创建 python 虚拟环境

简介: conda 创建环境conda 可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与 pip 的使用类似,环境管理则允许用户方便地安装不同版本的 python 并可以快速切换。

conda 创建环境

conda 可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与 pip 的使用类似,环境管理则允许用户方便地安装不同版本的 python 并可以快速切换。 conda 的设计理念——conda 将几乎所有的工具、第三方包都当做 package 对待,甚至包括 python 和 conda 自身;Anaconda 则是一个打包的集合,里面预装好了conda、某个版本的 python、众多 packages、科学计算工具等等。

  1. 首先在所在系统中安装 Anaconda。可以打开命令行输入 conda -V 检验是否安装以及当前 conda 的版本。
  2. conda常用的命令。
    • conda list 查看安装了哪些包。
    • conda env listconda info -e 查看当前存在哪些虚拟环境
    • conda update conda 检查更新当前 conda
  3. 创建 Python 虚拟环境。
    使用 conda create -n your_env_name python=X.X(2.7、3.6等) anaconda 命令创建 python 版本为 X.X、名字为 your_env_name 的虚拟环境。your_env_name 文件可以在 Anaconda 安装目录 envs 文件下找到。
# 指定 python 版本为3.6.5,注意至少需要指定 python 版本或者要安装的包
# 如果不指定 python 版本,自动安装最新 python 版本
conda create -n env_name python=3.6.5
# 同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7
# 克隆创建了一个和原系统一样的 python 环境,命名为 nb
conda create -n nb --clone root
  1. 使用激活(或切换不同 python 版本)的虚拟环境。
    • 打开命令行输入 python --version 可以检查当前 python 的版本。
    • 使用如下命令即可激活你的虚拟环境(即将 python 的版本改变)。
      • Linux: source activate your_env_name(虚拟环境名称)
      • Windows: activate your_env_name(虚拟环境名称)
        这时再使用 python --version 可以检查当前 python 版本是否为想要的。
  2. 对虚拟环境中安装额外的包。
    • 使用命令conda install -n your_env_name [package]即可安装 package 到 your_env_name 中
  3. 关闭环境
    • Linux: source deactivate
    • Windows: deactivate
  4. 移除虚拟环境
    • 移除某个环境中的包
      conda remove --name $ENVIRONMENT_NAME $PACKAGE_NAME
    • 移除某个虚拟环境
      conda remove -n yourenvname --all

virtualenv 创建虚拟环境

安装virtualenv

pip install virtualenv

创建虚拟环境

mkdir myproject
cd myproject
virtualenv venv

创建了一个名为 myproject 的文件夹,然后这里边创建虚拟环境 venv。

  • 在创建 virtualenv 时增加 --no-site-packages 选项的 virtualenv 就不会读取系统包,如下:
    virtualenv nowamagic_venv --no-site-packages
  • --distribute选项使 virtualenv 使用新的基于发行版的包管理系统而不是 setuptools 获得的包。 你现在需要知道的就是 --distribute 选项会自动在新的虚拟环境中安装 pip ,这样就不需要手动安装了。 当你成为一个更有经验的Python开发者,你就会明白其中细节。
    virtualenv --distribute nowamagic_venv

激活虚拟环境

  • Linux:.~/.venv/bin/activate 或者 source$ENV_BASE_DIR/$ENVIRONMENT_NAME/bin/activate
  • Windows: venv\scripts\activate

退出环境

deactivate

探寻有趣之事!
目录
相关文章
|
7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。
458 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
7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。
674 37
|
11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。
770 60
|
11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。
962 34
|
9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
|
11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!
257 1
|
11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。
693 2
|
11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。
389 2
|
11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
252 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
|
12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。
2479 2

推荐镜像

更多