Python 创建虚拟环境

一、虚拟环境介绍

1、Python环境

  要搞清楚什么是虚拟环境，首先要清楚Python的环境指的是什么。当我们在执行python test.py时，python哪里来？这个主要归功于配置的系统环境变量PATH，当我们在命令行中运行程序时，系统会根据PATH配置的路径列表依次查寻是否有可执行文件python（在windows中，省略了后缀.exe），当查寻到该文件时，执行该文件; 如果在所有路径列表中都查找不到，就会报报错：‘python’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
  test.py代码中import的模块会去哪里找？import的模块包含两类，一类称为标准库，随着python的安装而安装；另一类称为第三方库，使用pip工具或者自己手动安装的包。模块的搜索路径可通过sys.path查看，主要由可执行文件python所在的位置所决定。
  Python环境主要由运行python解释器的位置所决定。

2、什么是虚拟环境

  思考以下问题：如果有两个项目A和B，如果A和B都要用到某一模块，但版本不相同怎么办？
  为了解决上面的问题，python使用了虚拟环境这个概念，你可以认为是python环境的多个副本，只是在不同的副本中安装了不同的包。既然叫虚拟环境，总得有点不一样：虚拟环境中一般不包含标准库；不包含python解释器运行时所需的依赖文件；可执行文件全部放于Scripts目录等。

3、常用工具

  知道了什么是虚拟环境，就应该清楚如何去管理虚拟环境，这就离不开虚拟环境管理工具，下面列出了一些常用的工具，并在稍后的内容中对部分工具的使用作简单的介绍。

• Virtualenv
  virtualenv 是非常流行的 python 虚拟环境配置工具。它不仅同时支持 python2 和 python3，而且可以为每个虚拟环境指定 python 解释器，并选择不继承基础版本的包。

• venv
  考虑到虚拟环境的重要性，Python 从3.3 版本开始，自带了一个虚拟环境模块 venv，关于该模块的详细介绍，可参考 PEP-405 。它的很多操作都和 virtualenv 类似。如果你使用的是python3.3之前版本或者是python2，则不能使用该功能，依赖需要利用virtualenv进行虚拟环境管理。

• pipenv
  pipenv 是Kenneth Reitz(requests的作者)大神的作品。它结合了 Pipfile，pip，和virtualenv，能够有效管理Python多个环境，各种包。并且windows视为一等公民。

  • Pipfile是社区拟定的依赖管理文件，用于替代过于简陋的 requirements.txt 文件。Pipfile 文件是 TOML 格式而不是 requirements.txt 这样的纯文本。

  • virtualenv能够很好的完成虚拟环境的搭建和python版本的管理，但是跨平台的使用不太一致，且有时候处理包之间的依赖总存在问题

  • pip能够很好的完成包的管理，但是仍然推荐pipenv，相当于virtualenv和pip的合体，且更加强大。

• conda
  支持Python、R、Java、JavaScript、C等多种开发语言的包、依赖和环境管理工具，能运行在Windows、MacOS、Linux多个平台，可以在本地轻松创建、保存、切换环境。当安装anaconda时，会自动安装conda工具。

个人使用下来，conda 使用更加顺手，功能更加全面，故省略掉其他方法的介绍，单独介绍conda的使用方法。

二、conda的使用

  conda支持Python、R、Java、JavaScript、C等多种开发语言的包、依赖和环境管理工具，能运行在Windows、MacOS、Linux多个平台，可以在本地轻松创建、保存、切换环境。当安装anaconda时，会自动安装conda工具。
  conda与pipenv，venv等虚拟环境管理工具的最大的不同在于：conda虚拟环境是独立于操作系统解释器环境的，即无论操作系统解释器什么版本（哪怕2.7），我也可以指定虚拟环境python版本为3.6，而venv是依赖主环境的。

1、创建虚拟环境

conda create --name 环境名 python=版本号

创建好虚拟环境后，你会发现虚拟环境py3.6的内容与一个实体python环境是一样的。所以，conda的环境管理更像是实体环境的一个拷贝，而不像是一个虚拟环境。

2、环境的激活和退出

# 激活环境
conda activate 环境名 
# 退出环境
conda deactivate

3、查看所有虚拟环境

conda env list

4、包管理命令

# 安装numpy模块
conda install numpy

# 通过conda-forge源安装模块
conda install numpy -c conda-forge

# 通过指定源安装模块
conda install numpy --channel https://mirrors.aliyun.com/pypi/simple/

# 查看已安装的模块
conda list

# 搜索模块信息
conda search numpy

# 删除模块
conda remove numpy

# 更新模块
conda update numpy

# 更新全部模块：
conda update --all

# 更新conda
conda update conda

# 更新python
conda update python

5、删除环境

conda remove --name 环境名 --all