Python 包管理工具以及虚拟环境管理
包管理
1. pip 和 pip3 是什么？
-
pip 是 Python 的官方包管理工具，用于安装、卸载和管理 Python 第三方库。它的名字来源于 “Pip Installs Packages”。
-
pip3 是专门为 Python 3 设计的 pip 命令。在同时安装 Python 2 和 Python 3 的系统中，
pip默认可能指向 Python 2，而pip3明确指向 Python 3。
注意：随着 Python 2 的淘汰，大多数系统现在默认pip已指向 Python 3，pip3可能只是pip的别名。 - Python ≥3.4 和 ≥2.7.9 的版本已自带 pip，无需额外安装。
2. 系统学习 pip
基础用法
| 命令 | 功能 | 示例 |
|---|---|---|
pip install <包名> |
安装包 | pip install requests |
pip uninstall <包名> |
卸载包 | pip uninstall numpy |
pip list |
列出已安装的包 | pip list |
pip show <包名> |
查看包信息 | pip show pandas |
pip freeze > requirements.txt |
导出依赖列表 | 用于项目环境迁移 |
pip install -r requirements.txt |
根据文件安装依赖 | 重建环境 |
# 安装包 pip install package_name # 安装最新版 pip install package_name==1.0.4 # 安装指定版本 # 卸载包 pip uninstall package_name # 查看已安装包及其版本 pip list # 生成依赖清单（用于共享项目） pip freeze > requirements.txt # 从 requirements.txt 安装依赖 pip install -r requirements.txt # 检查可更新的包 pip list --outdated # 升级包 pip install --upgrade package_name
进阶用法
-
版本控制
pip install django==4.2.0 # 安装指定版本 pip install "django>=4.0" # 安装不低于 4.0 的版本
- 从源码或本地安装
pip install . # 安装当前目录的包（setup.py） pip install git+https://github.com/user/repo.git # 从 Git 仓库安装
- 镜像加速
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple # 使用清华镜像
永久配置镜像：在 ~/.pip/pip.conf（Linux/macOS）或 C:\Users\用户名\pip\pip.ini（Windows）中写入：
[global] index-url = https://mirrors.aliyun.com/pypi/simple/
批量安装
pip install -r requirements.txtrequirements.txt内容：
gradio>=3.40.0
transformers>=4.35.0
torch>=2.0.0
gtts>=2.3.2
Pillow>=9.5.0
sentencepiece>=0.1.99
虚拟环境
-
为什么需要虚拟环境：隔离不同项目的依赖，避免版本冲突。
- 使用
venv（Python 内置）：
python -m venv myenv # 创建虚拟环境 source myenv/bin/activate # 激活（Linux/macOS） myenv\Scripts\activate # 激活（Windows） deactivate # 退出
使用 virtualenv（第三方工具）：
pip install virtualenv virtualenv myenv # 创建
其他环境和包管理工具
(1) Conda
- 跨平台包管理：除了 Python 包，还支持非 Python 包（如 C/C++库）。
- 环境管理：直接集成虚拟环境功能。
- 适用场景：数据科学（与 Anaconda 结合）、需要复杂依赖管理的场景。
- 常用命令：
conda create --name myenv python=3.9
conda activate myenv
conda install numpy
(2) Poetry
- 依赖管理与打包工具：自动处理依赖版本，生成
pyproject.toml。 - 优点：精准的依赖解析、支持发布包到 PyPI。
- 安装：
pip install poetry poetry new myproject # 创建新项目 poetry add requests # 添加依赖
(3) Pipenv
- 结合 pip + virtualenv：自动管理虚拟环境和依赖文件（
Pipfile）。 - 优点：简化工作流，支持开发环境与非开发环境依赖分离。
pip install pipenv pipenv install requests # 安装包并生成 Pipfile pipenv shell # 进入虚拟环境
(4) 其他工具
- Wheel：二进制包格式，加速安装。
- Setuptools：传统的包构建工具，通常与
setup.py配合使用。
4. 如何选择工具？
| 场景 | 推荐工具 |
|---|---|
| 简单脚本开发 | pip + venv |
| 数据科学/复杂非Python依赖 | Conda |
| 项目开发（精准依赖） | Poetry/Pipenv |
| 包发布 | Setuptools + Twine |
| 工具 | 特点 | 适用场景 |
|---|---|---|
| conda | 跨平台，支持非 Python 包（如 C 库），自带环境管理 | 数据科学（Anaconda/Miniconda 发行版） |
| poetry | 依赖解析、打包、发布一体化，使用 pyproject.toml |
项目依赖管理和发布 |
| pipenv | 结合 pip 和虚拟环境，生成 Pipfile 管理依赖 |
简化虚拟环境和依赖管理 |
| pipx | 全局安装 Python 命令行工具（隔离环境） | 安装像 black、youtube-dl 这类工具 |
工具对比
-
conda：适合科学计算，解决复杂依赖（如 NumPy 的 MKL 优化版）。
-
poetry：适合开发者管理项目依赖和打包，自动处理版本兼容性。
-
pipenv：曾被官方推荐，但开发活跃度下降，逐渐被 poetry 取代。
5. 学习资源
- 官方文档：
- 教程：
3.书籍：
-
-
《Python Packaging User Guide》（免费在线版）
-
《Effective Python》第 57 条：用虚拟环境隔离项目
-
建议从 pip 和 venv 开始，再扩展到其他工具。尝试在一个实际小项目中使用不同工具，理解它们的差异和适用场景！
-
实践建议：
-
从
pip基础命令开始，熟悉安装、卸载和导出依赖。 -
用
venv或virtualenv为每个项目创建独立环境。 -
尝试用
poetry或pipenv管理一个实际项目。 -
在遇到版本冲突时，使用
pip install --upgrade或降低版本号解决。
-
附：常见问题
-
pip安装慢：换国内镜像源（如清华、阿里云）。 -
权限错误：在命令前加
sudo（Linux/macOS），或用--user安装到用户目录。 -
兼容性冲突：使用
poetry或pipenv自动解析依赖树。
浙公网安备 33010602011771号