python虚拟环境安装

本文详细介绍了如何使用virtualenv和virtaulenvwrapper搭建Python虚拟环境,包括环境的创建、切换、复制及删除。同时,指导读者如何配置环境变量,并在虚拟环境中顺利安装如Numpy、Scipy、Matplotlib等常用科学计算包。

安装 virtualenv


 

然后建立一个测试目录:


 

就可以成功创建一个虚拟环境 env1:


 

 

就可以成功创建另一个虚拟环境 env2:


 

 

 

Virtaulenvwrapper是virtualenv的扩展包,可以更方便地新增,删除,复制,切换虚拟环境。

运行下面命令就安装成功了,默认安装在 /usr/local/bin下面:


 

接下来创建一个文件夹,用来存放所有的虚拟环境:


 

 

vi ~/.bash_profile 进入

输入

export WORKON_HOME='~/.virtualenvs'

export VIRTUALENVWRAPPER_PYTHON='/Users/mac/anaconda/bin/python3'

source /Users/mac/anaconda/bin/virtualenvwrapper.sh

esc退出后:wq进行保存

再运行这个命令 source ~/.bash_profile

 

接下来,创建一个或者多个虚拟环境 env1,env2:


 

成功后,当前路径前面就会有 (env1)


 

下面是一些基本操作命令

  1. 列出虚拟环境:

 
  1. 切换虚拟环境:

 
  1. 查看环境里安装了哪些包:

 
  1. 进入当前环境:

 
  1. 进入当前环境的site-packages:

 
  1. 复制虚拟环境:

 
  1. 退出虚拟环境:

 
  1. 删除虚拟环境:

 

安装 Numpy,Scipy,Matplotlib 等

接下来安装Python的各种包,就比较顺畅了,比如安在env1上:


 

安装numpy
pip install numpy

安装scipy
$ pip install scipy

安装matplotlib
$ pip install matplotlib

安装ipython
$ pip install ipython[all]

安装pandas
$ pip install pandas

安装Statsmodel
$ pip install statsmodel

安装scikit-learn
$ pip install scikit-learn

按照顺序全部安装成功,后续就可以在虚拟环境上做分析了。


以后每次进入虚拟环境就执行如下代码即可,
不过因为我的环境变量没有写进bashrc里,所以都要多执行两行:


 

退出虚拟环境就用


 
<think>我们参考了提供的三个引用,并结合Python虚拟环境安装和配置的通用知识进行回答。 引用[1]提到:Python虚拟环境安装和使用,包括在Windows和macOS/Linux上的创建和管理,以及创建、激活、依赖安装、环境变量配置和自定义存储位置。 引用[2]提到:在CentOS7上使用多版本工具管理不同Python解释器版本,避免破坏系统环境。 引用[3]提到:Anaconda安装虚拟环境配置,包括配置编辑器(如VSCode)的Python解释器路径。 因此,我们可以将Python虚拟环境安装和配置方法分为两种主要方式: 1. 使用Python内置的`venv`模块(适用于Python3.3及以上版本) 2. 使用Anaconda(适用于数据科学领域,可以管理多个Python版本和包环境) 下面我们将分别介绍这两种方法,并尽量覆盖不同操作系统(Windows, macOS, Linux)的步骤。 注意:在开始之前,确保已经安装Python(对于`venv`方式,需要Python3.3以上)或Anaconda。 方法一:使用Python内置的`venv`模块 步骤1:创建虚拟环境 在项目目录中,打开终端(命令行)并执行以下命令: # Windows python -m venv myenv # macOS/Linux python3 -m venv myenv 这将在当前目录下创建一个名为`myenv`的文件夹,其中包含Python解释器、标准库以及一些支持文件的副本。 步骤2:激活虚拟环境 # Windows (命令提示符) myenv\Scripts\activate.bat # Windows (PowerShell) myenv\Scripts\Activate.ps1 # macOS/Linux source myenv/bin/activate 激活后,命令行提示符通常会显示虚拟环境的名称(如`(myenv)`)。 步骤3:在虚拟环境安装依赖 激活后,使用`pip`安装所需的包,例如: pip install numpy 步骤4:配置环境变量(可选) 如果需要设置环境变量,可以在虚拟环境的激活脚本中添加,或者在项目中使用`.env`文件(需要配合`python-dotenv`等包)。 步骤5:退出虚拟环境 在命令行中执行: deactivate 方法二:使用Anaconda 步骤1:安装Anaconda 从Anaconda官网下载并安装(https://www.anaconda.com/products/distribution) 步骤2:创建虚拟环境 在终端(或Anaconda Prompt)中执行: conda create --name myenv python=3.8 # 这里指定Python版本为3.8 步骤3:激活虚拟环境 # Windows conda activate myenv # macOS/Linux source activate myenv # 或者 conda activate myenv 步骤4:安装依赖 在激活的环境中,可以使用`conda`或`pip`安装包: conda install numpy 或 pip install numpy 步骤5:配置环境变量(可选) 在虚拟环境中,环境变量可以通过`conda env config vars set`设置,例如: conda env config vars set MY_VAR=value 然后重新激活环境。 步骤6:退出虚拟环境 conda deactivate 额外提示:自定义虚拟环境的存储位置 - 对于`venv`:在创建时指定路径即可,如`python -m venv /path/to/directory` - 对于Anaconda:默认在Anaconda安装目录下的envs文件夹,但可以在创建时使用`--prefix`指定路径: conda create --prefix /path/to/directory python=3.8 激活时需要指定完整路径: conda activate /path/to/directory 注意:在使用虚拟环境时,编辑器(如VSCode)需要配置解释器路径。例如在VSCode中,按`F1`,输入`Python: Select Interpreter`,然后选择对应的虚拟环境中的Python解释器(对于`venv`,路径为`myenv/Scripts/python.exe`(Windows)或`myenv/bin/python`(macOS/Linux);对于Anaconda,路径为Anaconda安装目录下的envs/myenv中的对应解释器)。 以上方法可以帮助我们在不同项目中使用独立的Python环境,避免包版本冲突。 根据引用[2],在CentOS7等系统中,如果系统默认Python版本较低,我们可以使用`venv`模块来创建高版本的虚拟环境,前提是先安装高版本Python并确保在创建虚拟环境时使用正确的Python解释器(例如`python3.8 -m venv myenv`)。 同时,引用[3]提醒我们,在配置编辑器时,需要正确设置Python解释器的路径,以确保使用虚拟环境中的Python。 因此,我们总结如下:Python虚拟环境安装和配置主要有两种方式,即使用Python自带的`venv`模块和使用Anaconda,开发者可以根据项目需求和个人偏好选择。 最后,我们生成相关问题: §§相关问题§§ 1. 如何在PyCharm中配置Python虚拟环境? 2. 如何将虚拟环境中的环境变量持久化? 3. 如何删除一个虚拟环境? 4. 虚拟环境中的包依赖如何导出和共享? 5. 在使用Docker时,虚拟环境是否还有必要? </think>### Python虚拟环境安装和配置方法 Python虚拟环境是隔离项目依赖的核心工具,以下是两种主流方式的详细配置流程: #### 一、使用Python内置`venv`模块(推荐) 1. **创建环境** ```bash # Windows python -m venv project_env # macOS/Linux python3 -m venv project_env ``` 2. **激活环境** ```bash # Windows (CMD) project_env\Scripts\activate.bat # Windows (PowerShell) project_env\Scripts\Activate.ps1 # macOS/Linux source project_env/bin/activate ``` 激活后终端显示`(project_env)`前缀 3. **配置依赖** ```bash pip install numpy pandas # 安装所需包 pip freeze > requirements.txt # 导出依赖 ``` 4. **自定义路径配置** 通过`--prompt`修改环境标识名: ```bash python -m venv --prompt "数据分析" /path/to/env ``` 5. **退出环境** ```bash deactivate ``` #### 二、使用Anaconda(适合科学计算) 1. **创建指定Python版本的环境** ```bash conda create --name dl_env python=3.9 ``` 2. **激活环境** ```bash conda activate dl_env # Windows/macOS/Linux通用 ``` 3. **混合安装包** ```bash conda install pytorch # 通过conda安装 pip install transformers # 通过pip安装 ``` 4. **配置环境变量** ```bash conda env config vars set API_KEY=12345 conda activate dl_env # 重新加载生效 ``` 5. **编辑器配置示例(VSCode)** 在`.vscode/settings.json`中添加: ```json { "python.pythonPath": "~/anaconda3/envs/dl_env/bin/python" } ``` #### 关键注意事项: 1. **多版本Python处理** CentOS等系统需先安装高版本Python: ```bash sudo yum install python38 # CentOS示例 python3.8 -m venv env38 ``` 2. **环境存储位置优化** - 集中管理:`/opt/virtualenvs/`(Linux) - 项目隔离:每个项目目录创建独立环境 3. **依赖迁移** ```bash # 导出环境配置 conda env export > environment.yml # 从文件重建 conda env create -f environment.yml ``` > 两种方式对比: > - `venv`:轻量级,Python原生支持[^1] > - Anaconda:集成科学计算包,支持跨平台环境导出[^3]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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