Python 包管理(pip、conda)基本使用指南

简介: Python 包管理(pip、conda)基本使用指南

Python 包管理

概述

介绍

Python 有丰富的开源的第三方库和包,可以帮助完成各种任务,扩展 Python 的功能,例如 NumPy 用于科学计算,Pandas 用于数据处理,Matplotlib 用于绘图等。在开始编写 Pytlhon 程序之前,可能需要安装一些常用的Python库,以便在编程过程中能够轻松地使用它们。

为了方便地管理第三方库和包,需要安装一个 Python 包管理工具,例如 pip、conda 等。这些工具可以帮助安装、升级和删除 Python 包,能够轻松地管理 Python 的依赖关系。


Anaconda、conda、pip、virtualenv 的区别

  • Anaconda
    Anaconda 是一个包含 180+ 的科学包及其依赖项的发行版本。其包含的科学包包括:conda,numpy,scipy,ipython notebook 等。
  • condaconda 是包及其依赖项和环境的管理工具。适用语言:Python,R,Ruby,Lua,Scala,Java,JavaScript,C/C++,FORTRAN适用平台:Windows,macOS,Linux用途:
  • 快速安装、运行和升级包及其依赖项。
  • 在计算机中便捷地创建、保存、加载和切换环境。
    如果需要的包要求不同版本的 Python,无需切换到不同的环境,因为 conda 同样是一个环境管理器。仅需要几条命令,就可以创建一个完全独立的环境来运行不同的 Python 版本,同时可以继续在常规的环境中使用常用的 Python 版本。——
  • conda 为 Python 项目而创造,但可适用于上述的多种语言。
    conda 包和环境管理器包含于 Anaconda 的所有版本当中。
  • pippip 是用于安装和管理软件包的包管理器。pip 适用语言:PythonPython 中默认安装的版本:
  • Python 2.7.9 及后续版本:默认安装,命令为 pip
  • Python 3.4 及后续版本:默认安装,命令为 pip、pip3
  • pip 名称的由来:pip 采用的是递归缩写进行命名的。其名字被普遍认为来源于2处:
  • “Pip installs Packages”(“pip 安装包”)
  • “Pip installs Python”(“pip 安装 Python”)
  • virtualenvvirtualenv 是用于创建一个独立的Python 环境的工具。解决问题:
  • 当一个程序需要使用 Python 2.7 版本,而另一个程序需要使用 Python 3.6 版本,如果将所有程序都安装在系统下的默认路径,如:/usr/lib/python2.7/site-packages,当不小心升级了本不该升级的程序时,将会对其他的程序造成影响。
  • 安装程序或在程序运行时对其库或库的版本进行修改,都会导致程序的中断。
  • 在共享主机时,无法在全局 site-packages 目录中安装包。
  • virtualenv 将会为它自己的安装目录创建一个环境,这并不与其他 virtualenv 环境共享库;同时也可以选择性地不连接已安装的全局库。


pip 与 conda 比较

  • 依赖项检查
  • pip:
    不一定会展示所需其他依赖包。
    安装包时或许会直接忽略依赖项而安装,仅在结果中提示错误。
  • conda:
    列出所需其他依赖包。
    安装包时自动安装其依赖项。
    可以便捷地在包的不同版本中自由切换。
  • 环境管理
  • pip:维护多个环境难度较大
  • conda:比较方便地在不同环境之间进行切换,环境管理较为简单
  • 对系统自带 Python 的影响
  • pip:在系统自带 Python 中包的更新/回退版本/卸载将影响其他程序。
  • conda:不会影响系统自带 Python。
  • 适用语言
  • pip:仅适用于 Python
  • conda:适用于 Python(主要),R,Ruby,Lua,Scala,Java,JavaScript,C/C++,FORTRAN。
  • conda 与 pip、virtualenv 的关系
    conda 结合了 pip 和 virtualenv 的功能。
    conda 使用了一个新的包格式, pip 不能安装和解析 conda 的包格式。可以使用两个工具,但是它们是不能交互的,比如使用 pip 本地安装 conda 的离线包。


pip(Python 包管理器)

介绍

  • pip 是 Python 的官方包管理器,它随 Python 的版本一起发布。当安装 Python 时,pip 也会被安装。
  • 通过 pip 可以轻松地安装和管理 Python 的不属于 Python 标准库的各种第三方库(包),以便可以在项目中可以直接在代码中引入并使用它们。
  • pip 是一个命令行工具,可以直接在终端或命令提示符中使用。


基本使用命令

  • python 包管理
# 查看已安装的包
pip list
# 查看需要升级的库
pip list -o
# 安装一个 python 包
pip install package_name      # package_name:具体地包名
# 安装特定版本的包
pip install package_name==version_number
# 安装本地包
pip install /path/to/package    # /path/to/package:本地包路径
# pip的超时时间默认为15秒,如果下载速度过慢,可以使用以下命令设置超时时间为60秒
# 方式1:添加参数--default-timeout=60。# 方式:在配置里面[global]下添加timeout=60
pip install --default-timeout=60 package_name
# 指定国内的源(阿里云)来安装某个包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <package-name>
# 注意:如果url是http的化,需要信任(因为未加密),可以通过下面两个方法解决
# 方式1:安装时加入 --trusted-host 临时参数
pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com/simple package_name
# 方式2:在 pip.conf 中加入 trusted-host 选项,该方法是一劳永逸
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
# 升级包
pip install --upgrade package_name
# 升级pip
pip install --upgrade pip
# 卸载包
pip uninstall package_name
# 安装包的依赖项
pip install package_name[dependencies]
# 验证已安装的库是否有兼容依赖问题
pip check package_name
# 下载某个包到指定的路径下(不安装)
pip download package_name -d "某个路径"  
# 查看包的详细信息
pip show package_name
# 导出已安装的包列表
pip freeze > requirements.txt
# 从requirements.txt文件中安装包
pip install -r requirements.txt
  • 下载源管理
# 新增全局下载源。国内最好更换pip的源,以便更快地下载包
pip config set name value
# 示例:清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 删除全局下载源
pip config unset name
# 查看pip下载的安装包的默认路径
python -m site
# 显示pip的配置列表
pip config list
# 显示pip文件的所有存储位置
pip -v config list
# 输出的不同的目录对应不同的参数 --global(全局)、--user(用户) 、--site
  • 其他命令
# 清理缓存。pip安装包的时候,会下载并缓存一些包以便后续使用,不会自动删除,这可能会占用磁盘空间,需要手动删除
pip cache purge
# 查看pip版本
pip --version
pip -V


pip 的常规参数选项

  • -r,--requirement <file> :从给定的需求文件中进行安装。此选项可多次使用。
  • -c,--constraint <file> :使用给定的约束文件约束版本。此选项可多次使用。
    约束文件相对于需求文件更加的智能,约束文件与需求文件在一个关键方面不同:将包放入约束文件不会导致安装包,而需求文件将安装列出的所有包。常用来放某个包的依赖项。
  • --no-deps :不要安装程序包依赖项
  • --pre,pip :查找包括预发布和开发版本。默认情况下,pip 只查找稳定版本。
  • -e,--editable <path/url> :从本地项目路劲或 VCS url 以可编辑模式(即setuptools 开发模式)安装项目。
  • -t,--target <dir> :将软件包安装到 <dir>,默认情况下,这不会替换 <dir>下已经存在的文件或文件夹
  • --platform <platform> :仅使用与 <platform> 兼容的轮子。默认为运行系统的平台。多次使用此选项可指定目标解释器支持的多个平台
  • -U,--update :将所有指定的软件包升级到最新的可用版本。依赖项的处理取决于所使用的升级策略。
  • --upgrade-strategy <upgrade_strategy>:确定应如何处理依赖项升级。两种模式:
  • “eager” :无论当前安装的依赖项版本是否满足升级包的要求,都会升级依赖项
  • “only-if-needed” :仅在不满足升级包的要求时升级
  • --force-reinstall :重新安装所有软件包,即使它们已经是最新的
  • -I,--ignore-installed :忽略已安装的软件包,覆盖它们。
    如果现有软件包的版本不同或安装了不同的软件包管理器,这可能会破坏你的系统。
  • --compile :将 python 源文件编译为字节码
  • --no-compile :不要将 python 源文件编译为字节码
  • --no-binary <format_control>:不要使用二进制软件包。<format_control>可以是:
  • all:禁用所有二进制软件包
  • none:清空之前提供的软件包,或者使用指定的软件包,使用逗号分割
  • 请注意,有些软件包很难编译,在使用此选项时可能无法安装。
  • --only-binary <format_control> :不要使用源程序包


Conda(Anaconda)

参考:Anaconda介绍、安装及使用教程

介绍

  • Conda 是一个开源的包管理系统和环境管理系统,可在 Windows、macOS 和 Linux 上运行。
    Conda 可快速安装、运行和更新包及其依赖项,因此可以轻松地在计算机上创建、保存、加载和切换环境。
    它本是为 Python 程序而创造的,因为 Python 的版本比较多,并且它的库也非常广泛,同时库和库之间存在很多依赖关系,所以在库的安装和版本的管理上很麻烦,因此设计 Conda 作为一个管理版本和 Python 环境的工具,但它也可以打包和管理任何语言的软件。
    conda 是包含在 Anaconda 里的,因此安装了 Anaconda 就可以直接使用 Conda,点击链接下载 download,选择对应的系统和版本类型。
  • Anaconda 是一个免费开源的 Python 和 R 语言的发行版本,用于计算科学(数据科学、机器学习、大数据处理和预测分析),
    Anaconda 致力于简化软件包管理系统和部署,附带了 Conda、python 和 150 多个科学软件包及其相关的包。
    Anaconda 的包使用软件包管理系统 Conda 进行管理。

在项目开发和部署过程中,由于项目需要的虚拟环境不同,如 python 版本、模块版本等,即可通过 Conda 为每个项目创建环境,然后在对应环境进行管理和使用。

  • 多种编程语言的包 package 和虚拟环境 environment 的管理
  • 非常简单的完成 package 的安装、运行、更新、删除、依赖问题
  • 可操作 repo.anaconda.com 上 7,500+ packages
  • 非常简单的完成不同环境的构建、保存、加载及切换
  • 支持语言:Python、R、Ruby、Lua、Scala、Java、JavaScript、C / C ++、FORTRAN
    但一般主要用于管理 python 包
  • 支持操作系统:Windows,macOS 和 Linux


Conda 常用指令

  • 虚拟环境管理
# 查看所有环境。注:1.*号所在的行表示当前所在环境。2.系统默认虚拟环境为base
conda env list
conda info -e
# 创建新的虚拟环境。注:1.遇到yes/no输入yes,即可完成创建。
conda create -n envs_name python=python_version
# envs_name     :指定环境名称
# python_version  :指定Python版本
# 进入虚拟环境
conda activate envs_name
# 退出当前环境
conda deactivate
# 删除虚拟环境
conda env remove -n envs_name
# 复制虚拟环境
conda create -n new_envs_name --clone old_envs_name
# 更新python
conda update python
# 更新conda版本。注:必须在base环境更新
conda update conda
  • 模块/包管理
# 查看当前环境的包列表
conda list
# 查看指定环境的包列表
conda list -n envs_name
# 在当前环境安装包。注:1.默认安装最新版本,2.同时安装多个包用空格分隔。
conda install package_name
# 在指定环境安装包
conda install --name env_name package_name
# 安装指定版本的包。注:使用conda安装指定包时,conda可以自动处理相关的依赖包
conda install numpy=1.19
# 指定范围内中版本包安装(安装版本处于1.0.4到1.1.1之间的pandas)
conda install "pandas>1.0.4,<1.1.1"
# 指定list中版本包安装(安装pandas 1.0.4版或者1.1.1版)
conda install "pandas[version='1.0.4 |1.1.1']"
# 包安装跳过【y/n】。默认情况下为 false,即安装过程中会请求是否继续安装,设置为yes则不再弹出请求。
conda config --set always_yes yes
# 卸载当前环境的包
conda remove package_name
# 卸载指定环境的包
conda remove --name env_name package_name
# 升级当前环境的包
conda update/upgrade package_name
# 升级指定环境的包
conda update/upgrade -n env_name package_name
# 升级全部包
conda upgrade --all
# 精确查找包
conda search package_name
# 模糊查找包,模糊符号为 *
conda search *<模糊词>*
# 查看某个范围内版本包
conda search "PKGNAME [version='>=1.0.0,<1.1']"
  • conda 下载源管理
# 查看已配置下载源
conda config --show channels
# 查看已配置下载源优先级
conda config --get channels
# 新增下载源(清华大学源)
conda config --add channels channels_Name
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 删除下载源
conda config --remove channels channels_Name
# 显示包的安装来源
conda config --set show_channel_urls yes
  • 注:Conda 下载源实际是写入到了 .condarc 文件里:
  • linux 系统的路径为 /home/xx/.condarc
  • windows 系统的路径为 C:\Users\admin\.condarc
    windows 默认无 .condarc 文件,需要 conda config --set show_channel_urls yes 先生成
  • 其他命令
# 检查conda版本
conda --version
# 查看conda系统版本等信息
conda info
# 查看conda所有配置信息
conda config --show


IDEA 配置 Conda 虚拟环境

IntelliJ IDEA 在安装并启用 Python 插件后支持使用 Conda 为 Python 创建虚拟环境。

创建 Conda 环境:

  1. 确保已将 Anaconda 或 Miniconda 下载并安装在计算机上。
  2. 导航到文件|项目结构
  • 方式1:左上角 File >>> Project Structure
  • 方式2:快捷键:Ctrl+Shift+Alt+S

  1. 在 "项目结构(Project Structure)"对话框中,在 “平台设置(Platform Setting)” 部分下选择“ SDK ” ,然后添加一个新的 SDK ,然后从弹出菜单中选择 “Python SDK

  2. 在"添加 Python 解释器(Add Python Interpreter)"对话框的左侧窗格中,选择 “Conda Environment” 。以下操作取决于以前是否存在 Conda 环境。如果选择“新环境(New environment)” :
  1. Location 字段中指定新的 Conda 环境的位置。注意,新的 Conda 环境应位于的目录必须为空!
  2. Python version 列表中选择 Python 版本
  3. Conda executable 字段中指定 Conda 可执行文件的位置
  4. 如果需要, 请选中“ 使所有项目都可用(Make available to all projects)”复选框。
  1. 如果选择“ 现有环境(Existing environment)”(推荐使用):
  1. 展开“解释器(Interpreter)”列表,然后选择任何现有的解释器。或者,单击选择 “” 并在文件系统中指定 Conda 可执行文件的路径,例如 C:\Users\jetbrains\Anaconda3\python.exe
    注:最好是 Conda 目录下的 python.exe,否则可能会扫描不到安装好的第三方库
  2. Conda executable 字段中指定 Conda 可执行文件的位置
  3. 如果需要, 请选中“ 使所有项目都可用(Make available to all projects)”复选框。
  1. 单击确定以完成任务。
相关文章
|
2天前
|
索引 Python
|
2天前
|
缓存 Python Shell
|
3天前
|
Python
|
5天前
|
Linux 开发者 iOS开发
|
6天前
|
安全 iOS开发 MacOS
|
12天前
|
Unix Linux Python
sudo python -m pip install --upgrade pip
sudo python -m pip install --upgrade pip是一个用于升级Python包管理器pip的命令。这个命令由pip模块提供,它是一个Python包管理器,用于安装、升级和删除Python软件包。--upgrade选项表示要执行升级操作。
17 1
|
23天前
|
开发者 Python
解码pip:Python项目依赖的得力助手
解码pip:Python项目依赖的得力助手
11 0
|
25天前
|
Python
【Python指南 | 第一篇】Python环境配置及pip安装教程
【Python指南 | 第一篇】Python环境配置及pip安装教程
22 1
|
1月前
|
机器学习/深度学习 人工智能 PyTorch
VScode配置深度学习环境python+conda
VScode配置深度学习环境python+conda
160 0
|
2月前
|
人工智能 缓存 Java
python入门(一)conda的使用,创建修改删除虚拟环境,以及常用命令,配置镜像
python入门(一)conda的使用,创建修改删除虚拟环境,以及常用命令,配置镜像
148 0

相关产品

  • 云迁移中心