1.2 pyenv使用

最新推荐文章于 2025-08-07 15:45:59 发布

原创最新推荐文章于 2025-08-07 15:45:59 发布 · 214 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pyenv使用

python 专栏收录该内容

22 篇文章

订阅专栏

一、先安装两个版本的python

pyenv install 3.9.5

pyenv install 2.7.16

二、查看已安装的版本

pyenv versions

三、指定一个版本为全局版本

pyenv global 3.9.5

四、查看当前使用版本

pyenv version

五、切换版本

pyenv global 2.7.16

//Rehash pyenv shims (run this after switching Python versions)
pyenv rehash

pyenv version

官方地址：https://github.com/pyenv-win/pyenv-win#installation

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

LetsStudy

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

使用pyenv管理python版本

Damien_J_Scott的博客

07-13

794

安装完成后，您需要设置您的shell环境变量，以便pyenv可以正常工作。这样，您就可以开始使用pyenv来安装和管理Python版本了。要使用pyenv，在CentOS系统上，您需要先安装一些依赖包，然后从GitHub上下载和安装pyenv。如果觉得太麻烦，并且你才搭好，就可以直接删除该python再从重新安装一次python就行了。最近部署python项目上vm，需要管理python版本，需要使用到pyenv记录下。这里的安装目录你可以看他的console里面打印的值,把xxx改成你的路径就行了。

1 条评论您还未登录，请先登录后发表或查看评论

Pyenv的安装和使用

最新发布

ElendaLee的专栏

08-07

1222

安装 Python 3.12.11 时，编译过程中缺少多个关键的依赖库，导致部分 Python 内置模块（如。前面带星号表示当前设置的python版本，这个我已经设置过了。模块缺失问题（OpenSSL）。

Pyenv：Python版本管理利器

## 1.2 Pyenv的历史和发展 Pyenv最初由Yamashita Yuu（@yyuu）于2011年创建，经过多年的发展和开源贡献，Pyenv已成为Python开发社区中广泛使用的版本管理工具之一。 ## 1.3 Pyenv与其他Python版本管理工具的对比相...

安装pyenv版本管理

weixin_34378922的博客

05-16

254

系统：Centos7.4 　　安装pyenv是为了更好的管理python的版本。在进行安装操作之前，首先使用普通用户test,进行操作，如下： #安装之前先安装依赖的库 [test@localhost ~]$ sudo yum -y install git gcc* make patch gdbm-devel openssl-devel sqlite-devel zlib-devel...

Ubuntu pyenv安装管理多版本python

qxq-xq的博客

07-01

2614

这里写自定义目录标题安装pyenv定义环境变量pyenv的使用注意事项：安装pyenv 安装pyenv首先选择安装路径，一般选择安装在家目录下，很多软件的配置文件等都是以隐藏文件的形式放在家目录下或者根目录下，我们的安装路径设置为~/.pyenv 在终端窗口输入命令如下： git clone https://github.com/pyenv/pyenv.git ~/.pyenv 定义环境变量 ......

windows pyenv-win：pyenv 下载过慢

TaylorY的博客

06-20

761

windows pyenv-win：pyenv 下载过慢

【pyenv】解决 pyenv install 国内下载缓慢的问题

qq_40805985的博客

08-22

6228

可以先去镜像网站看看有没有自己需要的版本资源，我看了一下，基本都有。原理是先把安装包下载到缓存里，install 时会自动检测。将版本号替换为自己要下载的版本即可。

记录一下linux下pyenv的问题，解决下载缓慢跟安装失败的问题

wd40296的专栏

12-10

2741

默认pyenv已安装好由于pyenv install xxx下载速度十分缓慢，甚至经常被墙。。找到一个解决方案并记录下来使用国内源 #3.7.5是版本号， -P是下载到指定目录，如果没用cache目录必须先创建此目录 wget http://mirrors.sohu.com/python/3.7.5/Python-3.7.5.tar.xz -P ~/.pyenv/cache/ #如果...

Python版本管理-pyenv

如渊的博客

07-17

3418

pyenv 可以改变全局的 Python 版本，在系统中安装多个版本的 Python，设置目录级别的 Python 版本，还能创建和管理 virtual python environments。而 virtualenv 主要是用来管理相同版本 Python 不同项目的包的依赖不同的问题，就无法解决这个问题，这个时候就需要 pyenv。2.迁移时，python3由于依赖于相对高一点的glibc库，要注意迁移与被迁移服务器的glibc的版本问题，版本不同时还需要手动安装,更新时注意。

pyenv使用国内镜像安装指定的Python版本

schnauzers的博客

11-06

5288

直接使用pyenv install命令安装Python时，默认从python.org下载指定版本，会非常的慢。 [root@localhost ~]# pyenv install 3.5.2 Downloading Python-3.5.2.tar.xz... -> https://www.python.org/ftp/python/3.5.2/Python-3.5.2.tar.xz 可...

Windows安装pyenv

Rix 的博客

03-26

476

解压到指定路径后重命名。然后配置用户变量(U)

mac上python环境管理使用哪款软件

06-11

<think>嗯，用户现在关注的是Mac上Python环境管理工具的选择。从对话历史看，用户之前询问过macOS下.app格式软件的安装问题，现在又转向开发环境管理，可能是位使用Mac的Python开发者。用户提供的引用内容非常全面，涵盖了主流工具的性能对比和趋势分析。我需要从中提炼出最适合Mac用户的方案。注意到引用[2]的测试数据是在M1MacBookPro上进行的，这对用户特别有参考价值。关键点有几个：首先得考虑M1芯片的兼容性，Anaconda在ARM架构上的支持可能不如原生工具；其次要区分轻量级和功能型工具，用户如果做数据科学可能偏向Anaconda，搞Web开发或许更适合PDM这类轻量工具。引用[4]提到的Rust工具趋势值得强调，uv的速度优势在M1芯片上会放大。但新工具稳定性需要提醒，像rye虽然快但还没到1.0版本。安全提示也不能少，比如conda的channel风险要特别说明。用户可能被各种工具搞晕了，我需要把推荐分层：第一梯队是经过验证的主流方案(Pipenv/PDM)，第二梯队是新兴黑马(uv/rye)，第三梯队是专业向方案(conda)。测试数据表格很重要，引用[2]的28秒vs2秒对比能直观说服用户。最后生成的提问要覆盖不同场景：数据科学用户会关心conda，极客用户可能想尝试uv，还应该补充团队协作场景下的工具选择问题。记得所有工具命令都要用等宽字体标注，这是程序员的基本习惯。</think> 在 macOS 上进行 Python 环境管理，以下工具根据性能、易用性和发展趋势综合推荐（基于实测数据[^2][^4]）： ### 📊 主流工具对比 | **工具** | **创建环境速度** | **安装numpy速度** | **依赖解析** | **M1芯片支持** | **适用场景** | |----------------|------------------|-------------------|--------------|----------------|--------------------------| | **uv** | 0.9s ✅ | 2s ✅ | 优秀 | 原生支持 | 极速开发/大型项目 | | **PDM** | 1.8s ✅ | 12s ✅ | 优秀 | 原生支持 | PEP582标准项目[^4] | | **Pipenv** | 1.2s ⚠️ | 28s ⚠️ | 中等 | 需转译 | 简单项目/官方推荐[^1] | | **Conda** | 3.8s ⚠️ | 15s ✅ | 优秀 | ARM实验性支持 | 数据科学/跨语言依赖 | | **Poetry** | 2.1s ✅ | 18s ✅ | 优秀 | 需转译 | 包发布/复杂依赖管理 | > *注：测试环境为 M1 MacBook Pro/Python 3.10[^2]* ### 🚀 2024年推荐方案 #### 1. **极速开发选 `uv`** (由 Rust 编写) ```bash # 安装 pip install uv # 创建环境 + 安装依赖 uv venv .venv uv pip install -r requirements.txt ``` - ✅ **优势**：全球最快的依赖解析器[^4]，完美兼容 `pip` 命令 - ⚠️ 注意：暂不支持 Windows #### 2. **现代项目选 `PDM`** (支持 PEP582) ```bash # 安装 pipx install pdm # 初始化项目 (自动创建.venv) pdm init pdm add numpy pandas ``` - ✅ **优势**：无需激活环境，直接运行 `pdm run python script.py` - 🌟 **特色**：依赖隔离在 `__pypackages__` 目录[^4] #### 3. **数据科学选 `Conda`** ```bash # M1芯片使用Miniforge3 brew install miniforge conda create -n ds_env python=3.10 conda install -c conda-forge numpy ``` - ✅ **优势**：跨语言依赖管理 (C/C++库) - ⚠️ 警告：避免混用 `pip` 和 `conda install`[^4] ### ⚠️ 避坑指南 1. **永远不用 `sudo pip`** → 污染系统Python环境[^4] 2. **定期清理缓存** ```bash pdm cache clear # PDM conda clean -a # Conda ``` 3. **锁定依赖版本** ```bash pdm lock # 生成pdm.lock uv pip compile # 生成requirements.txt ``` ### 🧩 版本管理建议 > 根据引用[^3]，**多数用户无需 `pyenv`**： > - macOS 自带 `python3` (建议用Homebrew安装新版) > - 直接指定版本：`python3.11` 或 `python3.12` --- ### 🔍 相关问题 1. 如何在 M1 Mac 上加速 `pip install` 的编译过程？ 2. `PDM` 的 PEP582 模式和传统 `venv` 有何本质区别[^4]？ 3. `uv` 是否兼容 `Poetry` 的 `pyproject.toml` 文件？ 4. 为什么数据科学项目更推荐 `Conda` 而非 `Pipenv`？ 5. 如何安全地在团队项目中统一环境管理工具？