Python虚拟环境

# 写在前面

今天下午有位同学，找我帮忙弄python环境，通过和她之间的交流以及之前帮助过的同学遇到的问题，我总结了一下，90%的同学代码跑不起来就是因为环境问题，我想我应该专门写一篇文章来帮助大家解决这个问题，有句话说得好，“一个项目解决了环境问题，这个项目就已经完成八成了”

关于Python虚拟环境管理，曾经做为一名萌新一直不以为意，心想反正都是我要用的库，全安装在一个环境里，要用直接导入，多好，我不知道大家是不是也是这样想的，反正下午那位同学就是这样想的🤣，可是，后来，就遇到各种不知情况的报错，经常一顿操作猛如虎，一点运行一片红，

因为编程语言的很多库对编程语言本身的版本要求很高，各库之间的版本也要求不同。

再后来，懂得越来越多的我，写的代码越来越多，做的项目以及经验的积累，现在各种环境问题报错，都能花几分钟解决，甚至根本遇不到环境问题，因为什么？因为这些都是我熬过的日日夜夜，日日夜夜一直看着cmd那个黑框框，卸载重新安装下载进度条的加载得出的经验，这一次势必应该做一个总结，不单单是帮助大家，更是对自己经验的实例化，喜欢哪种方式，大家自己选吧。再说一次虚拟环境很重要。

我将会把所有环境有关的知识从头到尾，梳理在下面。

# 一、什么是虚拟环境

想必大家听到“虚拟环境”，脑子里蹦出的一个名词就是“虚拟机”，是的，虚拟机也算是一种虚拟环境，但是有一个专业性的名词，系统级的环境

我们可以使用虚拟机在我们的操作系统中模拟出多台子电脑（Linux 、Windows、MacOS、甚至是Android），子电脑和主电脑以及子电脑之间都是相互隔离的，互不影响。

虚拟环境主要分为两大部分：

系统级
- 笨重不易用来做开发，啥系统都能虚拟出来，主要用来做实验，启动慢，占用空间大，不易迁移。
  1. Vmware
  2. Virtualbox
- 轻量级，基于Linux内核，虚拟出来的环境也只能是Linux，因为是Linux本身小巧且安全，基本上是目前作为分布式架构的主流方案，也被称之为容器
  1. docker
  2. k8s
项目级
- 只针对于某个项目来适配的一个虚拟环境，因为不同项目所用的编程语言不同，我目前所学过的语言，都有对应的虚拟环境方案，这里只列举部分。
  1. Python
    - virtualenv
    - Virtualenvwrapper
    - conda
    - pipenv
  2. NodeJs
    - nvm
  3. Java
    - maven

系统级和项目级的虚拟环境，都有同一个特点，各子环境与主环境，互不影响。

比如conda管理虚拟环境：

无标题

提示

其它管理虚拟环境的工具原理都和conda的一样，这里只是拿conda举个例子。

当然你可以开一个系统级别的虚拟机去单独完成一个项目，可是如果你做了几十个项目呢？你不可能开拿Vmware开几十个虚拟机吧？所以这样是不推荐的，我想大家更喜欢在主环境（你电脑本身的环境）里写代码，也更喜欢一行命令就搭建好一个项目所需要的环境。

提示

系统级别的环境我想大家应该都会，接下来只介绍Python的虚拟环境方案，因为Python又被称为胶水语言，语言本身简单，各种第三方类库很多，只是语言版本前后兼容性没其他语言做的好，可能前个版本的某个类库能用，下一个小版本就不能用了，我猜这也是为什么Python的环境管理工具比其它语言多的原因吧😃

# 二、Python虚拟环境

提示

虚拟环境工具基本上都是第三方开源的，所以需要我们自己进行安装

# 1、使用virtualenv

# 1.1 安装

pip install virtualenv

# 1.2 创建虚拟环境

virtualenv [虚拟环境名称] 
virtualenv venv

#如果不想使用系统的包,加上–no-site-packeages参数
virtualenv  --no-site-packages 创建路径名

1
2
3
4
5

# 1.3 激活环境

# linux / macOS:

cd venv
source ./bin/activate

1
2

# Windows:

cd venv
.\Scripts\activate.bat

1
2

# 1.4 退出环境

# linux / macOS:

deactivate

# Windows:

.\Scripts\deactivate.bat

# 1.5 删除环境

没有使用virtualenvwrapper前，可以直接删除venv文件夹来删除环境

# 1.6 使用环境

进入环境后，一切操作和正常使用python一样安装包使用pip install 包

# 2、使用Virtualenvwrapper

Virtaulenvwrapper是virtualenv的扩展包，用于更方便管理虚拟环境，它将所有虚拟环境整合在一个目录下，新增，删除，复制，虚拟环境，快速切换虚拟环。

# 2.1 安装

# linux / macOS:

pip install --user virtualenvwrapper
# then make Bash load virtualenvwrapper automatically
echo "source virtualenvwrapper.sh" >> ~/.bashrc
source ~/.bashrc

1
2
3
4

# Windows:

pip install virtualenvwrapper-win

# 2.2 创建虚拟环境

# linux / macOS:

mkvirtualenv --python=python3.6 venv # 这里指定的是python3.6版本

# Windows:

mkvirtualenv --python=python3.6 venv # 这里指定的是python3.6版本

# 2.3 激活环境

workon #列出虚拟环境列表
workon [venv] #切换环境 venv是虚拟环境名字

1
2

# 2.4 删除环境

rmvirtualenv venv #venv是虚拟环境名字

# 2.5 其他有用指令

pip freeze #查看当前安装库版本
pip install -r requirements.txt #保持部署相同，一键安装所有包
pip freeze > requirements.txt  #创建 requirements.txt 文件，其中包含了当前环境中所有包及 各自的版本的简单列表
lsvirtualenv    #列举所有的环境
cdvirtualenv    #导航到当前激活的虚拟环境的目录中，相当于pushd 目录
cdsitepackages   # 和上面的类似，直接进入到 site-packages 目录
lssitepackages     #显示 site-packages 目录中的内容

1
2
3
4
5
6
7

# 3、使用conda

Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 Conda 是为 Python 程序创建的，适用于 Linux，OS X 和Windows，也可以打包和分发其他软件。

conda分为Anaconda和Miniconda。Anaconda是包含一些常用包的版本，Miniconda则是精简版。

Anaconda和Miniconda安装其一即可

Conda是集成的一个环境管理系统，和上面两种环境管理工具不同之处在于，Conda集成了多个版本的软件包及其依赖关系，所以安装包大得多，有专门的exe应用程序来安装。

# 3.1 下载

# 3.2 安装

这里以Anaconda3为例，Miniconda类同

# 3.2.1 找到安装包

# 3.2.2 双击exe安装程序

# 3.2.3 选择Just Me

一路"next"，最好选择"Just Me",windows的用户权限管理做的不太友好，如果选择"All User" ,Anaconda有时候则需要管理员权限（root权限）才能执行使用功能，windows用户如果只有一个账户，则那个账户则默认是系统的最高管理者，即为Linux的"root"

# 3.2.4 选择默认安装目录

注意

安装路径千万不能有中文！否则会出错 !

如果想要更换目录，自行更换即可

# 3.2.5 添加到环境变量

环境变量很重要，因为conda基本上都是在cmd命令行下使用，或者你任性可以不勾选，自己手动去配置（/擦汗）

3.2.6 完成安装

装载完成后一路"next"安装完成，这两项可以不用勾选，如果勾选了点击Finish会自动打开Anaconda的使用说明和介绍，不用理会。

# 3.3 测试安装

打开cmd 输入

conda -V

出现conda版本号即为安装成功，我这里是conda 4.10.3

# 3.4 创建虚拟环境

创建不同的python版本，直接写出版本号就好了，还可以同时安装想要的库。

# Python 2.7  
conda create -n venv python=2.7   # venv为你自定义创建的环境名

# Python 3.4  
conda create -n venv python=3.4   # venv为你自定义创建的环境名

# Python 3.5  
conda create -n venv python=3.5   # venv为你自定义创建的环境名

1
2
3
4
5
6
7
8

# 3.5 查看已有环境

conda env list

# 3.6 激活虚拟环境

# linux / macOS:

source activate venv

# Windows:

activate venv

# 3.7 退出虚拟环境

# linux / macOS:

source deactivate

# Windows:

deactivate

其实可以不管，学会切换就好啦！😆

# 3.8 删除虚拟环境

# 删除一个已有环境
conda remove --name venv --all # venv为环境名

1
2

# 3.9 导入导出（打包）环境

# 3.9.1 离线

把conda创建的环境打包，然后解压到新的环境里即可直接使用了

# 3.9.1.1 安装工具

conda install -c conda-forge conda-pack

# 3.9.1.2 离线打包

conda pack -n venv  # venv为环境名
# 如果报错 命令后面添加--ignore-editable-packages 
#比如 conda pack -n venv  --ignore-editable-packages

1
2
3

打包好后会在本文件夹下生成一个[venv].tar.gz的压缩包，这样就基本上就打包好了

# 3.9.1.3 导入离线包

创建一个专门的文件夹，解压到那个文件夹里，进入那个文件夹里的bin目录，然后输入

# Linux
source ./activate 
# windows
./activate

1
2
3
4

就会有一个新的环境了。

# 3.9.2 在线

# 3.9.2.1 导出 .yml 文件

 conda env export > venv.yml # venv为导出的文件名以及环境名

提示

注意：如果当前路径已经有了这个.yml 文件，conda 会重写这个文件

# 3.9.2.2 导入环境

 conda env create -f venv.yml # venv为导出的文件名以及环境名

# 3.9.3 Spec List

如果需要在具有 相同操作系统 的计算机之间复制环境，则可以生成 spec list。

# 3.9.3.1 生成 `spec list` 文件

 conda list --explicit > spec-list.txt

# 3.9.3.2 重现环境

 conda create  --name python-course --file spec-list.txt

# 3.9.4 Spec List和yml 文件的区别

可以使用 -export 选项生成一个 environment.yml 文件，以在 不同的平台和操作系统之间 复现项目环境。 spec list 文件和 environment.yml 文件之间的区别在于： environment.yml 文件不针对特定操作系统，并且使用YAML格式。 environment.yml 仅列出了软件包名称，由 conda 基于软件包的名称构建环境。另一个区别是 -export 还包括使用pip安装的软件包，而 spec list 则没有。

# conda其它命令

# 列出系统存在虚拟环境
conda info -e
conda env list

# 查看当前环境下已安装的包
conda list

# 查看某个指定环境的已安装包
conda list -n venv

# 查找package信息
conda search numpy

# 安装package
conda install -n venv numpy
# 如果不用-n指定环境名称，则被安装在当前激活环境
# 也可以通过-c指定通过某个channel安装

# 更新package
conda update -n venv numpy

# 删除package
conda remove -n venv numpy

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 4、使用pipenv

pipenv是Python官方推荐的包管理工具。它综合了 virtualenv , pip 和 pyenv 三者的功能。能够自动为项目创建和管理虚拟环境。如果你使用过requests库，就一定会爱上这个库，因为是同一个大神出品。 pipenv使用 Pipfile 和 Pipfile.lock 来管理依赖包，并且在使用pipenv添加或删除包时，自动维护 Pipfile 文件，同时生成 Pipfile.lock 来锁定安装包的版本和依赖信息，避免构建错误。相比pip需要手动维护requirements.txt 中的安装包和版本，具有很大的进步。

# 4.1 安装

pip install pipenv

# 4.2 创建虚拟环境

cd myproject
pipenv install # 创建环境
pipenv install requests # 或者直接安装库

1
2
3

如果不存在pipfile,会生成一个pipfile，并且如果有的库添加会自动编辑该文件，不会我们手动更新requirements.txt文件了。

# 4.3 激活Pipenv Shell

pipenv shell
python --version

1
2

# 三、IDE内切换环境

提示

这里以conda和pycharm为例，其它环境管理工具和IDE类同

打开pycharm，点击右下角python版本信息，会出现有三个选项，pycharm会自动检测目前电脑中的环境。

python版本/环境名称
Interpreter Setting :环境设置，一般用来给当前环境增删包或者删除pycharm检测到的环境
Add Interpreter : 添加环境，pycharm没有检测到的环境，就可以手动选择环境所在的路径进行添加

提示

这里默认pycharm没有检测到环境

# 1、添加环境

点击Add Interpreter

New environment 为创建一个新环境，这和在cmd中创建一样
Existing environment 使用现有的环境

选择现有的环境，点击ok，等待pycharm为我们切换环境，就完成切换了。

提示

如果Existing environment中没有conda环境选择，则打开命令行输入conda activate激活一下环境，在进入pycharm里选择

#Python文章

上次更新: 2023/09/05 17:45:42

← uviewUI2.x自定义tabbar 用python做了一个自动更新远程服务器项目代码和同步Git仓库的脚本→

Python虚拟环境

# 写在前面

# 一、什么是虚拟环境

# 二、Python虚拟环境

# 1、使用virtualenv

# 1.1 安装

# 1.2 创建虚拟环境

# 1.3 激活环境

# linux / macOS:

# Windows:

# 1.4 退出环境

# linux / macOS:

# Windows:

# 1.5 删除环境

# 1.6 使用环境

# 2、使用Virtualenvwrapper

# 2.1 安装

# linux / macOS:

# Windows:

# 2.2 创建虚拟环境

# linux / macOS:

# Windows:

# 2.3 激活环境

# 2.4 删除环境

# 2.5 其他有用指令

# 3、 使用conda

# 3.1 下载

# 3.2 安装

# 3.2.1 找到安装包

# 3.2.2 双击exe安装程序

# 3.2.3 选择Just Me

# 3.2.4 选择默认安装目录

# 3.2.5 添加到环境变量

# 3.3 测试安装

# 3.4 创建虚拟环境

# 3.5 查看已有环境

# 3.6 激活虚拟环境

# linux / macOS:

# Windows:

# 3.7 退出虚拟环境

# linux / macOS:

# Windows:

# 3.8 删除虚拟环境

# 3.9 导入导出（打包）环境

# 3.9.1 离线

# 3.9.1.1 安装工具

# 3.9.1.2 离线打包

# 3.9.1.3 导入离线包

# 3.9.2 在线

# 3.9.2.1 导出 .yml 文件

# 3.9.2.2 导入环境

# 3.9.3 Spec List

# 3.9.3.1 生成 spec list 文件

# 3.9.3.2 重现环境

# 3.9.4 Spec List和yml 文件的区别

# conda其它命令

# 4、使用pipenv

# 4.1 安装

# 4.2 创建虚拟环境

# 4.3 激活Pipenv Shell

# 三、IDE内切换环境

# 1、添加环境

# 3、使用conda

# 3.9.3.1 生成 `spec list` 文件