首页 > 编程语言 >构建Python虚拟环境详细教程

构建Python虚拟环境详细教程

时间:2024-03-21 10:02:18浏览次数:46  
标签:教程 Python 创建 myenv 虚拟环境 pip 安装

构建Python虚拟环境的详细教程如下:

一、使用Anaconda创建虚拟环境

  1. 打开Anaconda Prompt(在Windows上)或终端(在macOS或Linux上)。
  2. 创建一个新的虚拟环境。你可以指定环境的名称和你想要使用的Python版本。例如,如果你想创建一个名为“myenv”的虚拟环境,并希望使用Python 3.8,可以运行以下命令:

conda create --name myenv python=3.8

  1. 激活新创建的虚拟环境。在Windows上,运行以下命令:

activate myenv

在macOS或Linux上,运行以下命令:

source activate myenv

  1. 现在,你的虚拟环境已经激活,你可以在这个环境中安装你需要的Python包。使用pip install命令来安装包。例如,如果你想安装numpy,可以运行:

pip install numpy

  1. 当你完成在虚拟环境中的工作后,可以使用以下命令退出虚拟环境:

deactivate

二、使用venv创建虚拟环境

  1. 首先,确保你已经安装了Python。如果没有,请从Python官网下载安装包进行安装。
  2. 打开终端或命令提示符。
  3. 创建一个新的目录,用于存放你的虚拟环境。例如,你可以创建一个名为“myenv”的目录。
  4. 切换到这个新创建的目录,并运行以下命令来创建虚拟环境:

python -m venv myenv

这将在当前目录下创建一个名为“myenv”的新虚拟环境。
5. 激活虚拟环境。在Windows上,运行以下命令:

myenv\Scripts\activate

在macOS或Linux上,运行以下命令:

source myenv/bin/activate

  1. 现在,你的虚拟环境已经激活,你可以在这个环境中安装你需要的Python包。使用pip install命令来安装包。
  2. 当你完成在虚拟环境中的工作后,可以使用以下命令退出虚拟环境:

deactivate

以上就是构建Python虚拟环境的详细教程。通过使用虚拟环境,你可以为每个项目创建独立的Python环境,避免包之间的冲突,使项目更易于管理和部署。

如何在Mac上安装Python虚拟环境

在Mac上安装Python虚拟环境,可以按照以下步骤进行:

  1. 确保已安装Python:首先,确保你的Mac上已经安装了Python。如果没有安装,你可以从Python官方网站(https://www.python.org/downloads/macos/)下载适用于Mac的Python安装包,并按照提示进行安装。

  2. 安装virtualenv:使用pip安装virtualenv。打开终端,输入以下命令:


bash复制代码

pip install virtualenv

如果你的系统同时存在多个Python版本,你可能需要使用pip3来代替pip,确保为正确的Python版本安装virtualenv。
3. 创建虚拟环境:选择一个目录,用于存放你的虚拟环境。然后,在该目录下使用以下命令创建一个新的虚拟环境。假设你想创建的虚拟环境名为myenv,则输入:


bash复制代码

virtualenv myenv

这将创建一个名为myenv的新目录,其中包含虚拟环境的Python解释器以及一个lib/pythonX.X/site-packages目录,用于存放你安装的所有Python包。
4. 激活虚拟环境:在创建虚拟环境后,你需要激活它才能开始使用。在终端中,使用以下命令来激活虚拟环境:


bash复制代码

source myenv/bin/activate

激活后,你的命令行提示符前会显示虚拟环境的名称,表示你现在正在使用虚拟环境中的Python解释器。
5. 安装所需的Python包:现在,你可以在这个虚拟环境中安装你需要的Python包了。使用pip install命令来安装包,例如:


bash复制代码

pip install numpy

这些包将只安装在当前激活的虚拟环境中,不会影响你的全局Python环境。
6. 退出虚拟环境:当你完成在虚拟环境中的工作后,可以使用以下命令退出虚拟环境:


bash复制代码

deactivate

这将使你回到全局Python环境。

以上就是在Mac上安装和使用Python虚拟环境的基本步骤。通过使用虚拟环境,你可以为每个项目创建独立的Python环境,避免包之间的冲突,使项目更易于管理和部署。

标签:教程,Python,创建,myenv,虚拟环境,pip,安装
From: https://blog.csdn.net/qq_24373725/article/details/136899569

相关文章

  • 尚硅谷Vue3入门到实战,最新版vue3+TypeScript前端开发教程
    1.创建Vue3工程npmcreatevue@latest或者npminitvue@latest输入项目名和需要的工具后进入项目如果项目报错使用命令安装Node.js的项目依赖包npmi启动vue项目,查看项目是否创建完成npmrundev直接删掉src然后创建src文件夹,在该文件夹中创建main.ts和App.vue文件......
  • python轻量数据库TinyDB使用
    安装pipinstalltinydb特性1.轻量易用2.JSON数据存储,使用json格式存储数据,类似mongodb数据库。3.支持查询和过滤4.支持事务5.可插件拓展示例fromtinydbimportTinyDB,Query​#创建数据库db=TinyDB('my_db.json') #会在本地创建一个"my_db.json"文件作为数据......
  • 一学就会 | ChatGPT提示词-[简历指令库]-有爱AI实战教程(八)
    演示站点:  https://ai.uaai.cn 对话模块官方论坛:  www.jingyuai.com 京娱AI 一、导读:在使用ChatGPT时,当你给的指令越精确,它的回答会越到位,举例来说,假如你要请它帮忙写文案,如果没给予指定情境与对象,它会不知道该如何回答的更加准确。当你看到199的教程时,......
  • 工良出品,从零设计开发 .NET 开发框架:框架源码和教程电子书
    为什么要写这个教程在毕业之后,读者写过了大量的文章和开源项目,正是坚持一边学习一边输出,所以笔者最终从一个生菜鸡进化为一个熟菜鸡。在程序员的成长中,我们会在思路,如何学习、如何进步,比如要成长为一个架构师,需要具备什么样的能力。比如说技术能力,技术能力是最核心的基础,那么我......
  • python 计算两个字符串最长子串超级加速版
    importjsonimporttimefrommultiprocessingimportPool,Manager,freeze_supportfromnumbaimportjitimportpandasaspdfromtqdmimporttqdmdefdata_set(dataset):fori,one_datainenumerate(tqdm(dataset)):one=one_data[4].repla......
  • python中出现Microsoft Visual C++ 14.0 or greater is required
    我尝试下载了Microsoftvisualc++14.0,但是依然不管用,而且它是真的很大…… 直接安装相应依赖也不管用(可能其他人管用?)——condainstalllibpythonm2w64-toolchain-cmsys2链接:https://blog.csdn.net/qzzzxiaosheng/article/details/125119006 然后我有找到一个,看着描......
  • Python 深度学习第二版(GPT 重译)(三)
    七、使用Keras:深入探讨本章涵盖使用Sequential类、功能API和模型子类创建Keras模型使用内置的Keras训练和评估循环使用Keras回调函数自定义训练使用TensorBoard监控训练和评估指标从头开始编写训练和评估循环您现在对Keras有了一些经验——您熟......
  • Python 深度学习第二版(GPT 重译)(四)
    九、高级计算机视觉深度学习本章涵盖计算机视觉的不同分支:图像分类、图像分割、目标检测现代卷积神经网络架构模式:残差连接、批量归一化、深度可分离卷积可视化和解释卷积神经网络学习的技术上一章通过简单模型(一堆Conv2D和MaxPooling2D层)和一个简单的用例(二进制图像......
  • golang vs python 应用项目语言选择
    目录1.语言选择2.python语言特点及应用场景2.1语言特点1.简单2.易于学习3.自由且开放4.丰富的库5.互动模式6.跨平台性7.可扩展8.数据库9.可嵌入10.高级语言2.2应用场景Python在系统编程中的应用Python在网络爬虫方面的应用Python在人工智能、科学计算中的应用Python在WEB开发中......
  • Python 深度学习第二版(GPT 重译)(一)
    前言序言如果你拿起这本书,你可能已经意识到深度学习在最近对人工智能领域所代表的非凡进步。我们从几乎无法使用的计算机视觉和自然语言处理发展到了在你每天使用的产品中大规模部署的高性能系统。这一突然进步的后果几乎影响到了每一个行业。我们已经将深度学习应用于几乎每个......