给 Python 初学者解答了无数遍的 Python 环境相关问题

简介: 给 Python 初学者解答了无数遍的 Python 环境相关问题

摄影:产品经理吃不厌的小龙虾

为了避免总是被初学者问相同的问题,我总结了一些在公众号粉丝群里面被问得比较多的问题。

电脑里面能不能安装多个Python?

请参阅Python 初学者常见错误——我有 Anaconda 了,还能单独安装 Python 吗?

为什么应该使用 Virtualenv 创建虚拟环境

如果你所有项目都使用系统环境的 Python,那么如果不同项目依赖同一个第三方库的不同版本,并且不同版本的语法还不一样,你就傻了。Redis-py 就因为升级修改了Hash 的hset方法的参数格式,导致很多人的代码运行出现了问题。

Virtualenv 的命令好复杂,我记不住怎么办?

使用 pipenv。它能帮你完成复杂的一切。

请在两分钟内让我学会使用pipenv

  1. 安装 pipenv: python3 -m pip install pipenv
  2. 首先创建一个项目文件夹:mkdir example_project
  3. 进入项目文件夹:cd example_project
  4. 执行命令pipenv shell
  5. (中国大陆专用)文件夹里面会自动生成一个Pipfile文件,用记事本或者 vim 打开它,修改url =后面的网址,改为:url = "https://mirrors.163.com/pypi/simple/"如图1所示。(如果你不在大陆,可以跳过这步)
  6. 安装第三方库pipenv install xxx例如:pipenv install requests

图1:使用网易源提高下载速度

以上就是全部操作步骤了。pipenv 会自动帮你创建虚拟环境,并帮你管理第三方库。如果使用 PyCharm,那么当你用 PyCharm 打开这个文件夹的时候,它会自动识别这个虚拟环境。

如果你是使用命令行来运行代码,那么每次打开一个新的终端窗口并进入这个项目文件夹,只需要首先执行一次命令:pipenv shell,然后自动激活了虚拟环境。此时当你执行python3 xxx.py时,自动使用这个虚拟环境的 Python。

pipenv 创建的虚拟环境在哪里?部署时是否要把它里面的文件复制到服务器?

作为一个初学者,你不需要知道 pipenv 创建的虚拟环境在哪里。更不应该把虚拟环境复制到服务器上。在绝大多数情况下,这样做的人是傻子,除非你部署代码的服务器不支持外网访问又没有配置私有的 Pypi 源(这种情况下,你不是傻子,你老板是)。

正确的做法,是在服务器上重新安装这个项目需要的依赖。

pipenv 已经帮你把项目依赖的第三方库记录在你 Pipfile 文件中了。而版本号记录到了Pipfile.lock 文件中。你部署项目代码的时候,把这两个文件跟项目代码一起放到服务器上面。

然后进入项目文件夹下面,执行如下两行命令:

pipenv installpipenv shell

注意,pipenv install直接回车,后面不用跟任何东西。1分钟以后,服务器上面,这个项目依赖的环境就已经创建好了。代码可以正常运行了。就这么简单。

如何记录当前项目依赖的第三方库?

如果你使用了 pipenv,那么你什么都不用做。pipenv 已经帮你记录好了,就在 Pipfile 和 Pipfile.lock 这两个文件里面。

如果没有使用 pipenv,但是你使用了 Virtualenv,并且把这个项目依赖的第三方库都安装到了这个虚拟环境中,那么也不困难,执行命令:


pip freeze > requirements.txt

就会把项目依赖的第三方库写入到requirements.txt文件里面。

部署代码的时候,把这个requirements.txt 跟项目代码一起复制到服务器上,使用如下命令安装这些第三方库。


python3 -m pip install -r requirements.txt

当然,你可以先在服务器上创建虚拟环境,然后在虚拟环境里面执行上面的命令。

如果你没有使用虚拟环境,所有项目的第三方库都直接安装在系统环境的Python里面。那么活该,你自己去看代码一个一个找吧。

目录
相关文章
|
4月前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
322 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
4月前
|
Python
在VScode环境下配置Python环境的方法
经过上述步骤,你的VSCode环境就已经配置好了。请尽情享受这扇你为自己开启的知识之窗。如同你在冒险世界中前行,你的探索之路只有越走越广,你获得的知识只会越来越丰富,你的能力只会越来越强。
453 37
|
11月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
1366 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
6月前
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
|
8月前
|
Shell Linux Ruby
Python3虚拟环境venv
`venv` 是 Python 的虚拟环境工具,用于为不同项目创建独立的运行环境,避免依赖冲突。通过 `python3 -m venv` 命令创建虚拟环境,并使用 `source bin/activate` 激活。激活后,所有 Python 包将安装在该环境中,不影响系统全局环境。退出环境使用 `deactivate` 命令。每个虚拟环境拥有独立的包集合,确保项目间的隔离性。删除虚拟环境只需删除其目录即可。
529 34
|
8月前
|
SQL 分布式计算 数据处理
云产品评测|分布式Python计算服务MaxFrame | 在本地环境中使用MaxFrame + 基于MaxFrame实现大语言模型数据处理
本文基于官方文档,介绍了由浅入深的两个部分实操测试,包括在本地环境中使用MaxFrame & 基于MaxFrame实现大语言模型数据处理,对步骤有详细说明。体验下来对MaxCompute的感受是很不错的,值得尝试并使用!
195 1
|
8月前
|
Shell 程序员 开发者
轻松搞定在Python中构建虚拟环境
本教程教你如何使用业界公认的最佳实践,创建一个完全工作的Python开发环境。虚拟环境通过隔离依赖项,避免项目间的冲突,并允许你轻松管理包版本。我们将使用Python 3的内置`venv`模块来创建和激活虚拟环境,确保不同项目能独立运行,不会相互干扰。此外,还将介绍如何检查Python版本、激活和停用虚拟环境,以及使用`requirements.txt`文件共享依赖项。 通过本教程,你将学会: - 创建和管理虚拟环境 - 避免依赖性冲突 - 部署Python应用到服务器 适合新手和希望提升开发环境管理能力的开发者。
569 2
|
8月前
|
Python
探索Python虚拟环境:virtualenv、venv与pipenv比较
在Python开发中,有效的环境管理至关重要。virtualenv、venv和pipenv是常用的虚拟环境管理工具。virtualenv支持Python 2.7+和3.3+,可创建独立环境;venv为Python 3.3+内置库,简单轻量但功能有限;pipenv则结合了包管理和虚拟环境管理,生成Pipfile.lock确保依赖确定性和安全性,推荐作为首选工具。
324 2
|
8月前
|
人工智能 编译器 Python
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
185 0
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
|
9月前
|
机器学习/深度学习 Rust 算法
Python环境管理的新选择:UV和Pixi,高性能Python环境管理方案
近期Python生态系统在包管理领域发生了重要变化,Anaconda调整商业许可证政策,促使社区寻找更开放的解决方案。本文介绍两款新一代Python包管理工具:UV和Pixi。UV用Rust编写,提供高性能依赖解析和项目级环境管理;Pixi基于Conda生态系统,支持conda-forge和PyPI包管理。两者分别适用于高性能需求和深度学习项目,为开发者提供了更多选择。
2001 2

推荐镜像

更多