Python 虚拟环境工具及使用总结

​

参考文档：Python 虚拟环境工具及使用总结

1、virtualenv

virtualenv是一个创建隔离的Python环境的工具。它可以创建一个包含指定版本Python解释器的环境，并可以安装独立的库和依赖。 Python 官方提供的虚拟环境工具。Virtualenv 的原理是基于 Python 的模块化机制，通过创建一个独立的 Python 环境来实现虚拟化。这使得开发者可以为每个项目创建一个独立的环境，从而避免依赖冲突，提高开发效率。

1）安装

可以通过pip安装virtualenv，命令如下，

pip install virtualenv

2）验证安装

通过下面命令查看版本信息，来验证安装是否成功：

virtualenv --version

3）创建环境

创建一个新的虚拟环境，myenv 是新虚拟环境的名称，如下，

virtualenv myenv

4）激活虚拟环境

在Linux或macOS上，运行：

source myenv/bin/activate

在Windows上，运行：

myenv\Scripts\activate

5）退出环境

使用完成后，可以通过以下命令退出虚拟环境：

deactivate

6）删除虚拟环境

直接删除目录即可

2、virtualenvwrapper

virtualenvwrapper是virtualenv的一个扩展，提供了更易于管理虚拟环境的命令行工具。可以为多个虚拟环境设置别名，以便更轻松地切换。自动激活虚拟环境。

1）安装virtualenvwrapper

在Linux或macOS上，运行：

pip install virtualenvwrapper

在Windows上，运行：

pip install virtualenvwrapper-win

2）创建虚拟环境

Windows默认创建的虚拟环境位于C:\Users\用户\envs,可以通过环境变量WORKON_HOME 来修改。

通过计算机–>属性–>高级系统设置–>环境变量–>在系统变量中，新建“变量名”：WORKON_HOME,变量值为自定义目录。

Linux设置环境变量：

参考文档：Linux环境变量

Linux默认生成在家目录的.virtualenvs文件夹下。

当系统存在多个版本的python时，需要设置VIRTUALENVWRAPPER_PYTHON环境变量指定Python版本。

mkvirtualenv myenv

3）列出所有虚拟环境

lsvirtualenv

4）激活环境

workon myenv

5）退出环境

deactivate

6）删除环境

rmvirtualenv myenv

5）命令说明

3、pipenv

pipenv是一种Python依赖管理工具，自动为项目创建和管理虚拟环境。使用Pipfile和Pipfile.lock来代替传统的requirements.txt。

1）安装pipenv

pip install pipenv

2）创建虚拟环境

指定解释器创建虚拟环境：

pipenv --three

或

pipenv --python 3.9

安装所有依赖并创建虚拟环境：

pipenv install

4）进入虚拟环境

先进入虚拟环境的目录，然后执行下面命令，

pipenv shell

5）安装特定依赖

pipenv install <package>

6）查看虚拟环境

pipenv --venv

7）退出环境

exit

8）删除虚拟环境

pipenv --rm 

4、conda

conda是一个开源包管理系统和环境管理系统，可以用于安装、运行和升级包和它们的依赖。它非常适合数据科学和机器学习项目，支持多语言（Python、R等）。

1）安装 conda

Miniconda：

Miniconda — miniconda documentation

Anaconda：

Python Anaconda(conda)在 Mac上安装配置

Python Anaconda(conda)在 Linux上安装配置

Python Anaconda(conda) 在 Windows 上安装配置

1）创建环境

conda create --name myenv

2）激活环境

conda activate myenv

3）退出环境

conda deactivate

5、Anaconda 和 Miniconda

Anaconda 是一个用于科学计算的发行版，包括conda、Python以及许多科学包及其依赖。 Miniconda 是Anaconda的一个轻量级版本，只包括conda和其依赖，其他包需要手动安装。如是数据科学家或需要管理复杂的科学计算环境，conda或Anaconda可能是更好的选择。对于普通的Python开发，virtualenv、virtualenvwrapper或pipenv可能更方便。

1）Miniconda 安装

参考文档：Miniconda — miniconda documentation

2）Anaconda 安装

参考文档：

Python Anaconda(conda)在 Mac上安装配置

Python Anaconda(conda)在 Linux上安装配置

Python Anaconda(conda) 在 Windows 上安装配置