Python虚拟环境

什么是虚拟环境

Python 虚拟环境是一种机制，它允许开发人员在同一台机器上使用不同的Python版本和库。在 Python 虚拟环境中，可以独立地安装和管理 Python 软件包，而不会影响系统范围内的 Python 安装或其他虚拟环境。

通过创建虚拟环境，可以：

• 避免在多个项目之间出现冲突的依赖关系
• 在没有管理员权限的情况下安装软件包
• 更轻松地分享项目和环境配置

Python 虚拟环境通常是使用第三方工具，如 virtualenv 或 conda 创建的。这些工具提供了一个简单的方法来创建、激活和退出虚拟环境，并且可以与大多数主流的 Python 开发工具集成。

常用的虚拟环境工具

virtualenv

简介

在开发 Python 应用环境的时候，系统只会提供一个 Python 环境，所有的第三方的 Python 库都会安装到系统中 Python 的 site-packages 目录之下，这样同时开发多个应用程序的时候，这些应用程序会共同使用一个 Python 环境。virtualenv 是一个用于创建 Python 虚拟环境的一个工具，在使用过程中 virtualenv 会独立创建一个 Python 环境，使得能够和操作系统中的 Python 环境隔离开。

它不仅同时支持 Python2 和 Python3，而且可以为每个虚拟环境指定 Python 解释器，并选择不继承基础版本的包。

安装

使用 pip 安装 virtualenv 环境

pip install virtualenv
pip3 install virtualenv

在 Ubuntu 上安装 virtualenv

sudo apt update
# for Python3
sudo apt install python3-virtualenv
# for Python2
sudo apt install python-virtualenv

用法

创建虚拟环境

创建 virtualenv 虚拟环境后，activate 等脚本文件会自动安装到你的虚拟环境文件夹中。

virtualenv 环境名
# 指定 Python 版本
virtualenv -p /usr/bin/python2.7 环境名
virtualenv -p /usr/bin/python3 环境名

激活虚拟环境

source 环境名/bin/activate

在 Windows 系统激活虚拟环境 环境名\Script\activate.bat

在虚拟环境中安装库

pip install package_name
pip3 install package_name

退出虚拟环境

deactivate

删除虚拟环境

进入到虚拟环境所在目录，之后执行 Linux 删除命令即可。如果是 Windows 系统，则可以直接删除文件夹。

rm -rf 环境名

venv

简介

Python 从 3.3 版本开始，自带了一个虚拟环境模块 venv，venv 是 Python 标准库中的一个模块，它提供了一种轻量级的虚拟环境管理方式。使用 venv 可以创建独立的 Python 环境，每个环境都有自己的 Python 解释器和第三方库，互相之间不会干扰。这样做的好处是可以在同一台机器上同时开发多个项目，每个项目使用自己所需的 Python 版本和依赖库。

通过 venv 创建的虚拟环境是基于当前系统安装的 Python 解释器而创建的，因此不需要额外安装其他软件，只需要执行简单的命令即可。使用 venv 创建虚拟环境的过程中，也可以选择是否包含系统已经安装的第三方库，以及是否将新的虚拟环境添加到系统环境变量中。

venv 模块是在 Python 3.3 版本中引入的，用于创建虚拟环境。在此之前，Python 社区使用 virtualenv 工具来管理虚拟环境。不过，在 Python 3.3 之后，使用 venv 模块就可以在标准库中方便地创建和管理虚拟环境了，因此 virtualenv 库也逐渐被取代。

用法

创建虚拟环境

python -m venv 环境名 [--system-site-packages 是否包含 Python 系统的 site-packages]
# 指定 Python3 版本（3.3之后）
python3.x -m venv 环境名 [--system-site-packages 是否包含 Python 系统的 site-packages]

激活虚拟环境

进入 bin 目录，Linux/Mac用 source activate，Windows用 activate.bat 激活该venv环境

source 环境名/bin/activate

在 Windows 系统激活虚拟环境 环境名\Script\activate.bat

在虚拟环境中安装库

pip install package_name
pip3 install package_name

退出虚拟环境

deactivate

删除虚拟环境

进入到虚拟环境所在目录，之后执行 Linux 删除命令即可。如果是 Windows 系统，则可以直接删除文件夹。

rm -rf 环境名

pipenv

简介

过去我们一般用 virtualenv 搭建虚拟环境，管理 Python版本，用 pip 进行包的管理。在虚拟环境激活状态下，可以安装所需的依赖包，安装的依赖包会保存至项目虚拟环境目录下，不会污染系统全局环境。

virtualenv 的使用存在一定的问题：

1. 由于跨平台的使用不太一致，有时候处理包之间的依赖总存在问题
2. 可能需要手动安装/删除某些特定版本的包
3. 存在多个环境（开发环境、测试环境、生产环境）时，依赖包目录文件 requirements.txt 会需要存在多个，无比繁琐
4. 要定期更新 requirements.txt，保持项目环境的一致性

pipenv 能够有效管理 Python 多个环境，各种包，相当于 virtualenv 和 pip 的合体，且更加强大。pipenv 主要有以下特性：

1. pipenv 集成了 pip、virtualenv 两者的功能，且完善了两者的一些缺陷
2. pipenv 会在项目目录下创建 Pipfile、Pipfile.lock 文件，管理包之间的依赖关系
3. virtualenv 需要将虚拟环境依赖包的导出为 requirements.txt，一旦依赖包变动，就要重新导出，现在 Pipfile 和 Pipfile.lock 文件可以节省这些步骤，更方便地管理，查看依赖关系是十分方便
4. 各个地方使用了哈希校验，无论安装还是卸载包都十分安全，且会自动公开安全漏洞。通过加载 .env 文件简化开发工作流程
5. 便于 docker 容器化管理，Pipfile 文件支持生成 requirements 文件，便于项目代码 docker 化管理，另外，pipfile 还支持 v–dev 环境，可以在调试阶安装许多调试工具等，而不影响生产环境的环境
6. 无需激活虚拟环境执行代码，只要有 pipfile 文件即可使用虚拟环境的依赖包执行 Python 脚本，如：通过执行命令 pipenv run python xx.py
7. 支持 Python2 和 Python3，在各个平台的命令都是一样的

安装

pip install pipenv
pip3 install pipenv

用法

创建虚拟环境

pipenv install [--python 3.8 指定Python版本创建虚拟环境]

Windows 系统下，基本安装的都是 Python3.x 版本；而有些 Linux 系统自带 Python2.x 和 Python3.x 版本，Linux 下需要指定默认的 Python 版本，需使用下方的命令：

# 创建指定 Python2.x 版本的虚拟环境
pipenv install --two
# 创建指定 Python3.x 版本的虚拟环境
pipenv install --three

Pipfile 文件：用于保存项目的 Python 版本、依赖包等相关信息。

[[source]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
verify_ssl = true
name = "pypi"

[packages]
requests = "*"
pyyaml = "*"
Django = "*"

[dev-packages]
pytest = "*"

[requires]
python_version = "3.7"

[scripts]
django = "python manage.py runserver 0.0.0.0:8080"

1. source 用来设置仓库地址，即指定镜像源下载虚拟环境所需要的包
2. packages 用来指定项目依赖的包，可以用于生产环境和生成 requirements 文件
3. dev-packages 用来指定开发环境需要的包，这类包只用于开发过程，不用与生产环境
4. requires 指定目标 Python 版本
5. scripts 添加自定义的脚本命令，并通过 pipenv run + 名称 的方式在虚拟环境中执行对应的命令

pipenv run django 相当于 执行命令 pipenv run python manage.py runserver 0.0.0.0:8080

Pipfile.lock文件：通过hash算法将包的名称和版本，及依赖关系生成哈希值，保证包的完整性，除修改镜像源，非必要情况不对该文件进行修改。

激活虚拟环境

pipenv shell

在虚拟环境中安装库

# 安装最新版本库
pipenv install package_name
# 安装指定版本库
pipenv install package_name==版本

安装到 dev 环境

安装调试工具、性能测试工具、Python 语法工具，这些内容仅在本地环境有用，生产环境不需要这些。

pipenv install --dev package_name

通过上面的命令可以将指定的库安装在 dev-packages 下。

配置加速源

如果官方源站安装第三方库的速度很慢，安装失败，可以修改镜像源：

pipenv 兼容 pip 命令，所以也可以在命令加上参数 -i。

pipenv install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple

若想要永久该虚拟环境的镜像源，则需要打开项目目录下的 Pipfile、Pipfile.lock 文件，将 source 栏 url = "https://pypi.org/simple" 链接内容修改为需要的镜像源，例如修改为清华的镜像源 url = "https://pypi.tuna.tsinghua.edu.cn/simple"。

在虚拟环境中卸载库

pipenv 兼容大部分的 pip命令，所以 pip 命令能实现的内容，也能通过 pipenv 命令实现。

# 在项目所在虚拟环境中卸载指定库，并在 Pipfile 文件移除包名
pipenv uninstall package_name
# 在项目所在虚拟环境中卸载所有包，并在 Pipfile 文件移除包名
pipenv uninstall --all
# 在项目所在虚拟环境中卸载所有 dev 环境的包，并在 Pipfile 文件移除 [dev-packages] 中的所有包名
pipenv uninstall --all --dev

在虚拟环境中更新库

# 在项目所在虚拟环境中更新指定库，并在 Pipfile.lock 文件中更新相应版本信息
pipenv update package_name
# 在项目所在虚拟环境中更新所有包，并在 Pipfile.lock 文件中更新相应版本信息
pipenv update
# 在项目所在虚拟环境中查看已过期的包的信息
pipenv update --outdated
# 根据项目所在虚拟环境的 Pipfile 文件生成/更新 Pipfile.lock 文件中的依赖包信息
pipenv lock

退出虚拟环境

exit

删除虚拟环境

pipenv --rm

conda

简介

conda 是一个开源的跨平台软件包管理系统和环境管理系统，用于安装、运行和协调不同版本的软件包和其依赖项。它最初是为 Python 语言而设计的，但现在已经支持多种编程语言和工具。conda 可以轻松地创建和使用虚拟环境，这些环境可以独立于系统上的其他环境和安装的软件包运行。conda 还有一个广泛的软件包仓库，其中包含许多科学计算、数据分析和机器学习软件包，可供用户直接安装和使用。

conda 支持 Python、R、Java、JavaScript、C 等多种开发语言的包、依赖和环境管理工具，能运行在 Windows、MacOS、Linux 多个平台，可以在本地轻松创建、保存、切换环境。当安装 anaconda 时，会自动安装 conda 工具。

conda 与 pipenv，venv 等虚拟环境管理工具的最大的不同在于：conda 虚拟环境是独立于操作系统解释器环境的，即无论操作系统解释器什么版本（哪怕 2.7），我也可以指定虚拟环境 python 版本为 3.6，而 venv 是依赖主环境的。

conda 、miniconda 和 anaconda 的关系

conda 、miniconda 和 anaconda 都是由 Continuum Analytics 发布的 Python 包管理器。

conda 是一个跨平台的包管理器和环境管理器，可以用于安装、升级和卸载软件包，以及创建和管理多个 Python 环境。

miniconda 是一个轻量级版本的 anaconda ，它只包含了最基本的依赖项和 conda ，可以根据需要自行安装其他软件包和依赖项。

而 anaconda 则是一个大型的 Python 生态系统，包括了 Python 解释器、conda 、一系列常用的科学计算、数据处理和机器学习库以及集成开发环境（如 Jupyter Notebook）等工具。与 miniconda 相比，anaconda 的安装包更大，但是包含了更多的软件包和依赖项。

因此，可以认为 miniconda 是 anaconda 的一个子集，而 conda 是这两者的共同核心组件。

安装

conda 的安装方式有两种，一种是通过安装 anaconda 或 miniconda 来自动安装 conda；另一种是直接下载 conda 的安装包进行手动安装。

• 安装_Anaconda 中文网
• (48条消息) 「详解」conda 安装与使用_conda安装_ViatorSun的博客-CSDN博客
• conda的安装与使用 2.0版（2022-08-12更新） - 简书 (jianshu.com)

用法

查看conda版本

conda --version

配置镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/

目前国内提供 conda 镜像的大学：

• 清华大学：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
• 北京外国语大学：https://mirrors.bfsu.edu.cn/help/anaconda/
• 南京邮电大学：https://mirrors.njupt.edu.cn/
• 南京大学：http://mirrors.nju.edu.cn/
• 重庆邮电大学：http://mirror.cqupt.edu.cn/
• 上海交通大学：https://mirror.sjtu.edu.cn/
• 哈尔滨工业大学：http://mirrors.hit.edu.cn/#/home

查看已配置的镜像源

conda config --show channels

删除镜像源

conda config --remove channels 镜像源URL

升级conda

conda update conda

查看所有环境

conda env list
conda info --envs

创建虚拟环境

conda create --name 环境名 python=3.8

克隆虚拟环境

conda create --name 新环境名 --clone 克隆目标环境名

激活虚拟环境

# Linux
conda activate 环境名
# Windows
activate 环境名

在虚拟环境中安装库

# 使用 pip 安装库
pip install package_name
pip install package_name==版本号
# 使用 conda 安装库
conda install package_name
conda install package_name=版本号

注意：安装特定版本的包，conda用 =， pip用 ==

尽管在 anaconda 下我们可以很方便的使用 conda install 来安装我们需要的依赖，但是 anaconda 本身只提供部分包，远没有 pip 提供的包多，有时 conda 无法安装我们需要的包，我们需要用 pip 将其装到 conda 环境里。

在虚拟环境中查找库

conda search package_name

在虚拟环境中更新库

# 更新指定库
conda update package_name
pip install --upgrade package_name
# 更新全部库
conda update --all

在虚拟环境中卸载库

# 使用 pip 卸载
pip uninstall package_name [-y 可选，表示直接确认]
# 使用 conda 卸载
conda remove package_name

查看已安装库

# 使用 pip 查看
pip list
# 使用 conda 查看
conda list
conda list -n 环境名

退出虚拟环境

deactivate
conda deactivate
conda.bat deactivate

删除虚拟环境

conda remove -n 环境名 --all