创建 Python 虚拟环境

简介: 创建 Python 虚拟环境

创建 Python 虚拟环境可以采用以下几种方法:

使用 venv(Python 标准库)

在命令行中创建虚拟环境:

  1. 打开终端(Windows 上是命令提示符或 PowerShell,Mac/Linux 上是 Terminal)。

  2. 导航到你想要创建虚拟环境的目录:

cd your/project/directory
  1. 使用 python3 -m venv 命令创建虚拟环境(在 Windows 上如果默认安装了 Python 3,可以直接使用 python -m venv):
python3 -m venv myenv   # Linux/Mac
python -m venv myenv    # Windows

这里的 myenv 是你要给虚拟环境起的名字,你可以替换为你喜欢的任何名称。

  1. 激活虚拟环境:
  • 在 Windows 上:
myenv\Scripts\activate.bat
  • 在 Unix 或 macOS 上:
source myenv/bin/activate

激活后,你的终端会显示虚拟环境的名称,表示你现在处于该环境中。

使用 conda(适用于 Anaconda 或 Miniconda 用户)

  1. 首先确保已经安装了 Anaconda 或 Miniconda,并配置好 conda 环境。

  2. 创建一个新的虚拟环境:

conda create --name myenv python=3.x

这里 myenv 是环境名,python=3.x 指定使用的 Python 版本,你可以根据需要替换为具体版本号如 3.9

  1. 激活新创建的虚拟环境:
conda activate myenv

使用 poetry

  1. 安装 Poetry(如果你尚未安装):
pip install poetry
  1. 在项目目录下创建并初始化一个 Poetry 项目,它会自动创建虚拟环境:
poetry new my_project
cd my_project

或者,如果你已经有 pyproject.toml 文件,在现有项目中创建虚拟环境:

poetry env use python3.x
  1. 进入虚拟环境:
poetry shell

以上就是通过不同工具在 Python 中创建虚拟环境的基本步骤。

目录
相关文章
|
4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。
523 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。
|
1月前
|
Ubuntu Linux 测试技术
Python 虚拟环境配置
本文总结了 Python 开发中的环境配置、常用操作和常见错误处理。重点介绍了如何使用 `virtualenv` 搭建虚拟环境,解决依赖冲突问题,并保持系统环境的干净。同时,详细说明了依赖库的安装与管理方法,包括使用 `pip install` 安装依赖、生成和使用 `requirements.txt` 文件,以及查看 Python 文档和修改环境变量等实用技巧。
129 60
|
27天前
|
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。
86 34
|
1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!
53 1
|
1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。
110 2
|
1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。
|
1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
41 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
|
2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。
323 2
|
3月前
|
机器学习/深度学习 数据可视化 Docker
Python环境
Python环境
59 3
|
3月前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
214 3

热门文章

最新文章

推荐镜像

更多