【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。