Python安装第三方库攻略(pip和Anaconda)

文章目录

    • setup.py
    • easy_install
    • pip
      • 使用
      • 批量安装
      • 批量卸载
    • wheel
      • 1、wheel 包的命名格式
      • 2、python环境支持哪种wheel文件
    • 下载源
    • 第三方库下载地址
    • python3.6前后的版本pip安装方式的不同
    • 离线安装前查看某个指定的包的所有依赖项
    • conda
    • virtualenv
    • 参考文档

常用的python第三方库安装工具大概有三种:

1、pip (推荐)
2、easy_install
3、setup.py

常见的安装包格式:

1、whl (推荐,一种二进制的)
2、tar.gz
3、zip
4、egg(第一个主流打包格式)
whl和egg文件直接将后缀名改为zip,可以作为zip解压

setup.py

setup.py常用于源码安装,由于pypi官网下载包非常慢,因此有人会选择下载后安装,也有人会去GitHub上下载源码来安装,setup.py常被用与后者。

一般GitHub上的源码大多为zip、tar.gz、tar.zip、 tar.bz2这类压缩文件,而它们往往自带setup.py文件。

安装:

1、下载zip并解压;
2、打开cmd,进入解压后的路径;
3、依次执行以下代码

命令如下:

 python setup.py build
 python setup.py install

Windows的安装包存放的路径为:python安装路径下的\Lib\site-packages。

Linux的路径应该为: /usr/lib/python2.7/site-packages。 (路径不一定,视情况而定,有的可能在/usr/local/lib)

缺点:

但是这种安装方法有一种非常大的毛病,就是使用该方法安装的包,无法通过pip uninstall卸载干净。

需要手动到/usr/bin/python2.7/site-package(其中python处为对应的Python版本)目录下删除。对于类UNIX系统来说,64位机更麻烦的是,在/usr目录下分为lib和lib64,这两个目录下都会有。

网上有卸载方法,但我试过不太奏效:

卸载

记录安装后文件的路径
python setup.py install --record files.txt

删除这些文件 
cat files.txt | xargs rm -rf  

一般情况下其实不建议使用这种,pip其实也是可以直接安装压缩包的,后面会讲。

easy_install

实际上,在Python中安装第三方模块,是通过setuptools这个工具完成的。而easy_install和pip是封装了setuptools的两个包管理工具。

我们要使用easy_install,首先需要setuptools,当然,现在的版本里都自带了,python3.6以后的略微有点不一样,后面会讲。

但是还是可以提一下:

1、打开官网 http://pypi.python.org/pypi/setuptools ,目前最新版的只有whl和zip两种格式(以前是有exe的,现在似乎没有了,但我感觉现在更方便一点)。

但是whl前提是要用pip安装,而pip有的时候,我们可能需要使用easy_install才能安装,有pip我们也不怎么用easy_install了,所以我们只能下载zip。

2、下载后解压,会发现里面有easy_install.py和setup.py,可以直接使用。
如果是exe,安装后双击 ez_setup.py安装,或在cmd执行命令:

python easy_install.py

安装好easy_install之后就可以用来安装包了,但是建议将easy_install所在路径加入环境变量PATH,否则每次安装包都需要先进入该路径。

Windows的easy_install路径为:Python下的Scripts目录
Linux的路径应该为: /usr/local/bin。 (路径不一定,视情况而定)

easy_install的使用方法,如安装pip,直接在后面加上包名即可:

# 指定包名
 easy_install pip
 
 # 指定网址
 easy_install -f *.html pip
 
 # 安装tar/egg
 easy_install  package.tar/egg
 
 # 安装zip,先解压,然后进入
 easy_install .

卸载

easy_install -m pip

升级

easy_install --upgrade pip

使用教程:
http://peak.telecommunity.com/DevCenter/EasyInstall#downloading-and-installing-a-package

pip

使用

# 安装
pip install package

# 卸载
pip uninstall package

# 查看所安装的包
pip list

# 搜索包
pip search package

# 更新
pip install -U package

# 重定向输出项目使用的库到 requirements.txt文件内
pip freeze > requirements.txt

#在其他环境上安装项目的依赖
pip install -r requirements.txt

安装tar.gz和zip使用pip是最简单的,不需要解压,前两种还需要解压。

批量安装

有的时候你会发现在没有网络的时候,你想要安装wheel文件,直接pip会出错,这里有一种办法,并且可以批量,就是利用requirements.txt文件。但是,这之前我们还要知道,我们之所以安装wheel文件会失败,是因为本机的python不支持下载的whl文件。

1、我们将所有包下好,包括whl、tar.gz等。
2、然后将包的版本写入requirements.txt,并将它们放在一起。
3、可以直接执行命令,也可以将该命令写入脚本。

命令如下:

pip install --use-wheel --no-index --find-links=./ -r requirements.txt

批量卸载

pip uninstall -y -r requirements.txt

其中-y代表卸载时不询问是否删除,即yes的意思,可以省略,但在脚本里的时候还是加上。

wheel

1、wheel 包的命名格式

 {distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl

前两个分别代表包名和版本,前面查看wheel版本输出的三元素元组分别代表{python tag}-{abi tag}-{platform tag}。

  • python-tag —— python实现,主要分为五种:

py - 无实现特定的拓展
cp - CPython,也就是通常使用的 Python 实现
ip - IronPython,跑在 Windows CLI 平台上的 Python 实现
pp - PyPy,带 JIT 的 Python 实现
jy - Jython,跑在 JVM 上的 Python 实现

如request的whl名字里的py2和py3分别代表支持py2.x和py3.x,两个同时存在则代表两个版本都支持,以“.”分隔。

  • abi tag

说实话,我没太看懂这是个什么东西,只大概知道分为以下几种:

with-pydebug (flag: d ) ——看起来像是用于debug的
with-pymalloc (flag: m ) —— 一个专门的对象分配器
with-wide-unicode (flag: u ) —— 默认开启的
none —— 不区分

如果打包时没办法判断 abi 类型,生成的 abi tag 会是 none。而如果 Python 包是不依赖特定的 abi 的纯 Python 实现,生成的 abi tag 也是 none。

大部分我们下载的的是类似mu结尾的,如cp27mu。

  • platform tag —— 系统

win32 —— Windows32位
win_amd64 —— Windows64位
linux_i386 —— Linux32位
linux_x86_64 —— Linux64位
any —— 任意

当然,远不止这些,我曾经装过grpcio这个库,在官网里找到它发现五花八门,当时不知道要下哪一个,后来才找到那个查看版本的命令。
Python安装第三方库攻略(pip和Anaconda)_第1张图片
可以看到,就截图内的就有涉及到大概八种不同的系统及版本,根据命令查看whl版本,发现支持manylinux1_x86_84版本,原因是我当时用的是centos7,并且安装的时候是安装的最小(Mini)的形式,因此我下了manylinux1_x86_84的其中一个。

2、python环境支持哪种wheel文件

pip10以下的版本查看:

>>> import pip
>>> print(pip.pep425tags.get_supported())

pip10以上的版本查看:

>>> import pip._internal; 
>>> print(pip._internal.pep425tags.get_supported())

可以看到如图:
Python安装第三方库攻略(pip和Anaconda)_第2张图片
可以看到,这是一个由多组元组组成的列表,这里面的三个东西有没有感觉很眼熟,我们再看wheel文件的名称组成,例如requests:

requests-2.22.0-py2.py3-none-any.whl 

再如

grpcio-1.21.1-cp27-cp27m-manylinux1_x86_64.whl

当然,后者在Windows上的Python里执行是不可能看到的。

下载源

国内pypi官网下载源有时候会比较慢,我们可以指定源

pip install package -i http://pypi.douban.com/simple --trusted-host pypi.douban.compipy

国内镜像目前有:

  • 豆瓣 http://pypi.douban.com/simple/
  • 阿里云 http://mirrors.aliyun.com/pypi/simple/
  • 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  • 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
  • 华中理工大学 http://pypi.hustunique.com/
  • 山东理工大学 http://pypi.sdutlinux.org/

第三方库下载地址

1、https://pypi.org (官方)
2、https://www.lfd.uci.edu/~gohlke/pythonlibs/(很多官网没有的这里有)

python3.6前后的版本pip安装方式的不同

Python3.6和之前的版本(包括2.x和3.6之前的3.x)有一个很大的区别,安装完之后Scripts目录为空,当我们想执行更新pip时出错:

python -m pip install -U setuptools

报错:

No module named pip

解决办法:

python -m ensurepip 

离线安装前查看某个指定的包的所有依赖项

我们有的时候开发环境分内外网,但是又不得不安装一些第三方库,需要去外网下载好wheel拷到内网,而这些第三方库往往依赖于其他包。如果你在内网试,每次一个没有又要去外网重新下了拷进来,不胜其烦。

而conda有一个非常棒的功能,就是可以查看某个python版本的某个库的所有依赖项及其对应的版本,如下,指定查看3.5的某个包的所有依赖,较老版本的命令是这样的:

conda info package_name python=3.5

新版本的命令(可离线查看),没研究出来怎么指定python版本:

conda search package_name  --info [--offline]

其实pip也有,但只能显示相关依赖包,但不能显示具体对应的版本:

pip show package_name

可查看:https://cloud.tencent.com/developer/ask/145565

conda

我16年接触python的时候,学爬虫被安装第三方库折腾的差点放弃,尤其是Scrapy框架,后来一阵摸索好不容易发现了Anaconda这么个好东西。

Anaconda是个集成环境,里面有大量的常用第三方库以及科学计算相关的包,感觉起来装任何包都很轻易,没有再为包的事情烦心过,里面的命令是conda,和pip类似,但不仅pip,还有虚拟环境的作用。命令也类似,只要把pip替换为conda即可,但也可以使用pip命令。

如果想将py2和py3的Anaconda装在一起,只要把其中一个安装在另一个已经装好的envs路径下即可。

conda具体命令查看:
https://conda.io/projects/conda/en/latest/commands.html#

virtualenv

对于安装包,如果觉得怎么都安装不上,使用虚拟环境也是个很不错的选择,

# 安装(python2)
pip install virtualenv

# 创建虚拟环境,需要预先创建一个目录
virtualenv venv_name

# Windows激活虚拟环境
#1、进入虚拟环境所在目录下的Scripts目录
cd venv_name/Scripts

# 2、激活
activate

# 3、退出,linux同
deactivate

# linux进入并激活虚拟环境目录
source venv_name/bin/activate

参考文档

1、https://pip.pypa.io/en/stable/reference/
2、https://www.cnblogs.com/dtest/p/4507980.html
3、https://bu-choreography.iteye.com/blog/1113059
4、https://www.cnblogs.com/amengduo/p/9586354.html(安装史)
5、https://www.python.org/dev/peps/pep-0425/
6、https://www.python.org/dev/peps/pep-3149/
7、https://segmentfault.com/a/1190000007591736
8、https://docs.python.org/2.3/whatsnew/section-pymalloc.html

你可能感兴趣的:(python)