python：windows下创建虚拟环境

目录

1、python解释器

2、miniconda

2.1 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

3.2 pip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。