目录
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python 2.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。Install Now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。
pip install 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 Anaconda Navigator。
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Next
2.3 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。
conda env list #查看虚拟环境
conda list #查看安装的所有依赖包
conda create --name env_name python=3.x #创建新的虚拟环境,指定python版本
conda activate env_name #激活虚拟环境
conda deactivate #退出虚拟环境
conda env remove -n my_env #删除虚拟环境
conda create -n newenv --clone old_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。
conda create -n newenv --clone myenv
3.2 pip安装依赖
安装命令很简单
#安装依赖包
pip install 包名
#卸载依赖包
pip uninstall 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
pip install torch -i https://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=60
index-url=https://pypi.tuna.tsinghua.edu.cn/simple
extra-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
pip config list
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。