pyenv 会通过 shim 机制自动接管 python 命令，切换起来很丝滑。

数据科学场景：Anaconda/Miniconda

如果你依赖大量科学计算库，Conda 生态更合适。

1. 更新基础环境

conda update conda
conda update python

不过，官方更推荐创建新环境而不是污染 base 环境。

2. 创建独立环境

conda create -n my_new_env python=3.11
conda activate my_new_env
python --version

这样每个项目都有独立的 Python 和库，互不干扰。

其他途径与注意事项

如果是从官网下载的 .pkg 安装包，直接去 python.org 下载最新版覆盖安装即可。但这容易在系统里留下多个版本，PATH 管理比较麻烦，不如 Homebrew 灵活。

几点核心建议：

1. 别碰系统 Python：永远不要直接修改 /usr/bin/python。
2. 新手首选 Homebrew：简单、省心，适合大多数开发场景。
3. 多版本用 pyenv：灵活控制，适合需要频繁切换环境的开发者。
4. 数据科学用 Conda：库全，环境隔离做得好。
5. 升级后别忘了重装依赖：Python 版本变了，pip install -r requirements.txt 最好跑一遍。
6. 记得刷新环境变量：修改配置后，新开一个终端窗口或执行 source 命令再验证。

选最适合你工作流的方法，别让环境配置拖慢你的开发节奏。