Python 虚拟环境设置

Python虚拟环境，可以使用conda或者venv。

Conda

安装

Anaconda

Anaconda是一个软件发行版，它附带了 conda 、Python 和150 多个科学包及其依赖项。

安装

brew install --cask anaconda

Miniconda

Minicondais a free, miniature installation of Anaconda Distribution that includes only conda, Python, the packages they both depend on, and a small number of other useful packages.

也就是说，Miniconda默认安装的包更少，占用空间更少，适合清楚Conda的用户选择。

安装

brew install --cask miniconda

新建虚拟环境

conda create -n environment_name

venv

Python 官方推荐的常见虚拟环境的方式。

python -m venv /path/to/new/virtual/environment

pyvenv

弃用，使用venv代替。

怎么选择

conda和venv都是在Python开发中用于创建和管理虚拟环境的工具，以下是关于何时使用它们的简要描述：

当需要跨语言支持、管理复杂环境及共享环境时使用conda

• 跨语言项目：如果项目不仅涉及Python，还包含其他语言如R、Java等，conda能很好地管理多种语言的环境和依赖，因为它支持多种语言的包管理。
• 复杂依赖管理：项目依赖大量不同版本的库，且这些库之间存在复杂的依赖关系时，conda能通过其强大的依赖解析系统，自动解决依赖冲突，确保环境的稳定性。例如在数据科学项目中，可能需要安装NumPy、Pandas、Scikit-learn等多个库，以及它们的特定版本，conda可以轻松处理。
• 环境共享与部署：当需要在不同的开发环境或生产环境中共享项目环境时，conda的环境导出和导入功能非常方便。可以通过简单的命令将当前环境的配置导出为文件，在其他环境中快速创建相同的环境。

当专注于轻量级Python环境及与标准库集成时使用venv

• 纯Python项目：对于只涉及Python的简单项目，venv是一个很好的选择，它是Python标准库的一部分，无需额外安装，使用起来简洁明了。
• 轻量级环境需求：如果项目对环境的隔离要求不高，只是为了避免全局环境的污染，venv创建的轻量级虚拟环境就能满足需求。它能快速创建一个独立的Python环境，用于安装项目所需的库。
• 与标准工具集成：venv与Python的标准工具和流程集成得很好，例如在使用pip进行包管理时，venv能确保包只安装在虚拟环境中，不会影响全局环境。在使用内置的unittest等测试框架时，venv也能提供一个干净的测试环境