跳转至

Chapter0 包管理&环境管理

实际项目开发中，不同项目可能需要第三方包的不同版本，迫使我们需要根据实际需求不断进行更新或卸载相应的包，而如果我们直接使用本地的Python环境，会导致整体的开发环境相当混乱而不易管理。这个时候就需要引入虚拟环境的概念，将各个开发环境隔离开来，可以各个独立管理而不糅杂。

pip (python包管理)

pip 是一个现代的，通用的 Python 包管理工具。提供了对 Python 包的查找、下载、安装、卸载的功能。

注：pip 已内置于 Python 3.4 和 2.7 及以上版本，其他版本需另行安装。

# pip安装依赖包时，需要下载源，由于中国局域网hhh，但有解决办法
# 1 打开你的梯子代理，当然要消耗流量咯
# 2 更换为国内软件源 ：
pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple

pip unistall xxx xxx xxx ... xxx #移除多个库
pip freeze <requirement.txt> #查询第三方库(导出)
pip uninstall -r <requirements.txt> -y #(根据导出卸载)

anaconda

简单来说，Anaconda是一个开源的Python发行版，专为科学计算（数据分析、机器学习、深度学习等）设计。

  • 它最大的优势在于：

    1 预装了数百个常用科学计算包（numpy、pandas、scipy等），省去了单独安装的麻烦

    2 内置conda包管理器，解决了依赖问题（这个痛点Python开发者都懂）

    3 虚拟环境管理功能，可以为不同项目创建隔离环境，避免版本冲突

    4 跨平台兼容性，Windows、macOS和Linux均可使用相同的工作流

    5 内置Jupyter Notebook，极大提升了数据分析和交互式编程体验

正是这些特性，使得Anaconda成为数据科学家、机器学习工程师、科研人员和学生的首选工具

anaconda入手

Downloads - Anaconda

下载anaconda，并且安装，添加anaconda到环境变量，并且查看指令是否正常使用即可。

#检查anaconda版本 
​conda -V
#查看当前存在哪些虚拟环境 
​conda env list
#查看当前环境安装了哪些包 
​conda list
#-----------------------------------------------------------------------

#激活虚拟环境 
​activate {env_name}
#创建虚拟环境 
​conda create -n {env_name} python=x.x
#删除虚拟环境 
​ conda remove -n {env_name} --all
#克隆环境将env1克隆为
​env2 conda create -n {env2} --clone {env1}