首页 > 编程语言 >【学习笔记】Python 环境隔离

【学习笔记】Python 环境隔离

时间:2024-02-03 10:11:44浏览次数:32  
标签:virtualenv venv 隔离 Python 环境 笔记 virtualenvwrapper conda

目录

Python 作为最常用的脚本语言,有着非常丰富的第三方库,但是这也导致了 Python 的环境管理非常必要。本文将介绍 Python 的几个常用环境管理工具,以及如何使用它们。

前言

由于 Python 的第三方库非常丰富,因此在开发过程中,我们可能会使用到很多第三方库。
但是,这些第三方库可能会有不同的版本,而且不同的项目可能会使用不同的版本。
如果我们先在 A 项目中使用了老版本的第三方库,而后续在 B 项目中需要使用新版本的第三方库,覆盖了老版本的第三方库,那么 A 项目就可能会出现问题。

当前,个人使用过的 Python 的环境管理工具主要有 venvvirtualenvvirtualenvwrapperconda

venv

Python 3.3 之后,Python 自带了 venv 工具,是内置的一个模块,用于创建虚拟环境。

venv 环境管理

# 创建环境
python -m venv <env_dir>
# 通常在当前目录下创建 .venv 目录作为虚拟环境
python -m venv .venv

# 激活环境,直接调用相应的脚本即可
# Windows CMD
.venv\Scripts\activate.bat
# Windows PowerShell
.venv\Scripts\Activate.ps1
# Linux
.venv\Scripts\activate

# 退出环境
deactivate

# 删除环境,只需要删除相应的目录即可
# Windows
rmdir .venv
# Linux
rm -rf .venv

venv 包管理

激活环境后,直接用 pip 安装、卸载包即可。

virtualenv 以及 virtualenvwrapper

virtualenv 是一个第三方的包,用于创建虚拟环境。
venv 其实就是 virtualenv 的一个子集,相当于被官方收录了,可见其实力。

为了更方便地使用 virtualenv,可以使用 virtualenvwrapper ,它对 virtualenv 进行了封装,提供了更方便的命令。
在 Windows 上,可以使用 virtualenvwrapper-win

安装

pip install virtualenv
# Linux
pip install virtualenvwrapper
# Windows
pip install virtualenvwrapper-win

virtualenvwrapper 环境管理

# 创建环境
mkvirtualenv <env_name>

# 激活环境(仍然不太兼容最新的 PowerShell)
workon <env_name>

# 退出环境
deactivate

# 删除环境
rmvirtualenv <env_name>

virtualenvwrapper 包管理

激活环境后,直接用 pip 安装、卸载包即可。

conda

conda 是一个开源跨平台语言无关的包管理与环境管理系统。
通常为了方便,可以直接下载包含各种常用软件包的 Anaconda,以及最简环境的 Miniconda

然而,conda 在 Windows 上的使用体验并不好,暂时还不支持新版本的 PowerShell,其官方的 Issue 也有提到这个问题。

所以当前我都是切到 Conmmand Prompt 也就是 CMD 中使用 conda

conda 环境管理

# 创建环境
conda create -n <env_name> [python=<python_version>] [package_name]

# 激活环境
conda activate <env_name>

# 退出环境
conda deactivate

# 删除环境
conda remove -n <env_name> --all

conda 包管理

conda install <package_name>

conda list

conda remove <package_name>

总结

在 Windows 上,在借助 VScode 的 Python 插件的情况下,使用 venvvirtualenvwrapper 都还不错,可以快速的激活环境。
而在 Linux 上,使用 conda 也是一个不错的选择。

参考资料

本文作者: ywang_wnlo
本文链接: https://ywang-wnlo.github.io/posts/28f3e4d7/
版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!

标签:virtualenv,venv,隔离,Python,环境,笔记,virtualenvwrapper,conda
From: https://www.cnblogs.com/ywang-wnlo/p/18004385

相关文章

  • 运输层的TCP与UDP协议(学习笔记)
    一、运输层1.逻辑通信结构2.端口号、复用与分用二、TCP与UDP的区别1.概览图2.用户数据报协议UDP(UserDatagramProtocol)UDP面向应用层报文,可以在任何时候发起传输(无连接),向上层提供不可靠传输服务,即如果传输过程中出现误码,也不会触发重传。可以支持一对一、......
  • Python数据结构与算法03-单循环链表
    单循环链表classListNode:def__init__(self,val,next=None):self.val=valself.next=nextclassSingleLoopLinkList:def__init__(self,node=None):self.__head=nodeifnode:#如果不是空链表node.next=node......
  • 人工智能(第3版) 第三章—学习笔记
    人工智能(第3版)第三章—学习笔记知情搜索(informedsearch,也称有信息搜索)利用启发式方法,通过限定搜索的深度或宽度来缩小问题空间。3.0引言介绍了本章的主要内容与几个重要的概念。3.1启发式方法乔治·波利亚——“启发式方法之父”​启发式方法的目的是大幅度减少到......
  • 数组的中心位置-od-python
    数组的中心位置时间限制:1s空间限制:256MB限定语言:不限题目描述:给你一个整数数组nums,请计算数组的中心位置。数组中心位置是数组的一个下标,其左侧所有元素相乘的积等于右侧所有元素相乘的积。数组第一个元素的左侧积为1,最后一个元素的右侧积为1如果数组有多个中心位置,应该返回......
  • python信用卡欺诈检测
    信用卡欺诈检测任务流程:1、加载数据,观察问题2、针对问题给出解决方案3、数据集切分4、评估方法对比5、逻辑回归模型6、建模结果分析7、方案效果对比读取数据importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnp%matplotlibinlinedata=pd.r......
  • 寒假NOIP突破营笔记
    Day1枚举和搜索某些题的正解其实就是暴力,但加了一些优化三连击:暴力枚举即可DNA序列:\(O(nk)\)做法可以直接过;因为字符集大小只有\(4\),也可以使用哈希转为四进制统计\(O(n)\)栅栏:二分答案+搜索+剪枝k短路:A*:启发式搜索的一种,定义起点\(s\),终点\(t\),从起点(初始状态)开始的......
  • Python 机器学习 K-近邻算法 KD树
    在使用K-近邻(KNN)算法时,kd树(k-dimensionaltree)是一种用于减少计算距离次数从而提高搜索效率的数据结构。kd树是一种特殊的二叉树,用于存储k维空间中的数据点,使得搜索最近邻点更加高效。KD树的构造过程是将数据分割成更小的区域,直到每个区域满足特定的终止条件。1、构建KD树在k......
  • tensorflow1.15与numpy、keras以及Python兼容版本对照
    https://blog.csdn.net/m0_74181960/article/details/134253013 报错信息:numpy库版本不兼容问题NotImplementedError:CannotconvertasymbolicTensor(bi_lstm/lstm_encoder_a/fw/fw/strided_slice:0)toanumpyarray.根据错误信息中提到的内容,可能是在创建初始状态时使......
  • VITS课程学习笔记
    课程地址,https://www.bilibili.com/video/BV1wV411j7zG/?spm_id_from=333.788&vd_source=1eb6e5015a1f70daa97080d8ee786d5d VITS,VariationalInferencewithadversariallearningforend-to-endText-to-Speech论文,VITS:ConditionalVariationalAutoencoderwithAd......
  • 一些些数学的算法笔记
    好好好,直接进入正题(首先我们先要讲讲矩阵,矩阵你可以理解成\(n\timesm\)的一个二维数组,我们如下表示它:\[\begin{bmatrix}a_{1,1}&a_{1,2}&\cdots&a_{1,m}\\a_{2,1}&a_{2,2}&\cdots&a_{2,m}\\\vdots&\vdots&\ddots&\vdots\\a_{......