Python空间:项目虚拟环境配置的N种方法

栏目: Python · 发布时间: 5年前

内容简介:和其他大多数现代编程语言一样,Python对包和 模块的下载、存储以及管理有其自己的一套方法。但是当我们同时开发多个项目工程的时候,不同的项目会将第三方的包存放在本文会从virtualenvwrapper(virtualenv的进阶版,其提供了一系列命令使得和虚拟环境工作变得便利。)

和其他大多数现代编程语言一样,Python对包和 模块的下载、存储以及管理有其自己的一套方法。但是当我们同时开发多个项目工程的时候,不同的项目会将第三方的包存放在 相同的路径下 。这就意味着,如果有两个工程依赖同一个包,但是所需要的版本却不一样,比如项目A依赖v1.0.0,而项目B依赖v2.0.0。由于 Python 无法根据版本来区分包的安装路径,那么此时,就会发生版本冲突。

简介

本文会从

virtualenvwrapper(virtualenv的进阶版,其提供了一系列命令使得和虚拟环境工作变得便利。)

pipenv

anaconda

三个常用的Python虚拟环境配置来汇总,如有不适之处,还望各位大佬指正。 另:

  • 博客撰写以 windows操作系统 为基础(囊中羞涩),后续有Money后,会更新其他系统的操作。
  • 项目使用Python版本为3.7.3

virtualenvwrapper

安装

pip install virtualenvwrapper
pip install virtualenvwrapper-win  #Windows使用该命令
复制代码

路径

详见下图指引(从左至右,依次操作)

Python空间:项目虚拟环境配置的N种方法

使用

mkvirtualenv test_env
workon
workon test_env
deactivate
rmvirtualenv test_env

pipenv

一个好的程序员,果断必须熟练 阅读各种文档,源码 。追根溯源方能获取真知!

强烈推荐: pipenv文档

特性

  1. pipenv集成了pip,virtualenv两者的功能,且完善了两者的一些缺陷。
  2. pipenv使用Pipfile和Pipfile.lock,查看包的依赖关系十分方便。
  3. Pipfile 文件是 TOML 格式而不是 requirements.txt 这样的纯文本。一个项目对应一个 Pipfile,支持开发环境与正式环境区分。

安装

pip install pipenv

使用

常用命令大全:

pipenv --where                 列出本地工程路径
pipenv --venv                  列出虚拟环境路径
pipenv --py                    列出虚拟环境的Python可执行文件
pipenv install                 创建虚拟环境
pipenv isntall [moduel]        安装包
pipenv install [moduel] --dev  安装包到开发环境
pipenv uninstall[module]       卸载包
pipenv uninstall --all         卸载所有包
pipenv graph                   查看包依赖
pipenv lock                    生成lockfile
pipenv run python [pyfile]     运行py文件
pipenv --rm                    删除虚拟环境
复制代码

备注:直接在项目根目录下,使用 pipenv install xxx 即可创建项目环境,并安装xxx包

anaconda

Anaconda 是一个包含数据科学常用包的 Python 发行版本。其使用 conda 创建环境,以便分隔使用不同 Python 版本和不同程序包的项目。

特性

  1. pip仅适用于Python,conda适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++等语言
  2. conda结合了pip和virtualenv的功能。
  3. pip在系统自带Python中,包的**更新/回退版本/卸载将影响其他程序;而conda不会影响系统自带Python。

安装

此处跳过安装anaconda,如有需要可参考 anaconda安装、介绍、使用

使用

conda --version
conda create --name <env_name> <package_names>
#示例:
conda create --n test_conda_env
复制代码

注意:

<env_name> 即创建的环境名。建议以英文命名,且不加空格,名称两边不加尖括号“<>”。

如果要安装指定的版本号,则只需要在包名后面以=和版本号的形式执行。如:conda create --name python2 python=2.7,即创建一个名为“python2”的环境,环境中安装版本为2.7的python。

如果要在新创建的环境中创建多个包,则直接在<package_names>后以空格隔开,添加多个包名即可。如:conda create -n python3 python=3.5 numpy pandas,即创建一个名为“python3”的环境,环境中安装版本为3.5的python,同时也安装了numpy和pandas。

conda info --env
activate test_conda_env
deactivate
conda remove -n test_conda_env --all

ok,这篇关于如何创建Python项目环境的文章就暂时先告一段落。 初写博客,当然会有很多不足之处,如有错误遗漏的地方呢,还请各位老少爷们儿多多指教。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

分布式算法导论

分布式算法导论

泰尔 / 霍红卫 / 机械工业出版社 / 2004年09月 / 39.0

分布式算法20多年来一直是倍受关注的主流方向。本书第二版不仅给出了算法的最新进展,还深入探讨了与之相关的理论知识。这本教材适合本科高年级和研究生使用,同时,本书所覆盖的广度和深度也十分适合从事实际工作的工程师和研究人员参考。书中重点讨论了点对点消息传递模型上的算法,也包括计算机通信网络的实现算法。其他重点讨论的内容包括分布式应用的控制算法(如波算法、广播算法、选举算法、终止检测算法、匿名网络的随机......一起来看看 《分布式算法导论》 这本书的介绍吧!

Base64 编码/解码
Base64 编码/解码

Base64 编码/解码

URL 编码/解码
URL 编码/解码

URL 编码/解码

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试