049.Python包和模块_虚拟环境超详细讲解

发布时间：2024年01月12日

无奋斗不青春

我的个人主页：👉👉 失心疯的个人主页 👈👈
入门教程推荐：👉👉 Python零基础入门教程合集 👈👈
虚拟环境搭建：👉👉 Python项目虚拟环境(超详细讲解) 👈👈
PyQt5 系列教程：👉👉 Python GUI(PyQt5)文章合集 👈👈
Oracle数据库教程：👉👉 Oracle数据库文章合集 👈👈
优质资源下载：👉👉 资源下载合集 👈👈

分隔线

虚拟环境

Python项目虚拟环境

首先我们需要了解一下系统解释器

系统解释器

在python官网下载了python解释器(实际上就是一个软件)
将下载好的python解释器安装在D:\Python39目录下

那么，在这个目录下就会生成一系列的文件，下面我们了解一下最主要的几个内容

D:\Python39
    - python.exe
    - Scripts
        - pip.exe
        - pip3.exe
        - pip3.9.exe
    - Lib
        - random.py
        - re.py
        - json.py
        - site-packages
            - requests.py

这就是我们的系统解释器

在我们的电脑上，同时可以安装多个版本的系统解释器(如：python3.8，python3.9，python3.10)

D:\Python38
    - python.exe
    - Scripts
        - pip.exe
        - pip3.exe
        - pip3.8.exe
    - Lib
        - random.py
        - re.py
        - json.py
        - site-packages
            - requests.py
            
# ----------------------------------------    

D:\Python39
    - python.exe
    - Scripts
        - pip.exe
        - pip3.exe
        - pip3.9.exe
    - Lib
        - random.py
        - re.py
        - json.py
        - site-packages
            - requests.py
            
# ----------------------------------------

D:\Python310
    - python.exe
    - Scripts
        - pip.exe
        - pip3.exe
        - pip3.10.exe
    - Lib
        - random.py
        - re.py
        - json.py
        - site-packages
            - requests.py

环境变量的配置
- 我们的电脑可以安装多个版本的解释器
- 但是，我们在日常开发中会选择一个系统解释器作为主运用的解释器
- 我们就会将这个版本的解释器的目录添加到环境变量中
```
D:\Python39
D:\Python39\Scripts\
```
- 那么，我们就可以在cmd终端中直接用python来调用解释器
- 实际就是通过环境变量中的D:\Python39路径来找到 python.exe
- 在cmd中运行pip install安装第三方模块
- 实际就是通过环境变量中的 D:\Python39\Scripts\ 路径来找到 pip.exe

项目开发
- 我们在前期学习的过程中，可能需要安装很多第三方模块
- 如：
```
# 安装2.1版本的requests
pip install requests==2.1

# 安装0.9版本的flask
pip install flask==0.9

# 安装2.9版本的bs4
pip install bs4==2.9
...
```
- 通过这种方式安装的话，这些第三方模块就安装在系统解释器所在目录的Lib >> site-packages 目录下了
- 当我们学习完了之后，开始接项目了
- 项目1：京东抢茅台
- 这个项目可能只需要用到 requests 模块，那么此时我们就不需要再安装 requests 模块了，可以直接使用系统解释器目录下的 requests 模块
```
1. >>> 写代码
2. >>> 通过系统解释器直接运行
```
- 项目2：二开天猫抢茅台
- 这个项目是之前别人已经开发完毕，现在需要再次更新。
- 拿到别人所写的代码之后，发现项目中用的requests模块是1.3版本的
- 那么我们现在直接运行代码，有可能会运行不成功。因为我们的系统解释器中安装的是2.1版的requests，项目是基于1.3版本开发的
- 此时我们就需要先删除原有的2.1版本，重新安装1.3版本的requests
- 同一个解释器下不允许安装同一个第三方模块的多个版本
```
# 安装1.3版本的requests
pip install requests==1.3
```
- 问题来了：此时天猫抢茅台项目能正常运行了，但是京东抢茅台的项目又无法运行了，又需要卸载当前版本的requests,再安装2.1版本的requests
- 当我们所做的项目越来越多的时候，所用到的第三方模块也越来越多，我们总不能每运行一个项目就重装一遍第三方模块
- 有些人可能会想到，一台电脑可以安装多个版本的解释器，是否可以每个项目都使用不同的系统解释器呢？当然，当项目少的时候可以这么干，但是项目多起来之后呢？
- 而且项目做的越来越多，安装的第三方模块也越来越多，总不能每个项目都将以往所安装的所有第三方模块都打包给对方吧
- 这个时候，就可以使用虚拟环境了…

虚拟环境理论
- 概念：基于系统解释器，虚拟出来一个相同版本的python解释器
- 虚拟出来的python解释器结果如下
```
E:\Projecs\PyQt5\venv
    - python.exe
    - Scripts
        - pip.exe
    - Lib
        - site-packages
```
- 此时这个虚拟出来的解释器的Lib目录下，不再有python自带的内置模块了，而是直接使用系统解释器中的
- 项目1：PyQt5开发
  - 我们的项目结构如下：
  - 当我们需要安装第三方模块到这个目录下时，需要执行以下语句
```
E:\Projecs\PyQt5\venv\Scripts\pip.exe install pyqt5
```
- 项目2：ArtCopy开发
  - 我们的项目结构如下：
  - 当我们需要安装第三方模块到这个目录下时，需要执行以下语句
```
E:\Projecs\ArtCopy\venv\Scripts\pip.exe install cx-Oracle==8.3.0
```

虚拟环境实战(PyCharm)
通过PyCharm创建项目，并配置虚拟环境

新建项目
配置虚拟环境
- 虚拟环境目录一般放在项目目录内，方便后期项目结束之后删除项目的同时就将虚拟环境一同删除了。不再需要额外去删除虚拟环境了
- 虚拟环境路径中不能有中文，否则会导致虚拟环境失效
配置完成后，项目目录如下
- 此时，site-package目录里面的都是pip工具相关，还没有任何第三方模块

环境已经有了，那么我们写一句简单的代码运行一下

print('Holle World!')

程序运行命令

E:\Projecs\pro001\.venv\Scripts\python.exe E:/Projecs/pro001/demo.py
# 通过 E:\Projecs\pro001\.venv\Scripts\ 目录下的 python.exe 解释器，
# 编译 E:/Projecs/pro001/ 目录下的 demo.py 文件

安装第三方模块
- 按正常逻辑，我们需要执行以下语句才能将第三方模块安装在这个虚拟环境中
```
E:\Projecs\pro001\.venv\Scripts\pip install requests==2.1
```
- 但是，我们每次在这个虚拟环境下安装第三方模块，都需要把虚拟环境的路径全部写下来，是非常麻烦的
PyCharm自动激活虚拟环境(进入到虚拟环境目录下)
- 自动激活前提：项目和虚拟环境进行了绑定
- PyCharm —— Terminal
- 注意：windows系统有Windows PowerShell 和 Cmd两种命令行程序。
- Windows系统中，PyCharm默认使用的是Windows PowerShell，需要修改为CMD命令行程序
- Windows PowerShell命令行程序无法激活虚拟环境
- 修改之前，无法激活虚拟环境
- 修改命令行程序：
  - File —— Settings... —— Tools —— Terminal —— Shell path —— 选择CMD
- 修改之后，重新打开项目：成功激活虚拟环境
安装第三方模块
- 虚拟环境激活之后，再安装第三方模块就不需要写虚拟环境的全路径了
```
pip install requests==2.1
```
- PyCharm默认的安装源是：https://pypi.python.org/simple
- 安装速度非常缓慢，我们可以修改为国内的源

修改安装源

常用国内源

清华大学 ：https://pypi.tuna.tsinghua.edu.cn/simple/
豆瓣源：http://pypi.douban.com/simple/
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科学技术大学 ：http://pypi.mirrors.ustc.edu.cn/simple/
华中科技大学：http://pypi.hustunique.com/
腾讯源：http://mirrors.cloud.tencent.com/pypi/simple
华为镜像源：https://repo.huaweicloud.com/repository/pypi/simple/

修改安装源
File —> settings —> Project:PycharmProjects —> Python Interpreter —>点击加号 —> 左下角 Manager Repositories —— 点-删除官方源，点+增加国内镜像源

第三方包收集和安装
- 当项目开发完毕之后，要把项目发给小明。小明需要运行
- 我们发送项目的时候，不要把venv文件(虚拟环境)发送给小明
- 因为我们的虚拟环境，是基于我们的系统解释器虚拟出来的
- 小明的系统解释器目录和我的可能不一样，就会导致虚拟环境无法使用
- 那么，小明怎么知道项目中所用到的第三方模块和对应的版本呢？
- 此时，我们就需要将第三方模块和版本进行收集
```
1. 激活虚拟环境
2. 执行 pip freeze > requirements.txt
# 把当前激活的虚拟环境下，所有已经安装的第三方模块全部收集起来，记录在requirements.txt文件中
```
- 小明运行程序的时候需要安装项目所需要的第三方模块
  1. 打开项目：Open
  2. 提示我们创建虚拟环境
    - 文件requirements.txt包含项目依赖项。您想要使用它创建一个虚拟环境吗
    - 这样，虚拟环境就自动配置好了，并且所需要的第三方模块也全部自动下载安装好了
- 如果上面的创建虚拟环境被我们直接关闭了，那我们就需要手动添加虚拟环境并安装第三发模块
  1. 手动添加虚拟环境
    - File —— Settings... —— Project: xxxx —— Python Interpreter —— 右侧设置，Add —— 设置虚拟环境目录和基于系统解释器
  2. 根据requirements.txt文件安装第三方模块
    - pycharm —— Terminal —— 激活虚拟环境
```
pip install -r requirements.txt
```
    - 打开Terminal，无法激活虚拟环境的时候，需要检查一下当前项目是否与虚拟环境绑定了
    - File —— Settings... —— Project: xxxx —— Python Interpreter —— 右侧 Python Interpreter
    - 点击下拉箭头，选择当前项目下虚拟环境目录下的python解释器
系统解释器文档
- requirements.txt和代码中无法体现解释器的版本
- 一般我们都是通过文档来记录一些说明
- 在项目中创建一个readme.md文件来记录python解释器版本和其他一些内容
- readme.md文档
```
项目基于python 3.9 开发
```

虚拟环境管理工具

常用虚拟环境管理工具

virtualenv
- virtualenv是一个第三方的Python虚拟环境管理工具，可以在Python 2和Python 3上使用。它提供了更多的功能和选项，例如可以指定Python解释器版本、创建基于现有环境的虚拟环境等。
- 虚拟环境之间切换比较麻烦（需要分别进入到每个虚拟环境的Scripts目录，通过activate激活）
virtualenvwrapper
- virtualenvwrapper是一个基于virtualenv开发的一个工具包，用于管理Python虚拟环境的第三方工具，它提供了一组命令和功能，使得创建、切换和删除虚拟环境更加方便
- 会将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的Envs文件夹中）
pipenv
- pipenv可以看做是pip和virtualenv的组合体，基于Pipfile和Pipfile.lock，更好地管理包之间的依赖关系
- 会将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的.virtualenvs文件夹中）
conda
- conda是一个流行的开源虚拟环境和包管理工具，适用于Python和其他编程语言。它可以创建、激活和管理虚拟环境，并提供了强大的包管理功能，可以方便地安装、更新和删除包。
- 会将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的.conda\envs文件夹中）

virtualenv管理工具

官方文档：https://virtualenv.pypa.io/en/latest/
用户指南：https://virtualenv.pypa.io/en/latest/user_guide.html

安装管理工具

pip install virtualenv

# 需要将virtualenv库装在哪个python环境，就将cmd切换目录到python安装路径下的Scripts目录
# 如：
    # cd D:\Python\Python39\Scripts
    # pip install virtualenv

语法

virtualenv -p python解释器路径  env_name

# -p python解释器路径       # 虚拟环境使用指定版本的python解释器
# 例：virtualenv -p D:\Python\Python39\python.exe env

# --system-site-packages    # 指定虚拟环境继承系统的三方库
# 添加这个参数：检索库的时候，在当前虚拟环境找不到，会到系统的三方库中查找
# 不加这个参数：检索库的时候，只会在当前的虚拟环境中查找
# 例：virtualenv --system-site-packages env

# 注意：通过系统python环境创建虚拟环境的时候，并不会将系统python环境中安装的第三方库安装到虚拟环境中

创建虚拟环境

1、创建项目文件夹
2、cmd命令行工具，进入到项目文件夹
3、执行命令：
virtualenv env_name
# 如：virtualenv env

激活虚拟环境

# cmd命令行工具，进入到虚拟环境下的Scripts目录
# 执行命令：
activate  或者 activate.bat

# 执行之后，可以看到cmd命令工具中的路径前面多了一个标识：(env_name)
# 例：(env) C:\Users\Administrator\Desktop\MyPro02\env\Scripts>
# 此时，就是进入到了虚拟环境中，接下来所有的操作都是在当前虚拟环境中

操作虚拟环境

pip install requests
    # 如果不激活创建的虚拟环境，库会被安装到全局环境；
    # 激活虚拟环境后，则会安装在虚拟环境中

python test.py
    # 使用虚拟环境中的python解释器执行test.py文件
    # 如果test.py文件中导入了某个包，会优先到虚拟环境中去查找相关的包

退出虚拟环境

# cmd命令行工具，进入到虚拟环境下的Scripts目录
# 执行命令
deactivate 或者 deactivate.bat

# 退出虚拟环境之后，cmd命令工具中的路径前面的标识(env_name)会消失

删除虚拟环境

直接删除虚拟环境整个文件夹目录

virtual项目交接

# 方案1：
    # 连同虚拟环境和项目一起拷贝给别人

# 方案2
    # 在虚拟环境中，冻结依赖需求文本
    pip freeze > requirements.txt
    # 把项目和依赖需求文本发给别人
    # 别人自己创建虚拟环境，根据依赖需求文本安装相关库
    pip install -r requirements.txt

注意：项目与虚拟环境的关系是多对多，一个虚拟环境可以用于多个项目，一个项目也可以切换多个虚拟环境。

virtualenvwrapper 集中式虚拟环境管理

官方文档：https://pypi.org/project/virtualenvwrapper-win/
virtualenvwrapper是一个基于virtualenv开发的一个工具包
virtualenv缺点
- 不便于多个虚拟环境管理
- 虚拟环境之间切换比较麻烦（需要分别进入到每个虚拟环境的Scripts目录，通过activate激活）
安装管理工具
```
pip install virtualenvwrapper-win
```

创建虚拟环境

# 打开cmd命令行工具
# 执行命令

mkvirtualenv env_name

# 将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的Envs文件夹中。如：C:\Users\Administrator\Envs）
# 虚拟环境创建完成之后，会自动激活当前新建的虚拟环境

# 示例：
# mkvirtualenv fzenv1
# mkvirtualenv fzenv2
# mkvirtualenv fzenv3

查看所有虚拟环境

# 打开cmd命令行工具
# 执行命令

lsvirtualenv        # 本质是执行 dir /b /ad "C:\Users\Administrator\Envs" 命令

切换激活虚拟环境

# 打开cmd命令行工具
# 执行命令

workon env_name

# 示例
# workon fzenv1
# workon fzenv2

退出虚拟环境

# 在激活虚拟环境前提下
# 执行命令

deactivate

删除虚拟环境

# 打开cmd命令行工具
# 执行命令

rmvirtualenv env_name

# 示例
# rmvirtualenv fzenv1

pipenv 基于项目的虚拟环境管理

官方文档：https://docs.pipenv.org/
pip + env (包管理 + 虚拟环境)
更加基于项目，使得我们更加关注与项目管理。工具内部封装了以上两个工具
virtualenvwrapper缺点
- 虚拟环境操作与包的安装分离了，分别通过virtualenv操作虚拟环境、pip操作三方库
- 项目所依赖的三方包记录需要通过pip freeze > requirements.txt手动更新记录，容易造成更新不及时
- 无法记录包之间的依赖关系（如：requests所依赖的包只会直接记录，并不会体现其依赖关系）
pipenv优势
- 不需要再分别使用pip和virtualenv对包和虚拟环境进行操作，直接使用pipenv即可
- pipenv会自动创建虚拟环境，以及安装三方库
- 会自动记录项目依赖的所有三方库
- 使用pipfile和pipfile.lock取代requirements.txt(好处：做一个环境锁定，可以查看包之间的依赖关系)

安装管理工具

pip install pipenv

# 查看版本：pipenv --version

语法

pipenv [OPTIONS] COMMAND [ARGS]...

# 参数说明
# --where           # 显示项目文件所在路径
# --venv	        # 显示虚拟环境下实际文件所在路径
# --py	            # 显示虚拟环境下Python解释器所在路径
# --envs	        # 显示虚拟环境的选项变量
# --rm	            # 删除虚拟环境
# --man	            # 显示帮助页面
# --three / --two	# 使用Python 3或Python 2创建虚拟环境
# --site-packages	# 附带安装原Python解释器中的第三方工具包
# --version	        # 显示版本信息
# -h, --help	    # 显示帮助信息

# 常用命令
# install	        # 创建虚拟环境或者安装第三方工具
# shell	            # 进入虚拟环境
# uninstall	        # 卸载一个三方库
# update	        # 卸载当前所有的三方库，并安装它们的最新版本
# open	            # 在编辑器中查看一个三方库
# lock	            # 锁定并生成Pipfile.lock文件
# run	            # 在虚拟环境中执行命令
# check	            # 检查安全漏洞
# graph	            # 显示当前依赖关系图信息

创建虚拟环境

# 打开cmd命令行工具，进入项目目录
# 执行命令

pipenv install [--python python解释器路径]
# 不指定--python参数，则用系统默认python解释器创建虚拟环境
# 将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的.virtualenvs文件夹中。如：C:\Users\Administrator\.virtualenvs）

# 示例
# pipenv install
# 使用系统默认版本python解释器创建虚拟环境


# pipenv install --python D:\Python\Python39\python.exe
# 使用指定版本python解释器创建虚拟环境

#

激活虚拟环境

# 打开cmd命令行工具，进入项目目录
# 执行命令

pipenv shell

# 注意：shell是激活当前项目的虚拟环境，所以必须先进入到指定项目的目录
# 激活之后，可以看到cmd命令工具中的路径前面多了一个标识：(env_name)

操作虚拟环境

# 打开cmd命令行工具，进入项目目录
# 执行命令

# 执行代码
python xxx.py

# 安装三方库
pipenv install 包名

# 添加--skip-lock 可以跳过lock步骤
pipenv install 包名 --skip-lock 
# 等最后再使用pipenv lock统一执行lock操作

# 注意：pipenv install执行
    # 1、检测当前项目对应的虚拟环境是否存在，不存在则创建虚拟环境
    # 2、在虚拟环境中安装指定的三方库，如果没有指定则只创建虚拟环境不安装三方库(pipenv install)
    # 3、在项目目录下，通过pipfile和pipfile.lock记录当下已经安装的三方库
# 注意：在虚拟环境中，通过pip install也能安装三方库，但是不会更新pipfile和pipfile.lock文件

# 查看包依赖结构
pipenv graph

# 卸载包
pipenv uninstall 包名

退出虚拟环境

# 在激活虚拟环境前提下
# 执行命令

exit

删除虚拟环境

# 打开cmd命令行工具，进入项目目录
# 执行命令

pipenv --rm

项目交接1：通过pipfile和Pipfile.lock文件

# 使用 pipfile和Pipfile.lock 文件

# 1、生成/更新Pipfile.lock文件
pipenv lock     # 把当前环境的模块锁定，执行命令后它会更新 Pipfile.lock 文件

# 2、把代码文件、Pipfile 文件和 Pipfile.lock 文件 发给别人

# 3、别人创建项目目录，将代码文件、Pipfile 文件和 Pipfile.lock 文件存放到项目目录
# 创建虚拟环境，同时会自动识别Pipfile和Pipfile.lock文件安装项目依赖的所有三方库

# 打开cmd命令行工具，进入项目目录
# 执行命令
pipenv install

项目交接2：通过requirements.txt文件

# 生产环境的依赖导出
pipenv requirements > requirements-pro.txt

# 生产环境+开发环境的依赖导出
pipenv requirements --dev > requirements.txt

# 开发环境的依赖导出
pipenv requirements --dev-only > requirements-dev.txt

# 将Pipfile文件和Pipfile.lock文件里面的包名导出到requirements.txt文件
pipenv lock -r  > requirements.txt

# 通过requirements.txt安装依赖
pipenv install -r requirements.txt

pipfile文件

# 主要用来配置包的下载网址
[[source]]
# 指定包的安装镜像源，一般使用国内的镜像来加快下载速度
url = "https://mirrors.aliyun.com/pypi/simple/"
verify_ssl = true
name = "pypi"

# 项目运行所需要依赖的第三方工具，即下载安装的工具包
[packages]
flask-authz ==='2.4.0'
# * 表示安装最新稳定版本
flask = '*'

# 开发依赖的工具包
[dev-packages]
# 开发环境需要的包，不常用

# Python 解释器配置
[requires]
# 指定Python解释器的版本
python_version = "3.9"

Pipfile.lock 文件
- Pipfile.lock 文件是通过哈希算法将包的名称、版本和依赖关系生成哈希值，可以保证包的完整性，锁定 Python 版本，便于以后项目发布使用固定的包。
- 在正常情况下，Pipfile.lock 文件不会自动更新工具的版本，例如安装的 requests 库一开始是 2.26.0 版本，后来指定安装 2.25.1 版本，那么 Pipfile 文件会更新，但是 Pipfile.lock 文件不会更新，只有手动执行 pipenv lock 命令后才会更新。
- Pipfile.lock 文件保存了包的哈希值，这是确保生产环境和开发环境包信息一致的关键。当我们把项目从开发环境复制到生产环境，我们只需要执行 pipenv install，而无须重新安装之前在开发环境中安装的包，这很省心。

conda管理工具

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

安装管理工具

通过安装Anaconda/Miniconda进行安装
关于Anaconda/Miniconda：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
Anaconda
- Anaconda官方下载地址：https://www.anaconda.com/download
- Anaconda国内下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Miniconda
- Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。
- Miniconda官方下载地址：https://docs.conda.io/projects/miniconda/en/latest/
- Miniconda国内下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
Anaconda/Miniconda安装完之后，会默认创建一个base虚拟环境
Anaconda/Miniconda默认安装源是国外的，三方库安装速度慢

修改Anaconda/Miniconda安装源

# TUNA 还提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 .condarc 文件来使用 TUNA 镜像源。
# Windows 用户无法直接创建名为 .condarc 的文件，可先通过Anaconda Prompt执行以下生成.condarc文件之后再修改
conda config --set show_channel_urls yes

# 生成的.condarc文件在在用户目录的.conda目录下
# 使用记事本打开.condarc文件，粘贴下面的代码即可修改安装源

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
  
# 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引

启动Anaconda
- 开始菜单 —— Anaconda/Miniconda —— Anaconda Prompt

Anaconda常用命令

conda -V                                        # 查看版本
conda create -n env_name python=3.9             # 创建python虚拟环境(指定python版本)
conda create -n env_name2 --clone env_name1     # 克隆虚拟环境
conda create -n env_name python=3.9 包名=x.x    # 创建虚拟环境的同时安装指定版本的三方库
conda install 包名                              # 在base环境中安装包
conda install -n env_name 包名                  # 在指定虚拟环境安装包
activate env_name                               # 激活虚拟环境，Linux系统前面要加source
conda remove -n env_name --all                  # 移除虚拟环境及所有包
conda remove env_name 包名                      # 移除指定虚拟环境中的某个包
conda env list                                  # 查看虚拟环境列表
conda list                                      # 查看base环境包列表

创建虚拟环境

conda create --name env_name python[==3.6]
conda create -n env_name python[==3.6]

# 最后python不指定版本，会指定最新版本创建虚拟环境
# 将虚拟环境创建在特定的文件中（windows系统，默认在用户目录的.conda\envs文件夹中。如：C:\Users\XieFeng\.conda\envs）

查看conda版本
```
conda -V
```
更新conda版本
```
conda update conda
```
查看所有虚拟环境列表
```
conda env list
```
切换/激活虚拟环境
```
conda activate env_name
```

操作虚拟环境

# 安装三方库
conda install 包名

# 查看三方库版本
conda search 包名

# 卸载三方库
conda remove 包名
# 会自动卸载依赖包

查看虚拟环境下安装的所有包列表
```
conda list
```
退出虚拟环境
```
conda deactivate
```

删除虚拟环境

conda remove -n env_name --all
# 删除虚拟环境及其内部安装的所有包

项目交接1：通过.yml环境文件

# 使用conda-pack或conda env export等工具生成.yml环境文件

# 1、生成/更新.yml文件
conda env export > env_name.yml     # 把当前环境的模块锁定，执行命令后它会更新 .yml文件

# 2、把代码文件和.yml文件发给别人

# 3、别人创建项目目录，将代码文件和.yml文件存放到项目目录
# 通过.yml文件创建虚拟环境，会自动安装项目依赖的所有三方库

# 打开cmd命令行工具，进入项目目录
# 执行命令
conda env create -f env_name.yml

项目交接2：通过requirements.txt文件

# conda 批量导出包含环境中所有组件的requirements.txt文件
conda list -e > requirements.txt

# 通过运行以下命令来安装requirements.txt文件中列出的所有依赖项
conda install --yes --file requirements.txt 
# 这种执行方式，一遇到安装不上就整体停止不会继续下面的包安装

# 但是这里存在一个问题，如果requirements.txt中的包不可用，则会抛出“无包错误”。
# 使用下面这个命令可以解决这个问题

$ while read requirement; do conda install --yes $requirement; done < requirements.txt

# 或者这样也行

FOR /F "delims=~" %f in (requirements.txt) DO conda install --yes "%f"
# 这个执行能解决上面出现的不执行后续包的问题

# 如果想要在conda命令无效时使用pip命令来代替，那么使用如下命令：

$ while read requirement; do conda install --yes $requirement || pip install $requirement; done < requirements.txt

文章来源:https://blog.csdn.net/weixin_50296259/article/details/135476685
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！