首页
/ 正文

python 虚拟环境（保姆级教程）

更新时间: 2025-03-22 19:50:04

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;

《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前，星球内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习，欢迎点击围观

什么是 Python 虚拟环境？

Python 虚拟环境是一种隔离开发环境的技术，它允许开发者在同一个系统上为不同项目创建独立的 Python 运行空间。想象一下，如果你的厨房里同时准备不同国家的菜肴，但所有食材都混在一起，结果可能是一团糟。虚拟环境就像为每个项目提供一个独立的“厨房”，避免不同项目所需的 Python 包（食材）互相干扰。

为什么需要虚拟环境？

1. 解决依赖冲突

假设你有两个项目：一个是 Web 应用（需要 Django 3.0），另一个是数据分析工具（需要 Pandas 1.0）。如果直接安装到全局 Python 环境，Django 3.0 和 Pandas 1.0 可能存在依赖包版本冲突，导致两个项目都无法正常运行。虚拟环境通过隔离依赖，让每个项目拥有自己的“食材仓库”，避免冲突。

2. 简化环境配置

当你需要将项目分享给他人时，只需提供 requirements.txt 文件，对方通过虚拟环境即可快速复现你的开发环境。这就像将厨房的“菜谱”和“食材清单”打包，让他人能精准复制你的烹饪条件。

3. 提升安全性

虚拟环境默认隔离了系统全局的 Python 包，避免因项目安装的第三方包影响系统稳定性。例如，某个恶意包或存在漏洞的旧版本包，不会威胁到全局环境。

Python 虚拟环境的常用工具

以下是 Python 生态中常用的虚拟环境管理工具：

工具名	特点	适用场景
venv	Python 3.3+ 内置模块，轻量级、无需额外安装。	基础项目，快速搭建隔离环境。
conda	支持多语言（Python、R 等），擅长管理复杂依赖（如科学计算库）。	数据科学、需要跨语言支持的场景。
pipenv	结合 Pip 和虚拟环境，自动化管理依赖和版本。	需要自动化工作流的中型项目。
virtualenv	早期主流工具，兼容 Python 2 和 3。	老旧项目或需兼容 Python 2 的环境。

如何创建和使用虚拟环境？

1. 使用 venv（推荐新手）

步骤 1：创建虚拟环境

python -m venv myproject_env

这条命令会在当前目录下生成一个名为 myproject_env 的文件夹，包含独立的 Python 解释器和包目录。

步骤 2：激活虚拟环境

Windows：
```
myproject_env\Scripts\activate  
```
macOS/Linux：
```
source myproject_env/bin/activate  
```

激活后，命令行会显示环境名称（如 (myproject_env)），表示已进入虚拟环境。

步骤 3：安装包与管理依赖

在激活状态下，所有通过 pip 安装的包仅保存在虚拟环境中：

pip install django==3.0  
pip freeze > requirements.txt  # 保存依赖列表

步骤 4：退出虚拟环境

deactivate

2. 使用 conda（科学计算场景）

创建环境并指定 Python 版本：

conda create -n data_env python=3.8

激活环境：

conda activate data_env

安装科学计算包：

conda install numpy pandas

实际案例：虚拟环境的实战应用

案例 1：开发 Web 应用与数据分析工具

假设你同时在开发一个 Django Web 应用（需要 requests==2.25）和一个数据可视化项目（需要 requests==2.26）。

步骤：

创建两个独立环境：

# Web 应用环境  
python -m venv web_env  
# 数据分析环境  
conda create -n data_env python=3.8

在各自环境中安装依赖：

# 激活 web_env 后安装  
pip install django==3.0 requests==2.25  
# 激活 data_env 后安装  
pip install pandas matplotlib requests==2.26

切换环境运行项目：
每次开发前激活对应环境，避免版本冲突。

案例 2：快速复现他人项目

假设你收到一个项目，其 requirements.txt 内容如下：

flask==2.0.1  
numpy==1.21.2

步骤：

创建新虚拟环境：
```
python -m venv project_env  
```

激活并安装依赖：

source project_env/bin/activate  
pip install -r requirements.txt

此时，虚拟环境已完美复现了原项目的运行环境。

常见问题与解决方案

1. “虚拟环境未生效，全局包被使用”

原因：可能未激活环境或路径配置错误。
解决：

确认环境已激活（命令行显示环境名）。
检查 PATH 环境变量是否指向虚拟环境的 bin 或 Scripts 文件夹。

2. “安装包时提示权限错误”

原因：尝试写入全局环境目录。
解决：

确保在虚拟环境中安装：
```
pip install <package>  
```

禁用全局写入权限（推荐）：

python -m pip --disable-pip-version-check install ...

3. “如何删除虚拟环境？”

直接删除环境文件夹即可：

rm -rf myproject_env  # macOS/Linux  
rmdir /s myproject_env  # Windows

虚拟环境的进阶技巧

1. 自动化环境管理

使用 pipenv 可以一键创建并管理环境：

pipenv install django==3.0  
pipenv shell  # 自动激活环境

2. 跨平台环境兼容

通过 .gitignore 排除虚拟环境文件夹，避免代码仓库被污染：
在项目根目录的 .gitignore 文件中添加：

myproject_env/  
venv/

结论

Python 虚拟环境是每位开发者必备的“开发利器”。通过隔离依赖、简化配置和提升安全性，它能显著降低项目维护成本。无论是初学者还是中级开发者，掌握虚拟环境的使用方法，都能让你在复杂的项目开发中游刃有余。

从今天起，尝试为你的每个新项目创建独立虚拟环境吧！你的未来代码，会感谢你今天做出的这个决定。