python 03-标准库 第三方库-pip pipenv工具

一、标准库 第三方库

• python标准库：Python自带的一组模块和库，这些模块和库提供了Python编程所需的基础功能和工具
  https://docs.python.org/zh-cn/3/library/index.html?eqid=8ca0b3ea000067990000000264800802

• Python包索引：即PyPI（Python Package Index），是一个仓库，存放了许多可以通过pip安装的独立于标准库之外的第三方的Python库，PyPI是一个官方的包索引 https://pypi.org/ 但是也可以有自定义的包索引。

二、pip工具

（1）pip介绍

• 使用Python包索引，可以用pip工具，它是Python的一个包管理器，可以用来安装、升级和卸载Python包。使用pip时，你可以指定包的来源，默认是PyPI，但你也可以指定其他包索引。

• pip工具还有工程打包，依赖搜索等高级功能

• 从Python 3.4版本开始，‌pip已经内置在Python中，‌所以一般情况下不需要再次安装（我的是python3.12.5）

（2）pip指令(windows版本)

查看pip版本（注意pip和python版本更新是独立进行的，因此pip提示更新时，需要单独更新 pip install --upgrade pip）

安装 Packages:

pip install package_name

安装earlier version(当遇到兼容性问题时需要安装旧一点的包才可以运行)

pip install package_name==2.32.2

pip install package_name==2.32.*   意思是会下载2.32的最新兼容版本

更新 Packages:

pip install --upgrade package_name

卸载 Packages:

pip uninstall package_name

列出已安装的 Packages:

pip list

展示 Package Information:

pip show package_name

查找 Packages: 搜索查找PyPI包名称或摘要包含字样

pip search search_term 

Freeze Installed Packages (to a requirements file):自动生成一个依赖文件或称为要求文件（requirements文件）

pip freeze > requirements.txt

Install from a Requirements File:安装requirements.txt依赖

pip install -r requirements.txt

使用python -m venv xxx命令可以创建一个虚拟环境名字为xxx。‌这个命令是Python 3.3及以后版本引入的，‌用于创建一个轻量级的、‌独立的Python环境。‌虚拟环境对于项目依赖管理非常有用，‌因为它允许你为不同的项目安装不同版本的包，‌而不会导致版本冲突。‌可以为每个项目维护一个独立的依赖集，‌这有助于避免不同项目之间的依赖冲突。创建并进入虚拟环境的步骤如下：

• 1.打开命令提示符（‌CMD）‌或PowerShell。‌

• 2.导航到你想创建虚拟环境的目录。‌使用cd命令可以改变当前目录。‌或者在目标目录中打开cmd:
  

• 3.运行python -m venv env命令。‌这会创建一个名为env的虚拟环境目录。‌
  
  

• 4.激活虚拟环境。‌在Windows上，‌运行env\Scripts\activate来激活虚拟环境。‌激活后，‌命令提示符会显示虚拟环境的名称。‌
  

• 5.现在，‌可以在虚拟环境中安装和管理Python包了。‌使用pip install 包名来安装包。‌
  

• 6.当你完成工作并想退出虚拟环境时，‌只需运行deactivate命令。‌
  

三、pipenv工具

（1）pip与pipenv区别

• pip

用途：一个包管理器，用于从Python包索引（PyPI）安装和管理Python包。

用法：主要用于安装软件包及其依赖项。

要求：通常手动管理依赖关系，通常使用Requirements.txt文件。

环境管理：需要手动创建孤立的虚拟环境；可以将它与venv或virtualenv创建的虚拟环境一起使用。

• pipenv

目的：一个结合包管理和虚拟环境管理的高级工具。

用法：自动为项目创建和管理虚拟环境，并从Pipfile中添加/删除包。

要求：使用Pipfile指定依赖关系，使用Pipfile.lock进行确定性构建。

环境管理：自动处理隔离环境的创建，使管理项目依赖关系变得更加容易。

（2）pipenv命令

• ipenv的虚拟环境不激活也能用，‌但通常建议激活后使用‌。‌pipenv会在项目根目录下创建Pipfile和Pipfile.lock文件，‌用于记录和管理依赖关系。‌只要有这些文件，‌就可以通过pipenv run命令来执行Python脚本，‌而无需激活虚拟环境。‌然而，‌激活虚拟环境可以确保使用正确的Python解释器和相关依赖项，‌避免版本冲突和依赖性问题。‌因此，‌建议激活虚拟环境后再进行工作‌。‌

• 在Windows系统下，‌‌未激活pipenv的虚拟环境时，‌无法直接在虚拟环境中安装包或卸载包‌（但是运行文件可以语句为：pipenv run python your_script.py，不过不建议这样做！）。‌需要先激活虚拟环境，‌才能执行相关操作。‌激活虚拟环境的命令是pipenv shell，‌激活后，‌就可以使用pipenv install [包名]来安装包，‌使用pipenv uninstall [包名]来卸载包。‌如果未激活虚拟环境，‌直接执行这些命令，‌将会影响全局Python环境，‌而不是虚拟环境。‌因此，‌确保在操作前已经激活了对应的虚拟环境是非常重要的‌

安装pipenv

pip install pipenv

激活虚拟环境 ，激活之后就可以直接运行文件了eg: python app.py （注意：这里与全局环境语句相同）

pipenv shell

安装package

pipenv install <package_name>

查看虚拟环境的包列表：

pipenv graph

返回虚拟地址：

pipenv --venv

安装所有依赖 install all dependencies from the Pipfile:

pipenv install

在你想要安装新的依赖，‌但不想将这些依赖添加到Pipfile中,也不会生成 Pipfile.lock 文件,使用这个命令:

pipenv install --ignore-pipfile 

这通常在你确信不需要跟踪某些依赖，‌或者在进行一些临时的测试时比较有用。
这在某些特定场景下可能是有用的，‌但通常不推荐在生产环境中使用，‌因为它可能会导致依赖管理的不一致

卸载package:

pipenv uninstall <package_name>

退出虚拟环境：

exit

eg:

在vscode中进入虚拟环境：

• 使用pipenv --venv返回得到了虚拟环境的路径：C:\Users\zdn.virtualenvs\HelloWorld-hwMYnZoU

• 打开这个路径发现虚拟环境的python解释器python.exe在scripts目录下：

  路径：C:\Users\zdn.virtualenvs\HelloWorld-hwMYnZoU\Scripts

  

• vscode中：ctrl+shift+p 搜索 open settings.json

  

• 编写"code-runner.executorMap"回车后会自动补全代码，找到python

  

• 前面加上虚拟环境下python.exe的路径：注意windows系统中，路径是双斜杠，记得保存。

  

• 点击右下角的python版本号，可以看见全局的和虚拟的python版本：

  

  

（3）Pipfile

四、pyenv 和 venv和conda区别

pyenv、venv 和 conda 是用于管理 Python 环境和依赖的不同工具

1. 功能和目的

pyenv：

用于管理多个 Python 版本，允许用户在同一台机器上安装和切换不同版本的 Python（包括 CPython、PyPy、Anaconda 等）。
可以与其他虚拟环境工具（如 virtualenv 或 venv）结合使用。
适合需要在不同项目之间切换 Python 版本的开发者。

venv:

是 Python 标准库的一部分，用于创建独立的虚拟环境，以隔离项目的依赖。
每个虚拟环境都是独立的，防止了不同项目之间的包冲突。
适合在特定的 Python 版本下进行项目开发，但不涉及多版本管理。

conda:

一个通用的包管理器和环境管理器，不仅支持 Python，还有其他编程语言（如 R、Ruby 等）。
可以创建虚拟环境并同时管理 Python 版本和其他软件包的依赖，以及它们的二进制文件。
更加适合数据科学和机器学习领域，因为它能够轻松处理复杂的依赖关系和库（如 NumPy、Pandas 等）。

2. 使用场景

pyenv:

当你需要同时使用多个 Python 版本时，pyenv 是理想选择。比如在一个项目中使用 Python 3.7，而在另一个项目中使用 Python 3.8。
适合需要测试兼容性或在不同环境下开发的情况。

venv:

当你为某个具体的项目创建隔离的环境时，使用 venv 是最佳选择。可以确保项目依赖不会与系统的 Python 环境或其他项目冲突。
适合开发和部署工作，而不涉及多版本管理。

conda:

当你需要管理复杂的包依赖或者使用非 Python 的包时，conda 是更好的选择。例如，如果你的项目需要使用 SciPy 或 TensorFlow 等库，它们可能有特定的版本要求。
特别适合数据科学、机器学习和科学计算领域的开发。

3. 安装和配置

pyenv:

需要用户手动安装和配置，包括必要的依赖项及更新 shell 配置文件，使其可用。
可以通过命令如 pyenv install 安装所需的 Python 版本。

venv:

可以直接通过 Python 的标准库使用，如运行 python -m venv <env_name> 创建新的虚拟环境。
不需要额外的安装步骤，仅需确保你的系统已安装 Python。

conda:

需要单独安装 Anaconda 或 Miniconda。
提供了简单的命令行界面可以快速创建和管理环境，例如 conda create -n myenv python=3.7。

4. 性能和包管理

pyenv:

只关注 Python 版本的管理，包管理通常依赖 pip。

venv:

使用 pip 来管理包，速度快且简单，但在处理复杂依赖时可能会有限制。

conda:

擅长处理复杂的依赖关系，通常比 pip 更加稳定和可靠，尤其是在安装一些有 C/C++ 扩展的库时。

如果你的开发需求涉及多版本管理、依赖管理和跨语言库，可以将这些工具结合使用。例如，你可以使用 pyenv 来安装和管理 Python 版本，同时使用 conda 来管理环境和包。