Python----虚拟环境管理工具pipenv的使用方法

简介: Python----虚拟环境管理工具pipenv的使用方法

1 安装pipenv

pip install pipenv

2 查看pipenv的版本号

pipenv --version

3 创建虚拟环境

在项目根目录下创建虚拟环境,如下,会使用系统上python3的版本创建一个虚拟环境

pipenv --python 3

比如回下如下,这里可以查看到创建的虚拟环境的位置,比如这里:C:\Users\Administrator.virtualenvs\blog.redrose2100.com-yCCXX4AC

G:\redrose2100.com\blog.redrose2100.com>pipenv --python 3
Creating a virtualenv for this project...
Pipfile: G:\redrose2100.com\blog.redrose2100.com\Pipfile
Using D:/python39/python.exe (3.9.6) to create virtualenv...
[=   ] Creating virtual environment...
  creator CPython3Windows(dest=C:\Users\Administrator\.virtualenvs\blog.redrose2100.com-yCCXX4AC, clear=False, no_vcs_ignore=False, global=False)
  seeder FromAppData(download=False, pip=bundle, setuptools=bundle, wheel=bundle, via=copy, app_data_dir=C:\Users\Administrator\AppData\Local\pypa\virtualenv)
    added seed packages: pip==21.2.4, setuptools==58.0.2, wheel==0.37.0
  activators BashActivator,BatchActivator,FishActivator,PowerShellActivator,PythonActivator,XonshActivator

Successfully created virtual environment!
Virtualenv location: C:\Users\Administrator\.virtualenvs\blog.redrose2100.com-yCCXX4AC
Creating a Pipfile for this project...

G:\redrose2100.com\blog.redrose2100.com>

同时在当前目录下会创建一个Pipfile文件

4 在虚拟环境中安装包

pipenv install flask

此时可以看到会自动在Pipfile中的package处增加flask依赖

5 在虚拟环境光中执行命令

方式一:

pipenv run pip list

方式二:

pipenv shell
pip list

退出pipenv的shell

exit

6 查看当前项目绑定的虚拟环境目录

pipenv --venv

7 向开发包中安装并添加依赖

pipenv install --dev requests

此时可以看到在Pipfile中dev-packages处增加requests的依赖

8 在新环境上安装同样的虚拟环境

在新的环境上,在Pipfile所在的目录执行如下命令即可

pipenv install

如果将dev包的依赖的一起安装使用如下命令即可

pipenv install --dev

9 执行脚本

pipenv run python main.py

10 在Pipfile中定义脚本

如在Pipfile增加如下命令

[scripts]
start = "python main.py"
test = "pytest"
list = "pip list"

此时可以通过如下命令即可分别执行上述三条命令

pipenv run start
pipenv run test
pipenv run list

11 删除虚拟环境

pipenv --rm
目录
相关文章
|
3天前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
72 61
Python装饰器实战:打造高效性能计时工具
|
3天前
|
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。
71 60
|
8天前
|
数据可视化 算法 数据挖掘
Python时间序列分析工具Aeon使用指南
**Aeon** 是一个遵循 scikit-learn API 风格的开源 Python 库,专注于时间序列处理。它提供了分类、回归、聚类、预测建模和数据预处理等功能模块,支持多种算法和自定义距离度量。Aeon 活跃开发并持续更新至2024年,与 pandas 1.4.0 版本兼容,内置可视化工具,适合数据探索和基础分析任务。尽管在高级功能和性能优化方面有提升空间,但其简洁的 API 和完整的基础功能使其成为时间序列分析的有效工具。
60 37
Python时间序列分析工具Aeon使用指南
|
3天前
|
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!
20 1
|
13天前
|
存储 算法 Serverless
剖析文件共享工具背后的Python哈希表算法奥秘
在数字化时代,文件共享工具不可或缺。哈希表算法通过将文件名或哈希值映射到存储位置,实现快速检索与高效管理。Python中的哈希表可用于创建简易文件索引,支持快速插入和查找文件路径。哈希表不仅提升了文件定位速度,还优化了存储管理和多节点数据一致性,确保文件共享工具高效运行,满足多用户并发需求,推动文件共享领域向更高效、便捷的方向发展。
|
10天前
|
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。
|
17天前
|
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。
|
16天前
|
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
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
|
22天前
|
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。
78 2