Python 虚拟环境

特性	详细描述
依赖隔离	每个虚拟环境都是独立的，避免了项目之间的库版本冲突。不同项目可以使用不同版本的依赖库，确保一个项目的更新不会影响到其他项目。
易于管理项目依赖	通过虚拟环境，你可以创建并管理每个项目的专有依赖列表。例如，你可以使用 requirements.txt 文件记录项目所需的依赖，这样其他开发者可以快速安装并复现环境。
与系统环境独立	虚拟环境不会影响系统级的 Python 环境，这样可以避免系统级 Python 安装包的干扰，尤其是在开发多个项目时。
便于团队协作	当团队成员之间使用相同的虚拟环境时，可以确保每个开发者使用一致的依赖，避免“在我电脑上能运行”的问题。通过共享依赖列表，其他人可以快速配置相同环境。
无管理员权限	创建和使用虚拟环境不需要管理员权限，非常适合在没有权限修改全局环境的系统上开发，如公司机器或公共计算机。
支持不同的 Python 版本	可以为不同的项目使用不同的 Python 版本，方便同时处理多个版本的项目。例如，项目 A 使用 Python 3.8，项目 B 使用 Python 3.9。
简化的部署流程	在生产环境中部署时，通过共享虚拟环境的配置文件（如 requirements.txt），能确保部署的环境与开发环境一致，减少潜在问题。
项目易于移植	由于虚拟环境独立于系统环境，你可以将虚拟环境及其依赖打包并迁移到另一台机器上，确保项目能够顺利运行。
提高开发效率	虚拟环境确保了每个项目的独立性，减少了开发时的环境配置时间，并提高了开发效率和可靠性。

虚拟环境的创建与管理:

• 创建虚拟环境：

        在项目根目录下运行以下命令(Bash):

python -m venv .venv

 

• 激活虚拟环境：

        Windows：

.\venv\Scripts\activate

        Linux：

source .venv/bin/activate

 

• 退出虚拟环境（通用）：
   

deactivate

管理依赖：

• 安装依赖：在虚拟环境中使用 pip 安装需要的库：

  pip install <package_name>

• 生成依赖文件：记录当前环境中已安装的包及版本：

  pip freeze > requirements.txt

• 安装依赖：从 requirements.txt 安装所有包：

  pip install -r requirements.txt
  

虚拟环境与 IDE 的配合：

• 在 VSCode 中，你可以通过设置选项来选择虚拟环境作为 Python 解释器。可以在命令面板中（Ctrl+Shift+P）选择 Python: Select Interpreter，然后选择你创建的虚拟环境。

虚拟环境种类：

虚拟环境工具	特点	使用场景
venv	- Python 3.x 内置工具 - 轻量级，简单易用	- 小型项目、快速原型开发 - 需要轻量级虚拟环境的独立项目
virtualenv	- 支持 Python 2 和 3 - 更强大的配置选项和功能	- 需要管理多个 Python 版本的项目 - 兼容性要求高的复杂应用
conda	- 跨语言支持（Python、R 等） - 强大的包管理和环境管理功能	- 数据科学、机器学习项目 - 跨语言依赖管理 - 需要大规模包和依赖管理的复杂项目
pipenv	- 集成包管理和虚拟环境管理 - 自动创建虚拟环境，使用 Pipfile 管理依赖	- 中小型项目 - 希望简化依赖和虚拟环境管理的开发者
Poetry	- 现代化的依赖管理和包管理工具 - 使用 pyproject.toml 配置文件	- 需要严格依赖管理和版本控制的项目 - 需要发布和打包的 Python 项目
pyenv	- 管理多个 Python 版本 - 与 pyenv-virtualenv 配合使用支持虚拟环境	- 需要管理多个 Python 版本的开发者 - 需要灵活切换 Python 版本的项目
Docker	- 容器化解决方案 - 完全隔离的开发环境，可以跨平台部署	- 大型项目和微服务架构 - 需要高度隔离和跨平台部署的一致开发环境

 

• venv（内置虚拟环境）

描述：venv 是 Python 3.3 及以上版本自带的模块，用于创建和管理虚拟环境。它简单轻量，适用于大部分开发场景。

特点：
只支持 Python 3 及以上版本。
创建简单，不依赖外部工具。
提供基本的虚拟环境功能。

适用场景：一般 Python 项目，快速开发，独立环境管理。

命令：
python -m venv .venv

• virtualenv（第三方工具）

描述：virtualenv 是一个第三方库，可以为 Python 项目创建虚拟环境，功能比 venv 更强大，支持更多的功能和灵活的配置。

特点：
支持 Python 2 和 Python 3。
可以为每个虚拟环境选择不同的 Python 版本（需要安装特定版本的 Python）。
提供更多的配置选项，例如环境变量和插件支持。

适用场景：需要支持旧版 Python（如 Python 2.x）的项目，或对虚拟环境有特殊需求的项目。

命令：
pip install virtualenv
virtualenv .venv

• conda（Anaconda/Miniconda）

描述：conda 是一个开源的包管理器和环境管理工具，常与 Anaconda 和 Miniconda 一起使用。它不仅支持 Python 包的管理，还支持其他语言（如 R）的包管理。

特点：
支持创建和管理包含 Python 和其他库的虚拟环境。
可以管理非 Python 包（如 R、Java、C 等），适用于数据科学和机器学习等多语言项目。
强大的包管理和依赖管理功能。
允许你选择不同的 Python 版本和库的版本。

适用场景：数据科学、机器学习、需要跨语言管理依赖的项目。

命令：
conda create --name myenv python=3.8
conda activate myenv

• pipenv（Python 包管理器）

描述：pipenv 是一个为 Python 提供更简洁、更安全的包管理工具，结合了 virtualenv 和 pip 的功能，旨在简化虚拟环境和依赖管理。

特点：
自动创建和管理虚拟环境。
提供 Pipfile 和 Pipfile.lock 来代替 requirements.txt，通过锁定依赖的版本来提高可重复性。
提供简化的命令行接口，可以自动安装和管理虚拟环境。

适用场景：需要简化包管理、依赖管理的 Python 项目，适合那些重视开发和部署一致性的场景。

命令：
pip install pipenv
pipenv install
pipenv shell

• Poetry（Python 包管理工具）

描述：Poetry 是一个现代化的 Python 包管理工具，旨在解决包依赖、版本控制、发布和虚拟环境管理的问题。它是 pipenv 的一个替代品，提供了更加优雅和功能强大的方式来管理项目依赖。

特点：
提供更强大的依赖解析和包版本管理。
支持创建虚拟环境并管理项目依赖。
自动生成 pyproject.toml 文件，这是 Python 的现代化项目配置文件。

适用场景：需要严格依赖管理，注重 Python 项目结构和发布的开发者。

命令：
pip install poetry
poetry init
poetry install
poetry shell

• pyenv（管理多个 Python 版本）

描述：pyenv 主要用于管理多个 Python 版本。它并不是直接创建虚拟环境的工具，但与 venv 或 virtualenv 配合使用时，可以为每个项目选择不同的 Python 版本。

特点：
允许在同一台机器上安装和管理多个 Python 版本。
可以轻松切换 Python 版本。
常与 pyenv-virtualenv 配合使用，结合虚拟环境管理。

适用场景：需要管理多个 Python 版本的开发者，特别是想在一个机器上运行多个版本的项目。

命令：
pyenv install 3.9.1
pyenv global 3.9.1

• Docker（容器化虚拟环境）

描述：Docker 虽然不是传统意义上的虚拟环境工具，但它提供了一个容器化的解决方案，可以创建与操作系统无关的隔离环境，确保开发和生产环境一致。

特点：
在容器中运行代码，提供与操作系统完全隔离的环境。
支持跨平台部署，确保开发环境与生产环境一致。
可以容纳更多的依赖，支持包含操作系统层级的环境配置。

适用场景：需要高度隔离、部署一致性和跨平台部署的项目，特别适用于微服务架构。
 

命令：
docker build -t myenv .
docker run -it myenv

• 总结

venv：适合一般的 Python 项目，轻量、简单。
virtualenv：支持更多 Python 版本的管理，适合需要更多自定义配置的项目。
conda：适合数据科学、机器学习等跨语言项目，提供完整的包和环境管理解决方案。
pipenv：简化虚拟环境和包管理，适合希望减少配置复杂度的项目。
Poetry：现代化的 Python 包管理工具，专注于严格的依赖版本管理。
pyenv：管理多个 Python 版本，适合需要灵活切换版本的开发者。
Docker：容器化解决方案，适合需要全隔离和跨平台部署的复杂项目。