python pipenv 和 vitualenv 和venv

本文详细介绍了pipenv和virtualenv这两种Python虚拟环境管理工具的安装与使用方法,包括环境创建、包安装、依赖图生成及环境切换等操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.pipenv

https://pypi.org/project/pipenv/

#安装
pip install pipenv #ubuntu
brew install pipenv #mac 

#创建环境
pipenv --three
pipenv --two

#安装包
pipenv install packege_name

#包依赖图
pipenv graph

#查看已经安装的包?
cat Pipfile

#?
pipenv lock 
pipenv lock -r

#进入环境
pipenv shell
python xxxx
pip freeze # 输出python环境的包信息

###退出
exit

2.vitualenv

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001432712108300322c61f256c74803b43bfd65c6f8d0d0000

#安装 
pip3 install virutalenv

#创建环境
 virtualenv --no-site-packages venv 


#进入环境
source venv/bin/activate

#进入环境后安装需要的包
pip install package_name

#退出
deactivate 

venv

创建

python -m venv .

进入

venv/bin/activate
### Python venv与Conda环境管理工具的差异 #### 功能特性 Python `venv` 是官方提供的用于创建轻量级虚拟环境的模块,在 Python 3.3 版本之后被集成至标准库中[^2]。此工具允许开发者为不同的项目建立相互隔离的工作空间,从而避免不同项目的依赖项之间发生冲突。 相比之下,Conda 不仅能够管理配置 Python 运行时及其第三方扩展库,还支持多种编程语言生态系统的包安装与更新操作,尤其适合于涉及复杂外部依赖的数据分析类应用开发场景[^1]。 #### 包管理机制 当利用 `venv` 构建新的工作区时,后续对于所需软件组件的引入需借助 Pip 实现;而 Conda 则自带了一套完整的包管理系统,可以更高效地解析并解决潜在的版本兼容性难题,确保整个应用程序栈稳定运行。 #### 平台适应性 两者均能在主流操作系统上正常运作,包括但不限于 Windows、macOS Linux 系统。不过值得注意的是,在某些特定情况下(例如处理非纯 Python 库),Conda 可能会表现出更好的跨平台一致性。 #### 使用案例推荐 对于那些只需要简单维护几个 Python 模块的小型个人项目而言,采用内置的 `venv` 加上 Pip 就已经足够满足需求了。而对于团队协作下的大型科研计算任务或是工业界生产级别的部署,则建议优先考虑功能更为全面强大的 Conda 方案[^3]。 ```bash # 创建基于 venv 的新环境 python -m venv myproject_env # 启动该环境 (Linux/Mac) source myproject_env/bin/activate # 或者在Windows下启动 myproject_env\Scripts\activate.bat # 使用 conda 建立名为 'ml_project' 的环境,并指定 python 版本 conda create --name ml_project python=3.9 # 开始使用这个新建好的 conda environment conda activate ml_project ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值