Orion K Blog
Python虚拟环境详解：从入门到精通
Orion K Lv6
  2022-03-17 10:25:00  

Python虚拟环境详解：从入门到精通

在Python开发中，虚拟环境是一个必不可少的工具。它们允许你为不同的项目创建隔离的Python环境，避免依赖冲突，并使项目更容易分享和部署。在这篇文章中，我将深入探讨Python虚拟环境的各个方面，从基础概念到高级技巧。

为什么需要虚拟环境？

想象一下这个场景：你正在同时开发两个Python项目。项目A需要Django 2.2，而项目B需要最新的Django 4.0。如果你在系统级安装这些包，你将面临版本冲突的问题。

虚拟环境解决了这个问题，它为每个项目创建一个隔离的环境，每个环境都有自己的Python解释器和包集合。这样，你可以在项目A中使用Django 2.2，在项目B中使用Django 4.0，而不会发生冲突。

虚拟环境的主要优势包括：

  1. 依赖隔离：每个项目有自己的依赖，不会相互干扰
  2. 版本控制：可以在不同项目中使用同一个包的不同版本
  3. 干净的测试环境：确保你的项目只依赖于明确安装的包
  4. 简化部署：可以轻松复制开发环境到生产环境
  5. 避免权限问题：不需要管理员权限就可以安装包

Python虚拟环境工具对比

Python生态系统中有多种创建虚拟环境的工具。让我们比较一下最常用的几种：

1. venv (内置模块)

从Python 3.3开始，venv模块被包含在Python标准库中，是创建虚拟环境的官方推荐方式。

优点：

  • 内置于Python，无需额外安装
  • 简单易用
  • 官方支持

缺点：

  • 功能相对基础
  • 不支持Python 2
  • 不支持创建不同Python版本的环境

2. virtualenv

virtualenv是一个第三方工具，是venv的前身，提供了更多功能。

优点：

  • 支持Python 2和Python 3
  • 功能丰富
  • 可以创建不包含系统站点包的环境

缺点：

  • 需要单独安装
  • 配置选项可能让新手感到困惑

3. conda

conda是一个开源的包管理系统和环境管理系统，最初为Python程序设计，但可用于任何语言。

优点：

  • 跨平台
  • 可以管理非Python依赖
  • 支持创建不同Python版本的环境
  • 包含强大的包管理功能

缺点：

  • 安装体积较大
  • 与pip有时会有兼容性问题
  • 学习曲线相对陡峭

4. pipenv

pipenv结合了pip和virtualenv的功能，旨在为Python项目带来最好的包管理工具。

优点：

  • 自动创建和管理虚拟环境
  • 自动生成和管理Pipfile和Pipfile.lock
  • 提供依赖关系图

缺点：

  • 有时更新较慢
  • 对某些复杂项目可能不够灵活

5. poetry

poetry是一个现代化的Python包管理工具，专注于依赖管理和打包。

优点：

  • 依赖解析非常强大
  • 构建和发布包的功能集成
  • 锁文件确保可重现的安装

缺点：

  • 相对较新，可能存在一些不稳定性
  • 与某些工具的集成可能不完善

使用venv创建虚拟环境

让我们从最基本的venv模块开始，学习如何创建和使用虚拟环境。

创建虚拟环境

1
2
# 在当前目录下创建名为"myenv"的虚拟环境
python -m venv myenv

激活虚拟环境

在不同操作系统上，激活虚拟环境的命令略有不同：

Windows:

1
myenv\Scripts\activate

macOS/Linux:

1
source myenv/bin/activate

激活后，你的命令提示符会改变，显示当前虚拟环境的名称，例如：(myenv) $

安装包

激活虚拟环境后，你可以使用pip安装包，这些包将只安装在当前虚拟环境中：

1
pip install django==4.0

查看已安装的包

1
pip list

生成依赖文件

1
pip freeze > requirements.txt

这将创建一个requirements.txt文件，其中包含当前环境中所有已安装包的列表及其版本。

从依赖文件安装

1
pip install -r requirements.txt

退出虚拟环境

1
deactivate

使用virtualenv

虽然venv是Python 3的内置模块，但virtualenv提供了一些额外的功能，特别是对于需要支持Python 2的项目。

安装virtualenv

1
pip install virtualenv

创建虚拟环境

1
virtualenv myenv

你也可以指定Python解释器：

1
2
virtualenv -p python2.7 py2env
virtualenv -p python3.9 py39env

其他操作

激活、安装包、生成依赖文件和退出的命令与venv相同。

使用conda管理环境

Conda是一个功能强大的包管理和环境管理工具，特别适合数据科学项目。

安装conda

你可以安装Miniconda（最小安装）或Anaconda（包含常用数据科学包的完整安装）。

创建环境

1
conda create --name myenv python=3.9

激活环境

Windows:

1
conda activate myenv

macOS/Linux:

1
conda activate myenv

安装包

1
conda install numpy pandas matplotlib

你也可以使用pip在conda环境中安装包：

1
pip install requests

查看已安装的包

1
conda list

导出环境

1
conda env export > environment.yml

从环境文件创建环境

1
conda env create -f environment.yml

退出环境

1
conda deactivate

删除环境

1
conda env remove --name myenv

使用pipenv

Pipenv是一个更现代的工具，它自动处理虚拟环境和依赖管理。

安装pipenv

1
pip install pipenv

创建项目和环境

1
2
3
mkdir myproject
cd myproject
pipenv install

要指定Python版本：

1
pipenv --python 3.9

安装包

1
pipenv install django

安装开发依赖：

1
pipenv install pytest --dev

激活环境

1
pipenv shell

运行命令

不激活环境也可以运行命令：

1
pipenv run python script.py

查看依赖图

1
pipenv graph

锁定依赖

1
pipenv lock

使用poetry

Poetry是一个现代化的依赖管理和打包工具。

安装poetry

1
curl -sSL https://install.python-poetry.org | python3 -

创建新项目

1
2
poetry new myproject
cd myproject

添加依赖

1
poetry add django

添加开发依赖：

1
poetry add pytest --dev

激活环境

1
poetry shell

运行命令

1
poetry run python script.py

更新依赖

1
poetry update

虚拟环境最佳实践

1. 为每个项目创建单独的虚拟环境

这确保了项目之间的依赖隔离，避免了潜在的冲突。

2. 将虚拟环境排除在版本控制之外

虚拟环境文件夹（如venv、.env等）应该添加到.gitignore文件中。

1
2
3
4
5
6
# .gitignore
venv/
.env/
.venv/
env/
ENV/

3. 使用依赖文件

无论你使用哪种工具，都应该维护一个依赖文件（requirements.txt、Pipfile、pyproject.toml等），并将其包含在版本控制中。

4. 定期更新依赖

定期更新依赖可以修复安全漏洞和bug，但要注意可能的破坏性变更。

1
2
3
4
5
6
7
8
# 使用pip
pip install --upgrade -r requirements.txt

# 使用pipenv
pipenv update

# 使用poetry
poetry update

5. 使用固定版本

在生产环境中，应该使用固定的依赖版本，以确保可重现的构建。

1
2
3
# requirements.txt
django==4.0.1
requests==2.27.1

6. 考虑使用Docker

对于更复杂的项目，考虑使用Docker来封装整个环境，这样可以确保开发、测试和生产环境的一致性。

高级技巧

1. 在Jupyter Notebook中使用虚拟环境

要在Jupyter Notebook中使用特定的虚拟环境，你需要安装ipykernel并注册环境：

1
2
3
4
5
6
7
8
# 激活你的环境
source myenv/bin/activate

# 安装ipykernel
pip install ipykernel

# 注册环境
python -m ipykernel install --user --name=myenv --display-name="Python (myenv)"

现在，你可以在Jupyter Notebook中选择这个环境作为内核。

2. 在VS Code中使用虚拟环境

VS Code可以自动检测和使用虚拟环境。你可以通过按Ctrl+Shift+P并选择”Python: Select Interpreter”来选择特定的环境。

3. 管理多个项目的虚拟环境

如果你有很多项目，可以考虑使用一个集中的位置来存储所有虚拟环境：

1
2
3
4
5
# 创建一个目录来存储所有环境
mkdir ~/.virtualenvs

# 创建环境时指定路径
python -m venv ~/.virtualenvs/project1

4. 使用环境变量

虚拟环境是存储敏感配置（如API密钥）的好地方。你可以使用.env文件和python-dotenv包来管理环境变量：

1
pip install python-dotenv
1
2
3
# .env
API_KEY=your_secret_key
DEBUG=True
1
2
3
4
5
6
7
8
# app.py
import os
from dotenv import load_dotenv

load_dotenv()  # 加载.env文件中的变量

api_key = os.getenv("API_KEY")
debug = os.getenv("DEBUG") == "True"

5. 创建可重用的虚拟环境模板

如果你经常创建具有相似依赖的项目，可以创建一个基本的requirements.txt文件作为模板：

1
2
3
4
# base-requirements.txt
pytest==7.0.0
black==22.1.0
flake8==4.0.1

然后在新项目中：

1
2
3
python -m venv myenv
source myenv/bin/activate
pip install -r path/to/base-requirements.txt

常见问题及解决方案

1. 依赖冲突

当不同的包需要同一个依赖的不同版本时，可能会发生冲突。

解决方案：

  • 使用pip-tools或pipenv等工具来解析依赖
  • 考虑使用较新或较旧的包版本
  • 在极端情况下，可能需要修改包的源代码

2. 虚拟环境不激活

有时候，虚拟环境可能无法正确激活。

解决方案：

  • 确保使用正确的激活脚本
  • 检查路径是否正确
  • 尝试重新创建虚拟环境

3. 包安装失败

解决方案：

  • 检查网络连接
  • 确保pip是最新版本：pip install --upgrade pip
  • 对于需要编译的包，确保你有必要的编译工具
  • 尝试从其他源安装：pip install package-name -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 环境污染

有时，全局包可能会”泄漏”到虚拟环境中。

解决方案：

  • 使用--no-site-packages选项（virtualenv）或--system-site-packages=false（venv）创建环境
  • 定期检查已安装的包列表

结论

虚拟环境是Python开发中不可或缺的工具，它们帮助你管理依赖、避免冲突，并使项目更容易分享和部署。无论你选择使用哪种工具（venv、virtualenv、conda、pipenv或poetry），重要的是要理解虚拟环境的基本概念和最佳实践。

随着你的Python开发经验增长，你可能会发现某些工具更适合特定类型的项目。不要害怕尝试不同的工具，找到最适合你的工作流程的那个。

你有什么关于Python虚拟环境的问题或经验分享吗？欢迎在评论中讨论！

  1. Python虚拟环境详解：从入门到精通
    1. 为什么需要虚拟环境？
    2. Python虚拟环境工具对比
      1. 1. venv (内置模块)
      2. 2. virtualenv
      3. 3. conda
      4. 4. pipenv
      5. 5. poetry
    3. 使用venv创建虚拟环境
      1. 创建虚拟环境
      2. 激活虚拟环境
      3. 安装包
      4. 查看已安装的包
      5. 生成依赖文件
      6. 从依赖文件安装
      7. 退出虚拟环境
    4. 使用virtualenv
      1. 安装virtualenv
      2. 创建虚拟环境
      3. 其他操作
    5. 使用conda管理环境
      1. 安装conda
      2. 创建环境
      3. 激活环境
      4. 安装包
      5. 查看已安装的包
      6. 导出环境
      7. 从环境文件创建环境
      8. 退出环境
      9. 删除环境
    6. 使用pipenv
      1. 安装pipenv
      2. 创建项目和环境
      3. 安装包
      4. 激活环境
      5. 运行命令
      6. 查看依赖图
      7. 锁定依赖
    7. 使用poetry
      1. 安装poetry
      2. 创建新项目
      3. 添加依赖
      4. 激活环境
      5. 运行命令
      6. 更新依赖
    8. 虚拟环境最佳实践
      1. 1. 为每个项目创建单独的虚拟环境
      2. 2. 将虚拟环境排除在版本控制之外
      3. 3. 使用依赖文件
      4. 4. 定期更新依赖
      5. 5. 使用固定版本
      6. 6. 考虑使用Docker
    9. 高级技巧
      1. 1. 在Jupyter Notebook中使用虚拟环境
      2. 2. 在VS Code中使用虚拟环境
      3. 3. 管理多个项目的虚拟环境
      4. 4. 使用环境变量
      5. 5. 创建可重用的虚拟环境模板
    10. 常见问题及解决方案
      1. 1. 依赖冲突
      2. 2. 虚拟环境不激活
      3. 3. 包安装失败
      4. 4. 环境污染
    11. 结论
© 2025    Orion K
本站由 提供部署服务
  1. Python虚拟环境详解：从入门到精通
    1. 为什么需要虚拟环境？
    2. Python虚拟环境工具对比
      1. 1. venv (内置模块)
      2. 2. virtualenv
      3. 3. conda
      4. 4. pipenv
      5. 5. poetry
    3. 使用venv创建虚拟环境
      1. 创建虚拟环境
      2. 激活虚拟环境
      3. 安装包
      4. 查看已安装的包
      5. 生成依赖文件
      6. 从依赖文件安装
      7. 退出虚拟环境
    4. 使用virtualenv
      1. 安装virtualenv
      2. 创建虚拟环境
      3. 其他操作
    5. 使用conda管理环境
      1. 安装conda
      2. 创建环境
      3. 激活环境
      4. 安装包
      5. 查看已安装的包
      6. 导出环境
      7. 从环境文件创建环境
      8. 退出环境
      9. 删除环境
    6. 使用pipenv
      1. 安装pipenv
      2. 创建项目和环境
      3. 安装包
      4. 激活环境
      5. 运行命令
      6. 查看依赖图
      7. 锁定依赖
    7. 使用poetry
      1. 安装poetry
      2. 创建新项目
      3. 添加依赖
      4. 激活环境
      5. 运行命令
      6. 更新依赖
    8. 虚拟环境最佳实践
      1. 1. 为每个项目创建单独的虚拟环境
      2. 2. 将虚拟环境排除在版本控制之外
      3. 3. 使用依赖文件
      4. 4. 定期更新依赖
      5. 5. 使用固定版本
      6. 6. 考虑使用Docker
    9. 高级技巧
      1. 1. 在Jupyter Notebook中使用虚拟环境
      2. 2. 在VS Code中使用虚拟环境
      3. 3. 管理多个项目的虚拟环境
      4. 4. 使用环境变量
      5. 5. 创建可重用的虚拟环境模板
    10. 常见问题及解决方案
      1. 1. 依赖冲突
      2. 2. 虚拟环境不激活
      3. 3. 包安装失败
      4. 4. 环境污染
    11. 结论