python：windows下管理虚拟环境

目录

一、python解释器

1、安装

2、虚拟环境

二、miniconda

1、下载安装包

2、安装 

3、配置环境变量 

三、管理虚拟环境 

1、创建虚拟环境

2、pip安装依赖

四、多用户机制

1、python多用户机制

2、用户站点配置

3、用户目录下的包

---

一、python解释器

python是一种解释性语言，代码在运行时被解释和执行。使用该语言时，需安装python解释器。

1、安装

下面是官方下载链接。另外有了解释器后，通常还需要一些额外的第三方依赖包，简称导包。

python下载官网https://www.python.org/downloads/

打开上面链接，进入官网，这里区分了Windows、Linux等不同系统，选择Windows系统。

python解释器有众多版本，其中python 2.x已经不咋用了，大家还是直接下载python3.x的版本，我这里就直接选择了最上面的python3.12.5版本，64位操作系统。 

下载的 exe 文件，直接双击安装即可。Install Now直接安装在C盘，不建议。我选择的是下面的自定义安装，可自己选择路径。

 自定义安装，直接点击下一步即可，然后选择自己要安装的路径，下面图中前五个选项直接勾选，后面就不需要自己设置环境变量了。

判断安装是否成功， 终端cmd敲入python，如下所示。

如果前面没有勾选　添加环境变量，或者敲入python不成功的，可设置下环境变量。按照下面图中箭头依次打开。

 

主要是添加这两个路径 ，如果前面默认勾选了 ，这里会自动生成的，没有自己加上就行。

 

如果我们需要安装多个版本的python 解释器，也是可以的，是可共存的，需要大家放置在不同路径下。至于环境变量，如果每个版本都添加了环境变量，系统默认使用顺序最上面的。我虽然没有装多个python 解释器，但我同时装了python 解释器 和 anaconda(默认自带python解释器)，与装多个解释器的原理一样，下图表示系统默认使用最上面的python 解释器，如果我们想将那个设置为系统默认使用的，将其移到最上面。

 python解释器默认自带了pip包管理工具，所以接下来就可直接pip安装你所需要的工具包。

pip install 包名

如果想查看安装包的路径，一般在默认python解释器目录下的 Lib->site-packages下。

2、虚拟环境

python解释器也是允许你创建多个虚拟环境的，只不过这些虚拟环境共享同一个版本的python解释器，言外之意，你只能用这一个版本的python，然后在不同的虚拟环境下，安装的第三方包版本不同而已，但是很多时候，你要安装的第三方包，又与python版本紧密相关。

下面是创建虚拟环境的命令，myenv是虚拟环境的名称

python -m venv myenv

我这里创建了一个名为 fastgpt 的虚拟环境 

 激活虚拟环境命令如下：

fastgpt\Scripts\activate

#PowerShell命令
.\fastgpt\Scripts\Activate.ps1


#linux环境
source fastgpt/bin/activate

激活虚拟环境后，命令行提示符会发生变化。通常，虚拟环境的名称（如 fastgpt）会显示在命令提示符前面，表示你已经进入虚拟环境。例如：

 

 退出虚拟环境

deactivate

python -m venv 在创建虚拟环境时，只会使用系统上已有的 Python 版本，如下。

如果你想在不同的虚拟环境中使用不同版本的 Python，你必须先安装并配置多个 Python 版本，然后在创建虚拟环境时指定相应的 Python 版本。如下： 

python3.9 -m venv myenv

这样就会创建一个基于 Python 3.9 的虚拟环境，但这种做法要求你已经安装了Python 3.9 版本的解释器。

另外，如果你想查看某个版本的python解释器，都创建了那些虚拟环境，python解释器并没有一个全局命令来列出已存在的虚拟环境。

通常，最快的方式则是查看文件夹，隔离的虚拟环境本质上就是一个个文件夹。常见的存放位置，项目文件内、自定义路径等。

这样看来，如果你需要管理多个 Python 版本的虚拟环境，并且不希望自己手动安装不同的 Python 版本，Anaconda 将会是一个更便捷的工具。不过如果你只是希望隔离依赖而不关心 Python 版本，venv 已经足够使用。

二、miniconda

不同项目，可能需要不同版本的解释器，不同版本的第三方依赖包，这时候就涉及到了虚拟环境。虚拟环境顾名思义，可以为每一个项目创建一个环境，不同的环境互不影响，能做到随用随切。

Anaconda在创建虚拟环境时，不仅可以选择python解释器的版本，而且还配备了各种全局命令，便于使用者管理多个虚拟环境。 

专业解释：Anaconda是一个包含了大量数据科学和机器学习相关包的 Python 发行版。它附带了 conda包和环境管理工具、许多预安装的库和工具，以及图形界面的 Anaconda Navigator。

Miniconda 是一个较小的 Python 发行版，它包括 conda 工具和Python 解释器，所以更像是Anaconda 的阉割版。相较于Anaconda，Miniconda 体积小了很多，占用磁盘空间少了很多，对于我们一般的开发者足够用了。

所以这里我选择安装的是miniconda，Anaconda的安装和miniconda有异曲同工之处，会一个，另一个自然就会了。

1、下载安装包

清华镜像源https://mirrors.tuna.tsinghua.edu.cn/

首先需要下载miniconda的安装包，我这里利用清华镜像源下载。上面链接进去，找到anaconda，点进去。

选择miniconda，点击

根据需求选择安装包 ，我选择是图中箭头所指，最好将时间Date以倒叙排序，这样上面就是比较新的版本。

给大家看看我下的比较古老的版本。下图左边是现在常用的miniconda图标，右边是比较古老的产物，安装到最后就只有一个无解问题。

古老版本安装最后提示下面的错误，可能是不支持自定义路径。 

2、安装 

双击下载的安装包， Next即可。

这里默认是装在C盘的，不建议。大家可按自己习惯选择目录，我这里是装在了D盘。

这块添加环境变量并没有默认勾选，可勾选也可不勾选。

勾选了也有可能会报错（勾选之后，它会提示你不建议），如果不勾选，后面可手动添加，没啥大问题，我这里是么有勾选的。Install安装即可，进度条会很快的 ，继续Next

3、配置环境变量 

 如1.1节配置环境变量一样，打开高级系统设置->环境变量->系统变量-> 选中Path变量进行编辑。依次添加如下三个目录，确定保存成功。

 终端输入 conda --version 后，如下表示环境变量配置成功了。

切记：如果你在安装miniconda之前已经安装了python 解释器，并将其设置为系统默认的。如何检查呢？

一种办法是在终端下输入python，会输出系统默认的python解释器版本。这种方法需要你清楚知道自己单独安装的python解释器版本。我这是3.12.5。

另一种方法是打开环境变量，看下python 解释器和miniconda谁在最上面。

 

忽略我图中的Anaconda（就是一个命名而已），大家认为它就是miniconda 就行。接下来，我们试验下将miniconda上移到最上面。

终端再次输入python，版本已经变了，这就表示现在系统默认的是miniconda中的python解释器。

三、管理虚拟环境 

上一小节安装了miniconda工具，这节介绍下该工具如何使用，以及如何创建和管理虚拟环境。

miniconda中默认自带一个名为conda的包管理工具，和pip工具有异曲同工之处，并且miniconda中也自带pip。conda主要用于管理虚拟环境的，也可以安装三方依赖包。

1、创建虚拟环境

先列出来需要用到的命令。

conda env list   #查看所有虚拟环境
conda list    #查看安装的所有依赖包
conda create --name env_name python=3.x  #创建新的虚拟环境,指定python版本，env_name （虚拟环境名字，自行更换）
conda activate env_name    #激活虚拟环境
conda deactivate  #退出虚拟环境
conda env remove -n my_env #删除虚拟环境 
conda create -n newenv --clone old_env  #克隆虚拟环境

先用命令查看虚拟环境，安装完miniconda后，会有个基础环境base。基础环境（务必保证设置miniconda中自带的python解释器为系统默认的），直接在终端操作，就是对基础环境的操作。

终端查看安装的依赖包，这里列出来的其实是基础环境base中的依赖。用了conda 和 pip 两种方式，更推荐pip安装依赖。

创建虚拟环境 ，打开终端，输入创建虚拟环境命令，-y表示直接同意，不在询问。

查看虚拟环境 ，可以看到刚才创建的myenv虚拟环境已经存在了。

如何进入该虚拟环境呢？激活该虚拟环境，即可进入到该虚拟环境内，接下来的查包，装包都是在该虚拟环境里，相当于一个独立的容器。

退出虚拟环境 

删除虚拟环境

克隆虚拟环境，顾名思义，复制现有的虚拟环境，生成一个新的虚拟环境。下面克隆命令只存在于同一台机器上。

conda create -n newenv --clone myenv

 

2、pip安装依赖

安装命令

#安装依赖包
pip install 包名 
#卸载依赖包 
pip uninstall  包名

这里贴出几个比较常见的国内镜像源，安装依赖用镜像源速度会快很多。

清华：https://pypi.tuna.tsinghua.edu.cn/simple/
豆瓣：http://pypi.douban.com/simple/
中科大：https://pypi.mirrors.ustc.edu.cn/simple/
阿里云：https://mirrors.aliyun.com/pypi/simple/

如果只想临时使用镜像源，直接在包名后面加上 -i  镜像源地址，torch安装示例如下

pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple/

如果你想将某个镜像源设置为pip的默认源，即设置成功后，每次pip安装时无需加上 -i 镜像源的操作了，默认是自带的。

windows系统下，一般在 C/user/admin(administrtor) 下有个pip目录，如果没有可新建一个，在pip 目录下，创建一个pip.ini的配置文件，将下面指令复制到配置文件中即可。

[global]
timeout=60
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
extra-index-url=https://mirrors.aliyun.com/pypi/simple, https://mirrors.cloud.tencent.com/pypi/simple,
https://mirrors.bfsu.edu.cn/pypi/web/simple, https://mirrors.huaweicloud.com/repository/pypi/simple, https://mirrors.cloud.tencent.com/pypi/simple

如果想检查下配置是否成功，可以装一个包试试。 

或者用命令查看配置

pip config list

 

如果想查看虚拟环境中，都安装了那些包，以及包的位置

conda activate env_name #激活环境
pip list  #查看安装的所有依赖包
pip show torch  #查看某一个包，会返回包的具体位置

综上，讲述了两种可用于执行python语言的环境。

一种是直接安装解释器，在该解释器下安装依赖包。这种方式虽然占用磁盘空间不多，但是只有一种环境，不适合多项目的开发。

另外一种则是使用miniconda工具，该工具可创建多个虚拟环境，每个虚拟环境内，都可以根据项目对版本的需求，安装python 解释器和 依赖包，并且多个虚拟环境独立管理。

四、多用户机制

“多用户“指的是在同一个操作系统上有多个用户账号，每个用户可能拥有不同的权限和需求。在windows系统下，多用户操作系统中，不同用户可能共享同一台计算机，但各自有自己的用户目录和配置。

典型场景：

• 企业办公电脑：多个员工共享同一台工作站
• 学校实验室：不同学生使用同一台计算机
• 服务器：多个开发者通过SSH访问同一台服务器

1、python多用户机制

 python通过三层隔离机制，实现多用户支持

系统级安装（system level）:

        路径：Windows，C:\Program Files\PythonXX\Lib\site-packages

        权限：需要管理员权限

        影响范围：所有用户可见

用户级安装（User level）：

        路径：Windows，C:\Users\<用户名>\AppData\Roaming\Python\PythonXX\site-packages

        权限：普通用户可用 

        影响范围：仅当前用户可见

2、用户站点配置

用户站点配置是python的一个重要特性，它允许用户在没有系统管理员权限的情况下，安装和管理python包。

python -m site  #查看用户站点信息

以系统默认的python解释器为例，如下图

 sys.path 是python解释器搜索模块的路径列表，按搜索顺序排列。

• 其中，”C:\\Users\\Administrator“ 表示当前工作目录（你运行python命令的目录）

USE_BASE：C:\\Users\\Administrator\\AppData\\Roaming\\Python' (doesn't exist)

• 用户安装python包的基础目录

USER_SITE：C:\\Users\\Administrator\\AppData\\Roaming\\Python\\Python39\\site-packages' (doesn't exist)

•  用户级别的site-packages具体路径

ENABLE_USER_SITE：True

•  关键设置：启用用户站点目录。
• 这意味着python会搜索并允许安装包到用户目录

3、用户目录下的包

前面内容是为了下面的问题做准备的。

因为，最近在捣鼓环境过程中，发现一个问题，无论在何种情况下，装包时加上--user，会默认将包安装在用户目录下，windows系统下默认：

C:\Users\<用户名>\AppData\Roaming\Python\PythonXX\site-packages

pip install --user 包名

 这是在我本机上，系统默认在python=3.7.8解释器下，我使用--user安装了pyyaml包

 另外，这是在conda创建的虚拟环境ceshi下，执行--user安装pyyaml包

所以，无论是用python解释器，还是anaconda工具。当然，在anaconda下，无论是base环境，还是虚拟环境下，只要加上--user后，均会将包安装在用户目录下。

这样会有产生什么问题呢？

假如我在ceshi环境下，安装了项目所需依赖，此时在本机上，项目能跑通了。 如果换个机器呢，一般会将ceshi虚拟环境中依赖导出，安装到新机器上。

conda activate env_name  #激活环境
pip freeze > requirements.txt  #生成环境中的依赖文件

这次我就碰到了一个问题，在新机器上安装原环境ceshi中的所有依赖包，但项目运行时提示缺少包 pyyaml。

兜兜转转，去捋了捋原因。发现是这样的，原机器上，虚拟环境‘ceshi’上，pip show pyyaml，并没有这个包，但确实项目在该虚拟环境下能运行。

退出该虚拟环境，pip show pyyaml时，发现该包存在，且在c盘用户目录下（同上），觉得很不对劲，就算在base环境中，也应该在D盘下的miniconda中啊。

那为啥在‘ceshi’虚拟环境下，调用pyyaml包时，会直接用用户目录下的包呢？此时，就用到了用户站点配置内容，sys_path中的多路径，其实就是找包模块时，按照上述存在的路径去寻找。所以这也是在原机器上，项目用到的pyyaml包其实是用户目录下的包，我导出'ceshi'下的包，并没有该包。

pip freeze --user > user_requirements.txt  #导出用户目录下的包

这里，新加一个内容，创建虚拟环境时，隔离conda的base基础环境包 

conda create --name ceshi --no-base-packages python=3.8  #确保隔离base包