【第一章:人工智能基础】01.Python基础及常用工具包-(4)Python环境管理
第一章 人工智能基础
第一部分：Python基础及常用工具包
第四节：Python环境管理
使用 virtualenv 或 conda 创建和管理虚拟环境
一、为什么需要虚拟环境？
在开发不同项目时，可能会依赖不同版本的库。虚拟环境可让每个项目拥有独立的依赖包和 Python 解释器版本，避免版本冲突和系统污染，是现代 Python 开发的基本技能之一。
二、使用 virtualenv 管理虚拟环境
1. 安装 virtualenv
pip install virtualenv
2. 创建虚拟环境
# 创建名为 myenv 的虚拟环境（使用默认 Python）
virtualenv myenv
如需使用特定版本 Python（如 Python 3.10）：
virtualenv -p python3.10 myenv
3. 激活虚拟环境
-
Windows:
myenv\Scripts\activate
-
macOS / Linux:
source myenv/bin/activate
4. 安装依赖 & 退出虚拟环境
pip install numpy pandas
deactivate # 退出虚拟环境
5. 导出与恢复环境依赖
pip freeze > requirements.txt
pip install -r requirements.txt
三、使用 Conda 管理虚拟环境（推荐用于数据科学）
Conda 是 Anaconda 发行版的一部分，适用于科学计算，支持管理 Python 与 C 库等底层依赖。
1. 创建虚拟环境
conda create -n myenv python=3.10
2. 激活 & 退出环境
conda activate myenv
conda deactivate
3. 安装常用库
conda install numpy pandas matplotlib
你也可以使用 pip install 安装不在 Conda 仓库中的库。
4. 查看、删除环境
conda env list # 查看所有环境
conda remove -n myenv --all # 删除环境
5. 导出与共享环境
conda env export > environment.yml
conda env create -f environment.yml
四、virtualenv 与 conda 的对比表
| 功能 / 特性 | virtualenv | conda |
|---|---|---|
| 安装方式 | pip | Anaconda / Miniconda |
| 管理语言环境 | 仅 Python | Python、R、C 等 |
| 包管理工具 | pip | conda（可混用 pip） |
| 支持非 Python 库 | 否 | 是 |
| 适用场景 | 轻量、通用 | 数据科学、AI 项目 |
五、小结
-
virtualenv简洁轻量，适合一般 Python 开发。 -
conda更强大，尤其适合机器学习、科学计算领域。 -
虚拟环境是 AI 项目开发的第一步，建议每个项目都使用虚拟环境隔离依赖。