python的virtualenv,python virtual environment

　　之前详细讲过如何在windows上部署conda环境。详情请查看我的博客。其他平台(主要是linux和macos)在我看来都是一样的，除了有几个命令是从conda改成source。(例如，conda activate myvenv成为source activate myvenv)

　　什么是virtualenv(venv)？这是一个虚拟环境管理器，对于非数据科学领域的开发者来说非常实用。它允许您为每个项目甚至每个脚本配置定制的Python解释器环境。这样最大的好处就是我可以不污染开发环境。

　　比如我有一个专门写爬虫的项目，所以可能需要Requests、BS4、LXML、PySpider、Scrapy等包或者框架。这个时候我也有一个项目想写一些GUI界面。使用的主要包是pyqt。如果是在原生python解释器环境下，我必须把这个GUI包(可能我的crawler项目中永远不会涉及到它)放到下载的包中。不仅仅是看着难受(不考虑反复卸载包)。久而久之，你的开发环境可能会变得巨大，因为里面堆了很多垃圾包(你基本上不会再用了)和很多配置文件，很难找到。这对电脑的危害很大。然而，venv可以创建任意数量的虚拟环境。只要指定了当前环境，pip安装的包就只会在这个环境中，这个环境与操作系统部署的python环境是隔离的。有两个好处。首先我可以把常见的虚拟环境分类，互不污染。(比如机器学习，爬虫不干扰)其次，一旦我不用了，可以直接删除虚拟环境，不用管各种文件残留，关联问题。什么是pip pip是Python中最常用的包管理器。该工具提供了查找、下载、安装和卸载Python包的功能。它能自动处理依赖。(linux开发者rrdbq对此深恶痛绝，也知道yum的出现。)一般pip自带解释器，也可以安装。pip的出现让像java这样的第三方包难以管理的情况消失了(当然java也可以很方便的处理)。主要的安装包使用方法是在命令行上执行pip install packagename。当然后面提到的conda也有包管理器的功能，安装包命令是conda install packagename。

　　康达是什么？最近有人问我venv和康达有什么区别？其实在我看来差别不是特别大。主要如下。

　　如果venv是虚拟环境管理器，pip是包管理器，那么conda就是两者的结合。可惜conda的包管理器比较一般，会过于依赖安装。比如TensorFlow自动安装cudnn(主机配置cudnn时)，大部分时间还是用pip安装包。不过注意pip只能安装Python的包，conda可以安装一些工具软件，即使这些软件不是基于Python开发的。，不过康达的虚拟环境管理还是可以的。一般来说，venv会被用来在这个项目下创建一个虚拟环境。最坏的情况，venv的文件夹(包括配置文件)会创建在项目下。当然，在pycharm下创建虚拟环境是另一回事。但是conda的每个虚拟环境都不占用项目文件夹的空间，都是在用户设定的位置创建的，这样更方便多个项目共享一个虚拟环境(只是方便，venv也可以，但是venv一般会占用项目文件夹的空间，venv命令行的使用有局限性)。Conda虚拟环境是独立于操作系统解释器环境的，即无论什么版本的操作系统解释器(甚至2.7)，我都可以指定python版本的虚拟环境为3.6(见文章开头提到的原博客)，而venv是依赖于主环境的。对于科学计算和大数据领域的人来说，conda是自动集成numpy这样的主流科学计算包的环境。venv必须自己下载每个软件包。Conda有图形环境管理器，venv没有。(虽然开发者几乎不用图形界面conda)

　　嗯，对于我这种一直在用conda的人来说，问我venv怎么样，本来就有失偏颇，但是个人觉得conda非常好用。尤其是在图形环境(见下文)(如windows、ubuntu)中安装anaconda，集成了jupyter notebook等计算机数据分析师常用工具。当然，如果你是一个命令行（见下图）专家（当然，conda并不需要熟悉太多命令）并且觉得Anaconda自带太多用不到的包，只想使用conda的环境管理和包管理功能，那么Anaconda确实太过庞大了，推荐使用Miniconda，它是Anaconda的无界面和预装包的版本。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。