python：windows下管理虚拟环境

小鱼尾狮

目录1、python解释器2、miniconda2.1安装包下载2.2安装 2.3配置环境变量 3、管理虚拟环境 3.1创建虚拟环境3.2pip安装依赖1、python解释器python是一种解释性语言，代码在运行时被解释和执行。使用该语言时，首先需安装python解释器，下面是官方下载链接。另外有了解释器后，通常还需要一些额外的第三方依赖包，简称导包。python下载官网https://www.python.org/downloads/打开上面链接，进入官网，这里区分了Windows、Linux等不同系统，选择Windows系统。python解释器有众多版本，其中python2.x已经不咋用了，大家还是直接下载python3.x的版本，我这里就直接选择了最上面的python3.12.5版本，64位操作系统。 下载的exe文件，直接双击安装即可。InstallNow直接安装在C盘，不建议。我选择的是下面的自定义安装，可自己选择路径。 自定义安装，直接点击下一步即可，然后选择自己要安装的路径，下面图中前五个选项直接勾选，后面就不需要自己设置环境变量了。判断安装是否成功，终端cmd敲入python，如下所示。如果前面没有勾选　添加环境变量，或者敲入python不成功的，可设置下环境变量。按照下面图中箭头依次打开。 主要是添加这两个路径 ，如果前面默认勾选了，这里会自动生成的，没有自己加上就行。 如果我们需要安装多个版本的python解释器，也是可以的，是可共存的，需要大家放置在不同路径下。至于环境变量，如果每个版本都添加了环境变量，系统默认使用顺序最上面的。我虽然没有装多个python解释器，但我同时装了python解释器和anaconda(默认自带python解释器)，与装多个解释器的原理一样，下图表示系统默认使用最上面的python解释器，如果我们想用哪个，将那个移到最上面即可。 python解释器默认自带了pip包管理工具，所以接下来就可直接pip安装你所需要的工具包。pipinstall包名如果想查看安装包的路径，一般在默认python解释器目录下的Lib->site-packages下。2、miniconda不同的项目，可能需要不同版本的解释器，不同版本的第三方依赖包，这时候就涉及到了虚拟环境。虚拟环境顾名思义，可以为每一个项目创建一个虚拟环境，该虚拟环境内可选择python解释器版本，各个依赖包的版本。而且多个虚拟环境相互独立，不受影响。 如果通过安装python解释器，去做单项目单环境管理，就会比较麻烦。这时候Anaconda就出现了，一个功能强大且全面的工具。特别适合需要管理复杂依赖和环境的python开发者。专业解释：Anaconda是一个包含了大量数据科学和机器学习相关包的Python发行版。它附带了conda包和环境管理工具、许多预安装的库和工具，以及图形界面的AnacondaNavigator。Miniconda是一个较小的Python发行版，它包括conda工具和Python解释器，所以更像是Anaconda的阉割版。相较于Anaconda，Miniconda体积小了很多，占用磁盘空间少了很多，对于我们一般的开发者足够用了。所以这里我选择安装的是miniconda，Anaconda的安装和miniconda有异曲同工之处，会一个，另一个自然就会了。2.1安装包下载清华镜像源https://mirrors.tuna.tsinghua.edu.cn/首先需要下载miniconda的安装包，我这里利用清华镜像源下载。上面链接进去，找到anaconda，点进去。选择miniconda，点击根据需求选择安装包 ，我选择是图中箭头所指，最好将时间Date以倒叙排序，这样上面就是比较新的版本。给大家看看我下的比较古老的版本。下图左边是现在常用的miniconda图标，右边是比较古老的产物，安装到最后就只有一个无解问题。古老版本安装最后提示下面的错误，可能是不支持自定义路径。 2.2安装 双击下载的安装包， Next即可。这里默认是装在C盘的，不建议。大家可按自己习惯选择目录，我这里是装在了D盘。这块添加环境变量并没有默认勾选，可勾选也可不勾选。勾选了也有可能会报错（勾选之后，它会提示你不建议），如果不勾选，后面可手动添加，没啥大问题，我这里是么有勾选的。Install安装即可，进度条会很快的 ，继续Next2.3配置环境变量  如1.1节配置环境变量一样，打开高级系统设置->环境变量->系统变量->选中Path变量进行编辑。依次添加如下三个目录，确定保存成功。 终端输入conda--version后，如下表示环境变量配置成功了。切记：如果你在安装miniconda之前已经安装了python解释器，并将其设置为系统默认的。如何检查呢？一种办法是在终端下输入python，会输出系统默认的python解释器版本。这种方法需要你清楚知道自己单独安装的python解释器版本。我这是3.12.5。另一种方法是打开环境变量，看下python解释器和miniconda谁在最上面。 忽略我图中的Anaconda（就是一个命名而已），大家认为它就是miniconda就行。接下来，我们试验下将miniconda上移到最上面。终端再次输入python，版本已经变了，这就表示现在系统默认的是miniconda中的python解释器。3、管理虚拟环境 上一小节安装了miniconda工具，这节介绍下该工具如何使用，以及如何创建和管理虚拟环境。miniconda中默认自带一个名为conda的包管理工具，和pip工具有异曲同工之处，并且miniconda中也自带pip。conda主要用于管理虚拟环境的，虽然也能安装依赖，但还是推荐pip。3.1创建虚拟环境先列出来需要用到的命令。condaenvlist#查看虚拟环境condalist#查看安装的所有依赖包condacreate--nameenv_namepython=3.x#创建新的虚拟环境,指定python版本condaactivateenv_name#激活虚拟环境condadeactivate#退出虚拟环境condaenvremove-nmy_env#删除虚拟环境condacreate-nnewenv--cloneold_env#克隆虚拟环境先用命令查看虚拟环境，安装完miniconda后，会有个基础环境base。基础环境（务必保证设置miniconda中自带的python解释器为系统默认的），直接在终端操作，就是对基础环境的操作。终端查看安装的依赖包，这里列出来的其实是基础环境base中的依赖。用了conda和pip两种方式，更推荐pip安装依赖。现在我们开始创建虚拟环境，打开终端，输入创建虚拟环境命令，-y表示直接同意，不在询问。使用查看虚拟环境命令，可以看到刚才创建的myenv虚拟环境已经存在了。如何进入该虚拟环境呢？激活该虚拟环境，即可进入到该虚拟环境内，接下来的查包，装包都是在该虚拟环境里，相当于一个独立的容器，在这个容器内，你可以自己选择安装的python解释器版本，项目所需版本的依赖包。退出虚拟环境 删除虚拟环境克隆虚拟环境，顾名思义，复制现有的虚拟环境，生成一个新的虚拟环境。下面克隆命令只存在于同一台机器上。condacreate-nnewenv--clonemyenv 3.2pip安装依赖安装命令很简单#安装依赖包pipinstall包名 #卸载依赖包 pipuninstall 包名这里贴出几个比较常见的国内镜像源，安装依赖用上镜像源速度会快很多。清华：https://pypi.tuna.tsinghua.edu.cn/simple/豆瓣：http://pypi.douban.com/simple/中科大：https://pypi.mirrors.ustc.edu.cn/simple/阿里云：https://mirrors.aliyun.com/pypi/simple/如果只想临时使用镜像源，直接在包名后面加上-i镜像源地址，torch安装示例如下pipinstalltorch-ihttps://pypi.tuna.tsinghua.edu.cn/simple/如果你想将某个镜像源设置为pip的默认源，即设置成功后，每次pip安装时无需加上-i镜像源的操作了，默认是自带的。windows系统下，一般在C/user/admin(administrtor)下有个pip目录，如果没有可新建一个，在pip目录下，创建一个pip.ini的配置文件，将下面指令复制到配置文件中即可。[global]timeout=60index-url=https://pypi.tuna.tsinghua.edu.cn/simpleextra-index-url=https://mirrors.aliyun.com/pypi/simple,https://mirrors.cloud.tencent.com/pypi/simple,https://mirrors.bfsu.edu.cn/pypi/web/simple,https://mirrors.huaweicloud.com/repository/pypi/simple,https://mirrors.cloud.tencent.com/pypi/simple如果想检查下配置是否成功，可以安装一个包试试。 或者用命令查看配置pipconfiglist 综上，讲述了两种可用于执行python语言的环境。一种是直接安装解释器，在该解释器下安装依赖包。这种方式虽然占用磁盘空间不多，但是只有一种环境，不适合多项目的开发。另外一种则是使用miniconda工具，该工具可创建多个虚拟环境，每个虚拟环境内，都可以根据项目对版本的需求，安装python解释器和依赖包，并且多个虚拟环境独立管理。