一文读懂 Python 开发环境配置

Python 多版本管理

1. 多版本使用需求

场景1：如果我们想在python3上运行2.x版本的代码，就需要对代码进行大量的修改，产生不必要的工作量。

2. Windows 下多版本管理^[1]

步骤 1：官网（速度慢）或者国内镜像（速度快）下载Python 对应版本；

步骤 2： 点击可执行文件安装 Python，注意选择“Add python.exe to Path”；

步骤 3： 查看当前电脑下有哪些 Python 版本和安装位置；
方法1 ：打开 CMD，输入 where python 查询

> where python
C:\Users\***\AppData\Local\Programs\Python\Python39\python.exe
C:\Users\***\AppData\Local\Programs\Python\Python37\python.exe

> python --version  # 查看默认版本 或者python -V
Python 3.9.4

方法2： python 快捷方式右键打开 “打开文件位置” 找到 Python 的安装位置；

图1 Python 的安装位置

步骤 4 ： 打开任意版本的 Python，并执行脚本命令；

方法1：调用参数打开对应版本。首先要将目标版本的 Python 路径添加到环境变量中，

> py -3.9 # 快速启动 python 3.9
> py -3.7 # 快速启动 python 3.7

> py -3.9 -V # 查看详细版本 

> py -3.7 helloworld.py # 打开 python 2 脚本

方法2：复制一份重命名为python39.exe，就可以以默认方式直接打开对应版本。

图2 重命名为python39.exe 注意是复制一份重命名，而不是直接重命名。

步骤 5 ： 多版本共存对应版本的 pip 管理；

（通过切换软件源，可以加快 pip 下载速度，pip 软件源管理（一次性解决下载缓慢问题）有讲解）

# 多版本共存查看 pip 版本
> python -m pip -V / pip -V # 查看默认 pip 版本
pip 21.1.1 from C:\Users\***\AppData\Local\Programs\Python\Python39\lib\site-packages\pip (python 3.9)
> py -3.7 -m pip -V
pip 20.1.1 from C:\Users\***\AppData\Local\Programs\Python\Python37\lib\site-packages\pip (python 3.7)

# 卸载pip
> python -m pip uninstall pip setuptools

# 多版本共存升级pip
> python -m pip install --upgrade pip
> py -3.7 -m pip install --upgrade pip # python 3.7 的pip更新
若更新好，重新运行命令，发现
Requirement already satisfied: pip in c:\users\octob\appdata\local\programs\python\python37\lib\site-packages (21.1.1)

# 多版本共存如何 pip 安装
> pip install requests # 默认 python 关联的 pip 命令安装，安装在python3.9（默认）下
> py -3.7 -m pip install requests # python3.7 关联 pip 命令安装，安装在python3.7下

> python -m pip list # 查看 list ，安装在C:\Users\***\AppData\Local\Programs\Python\Python39\Lib\site-packages
> python -m pip list --outdated  # 检查哪些包需要更新

3. Linux 系统下多版本管理^[2] - 建立一个对照表

步骤 1： 查看 Linux 默认安装的 Python 位置

$ whereis python # 多版本 python 安装位置
$ which python  # 默认 python 的位置
$ ls -l /usr/bin/python*  # 软链接

步骤 2： 安装目标版本 Python

官网（速度慢）或者国内镜像（速度快）下载Python 对应版本；
解压；
准备编译环境；
编译安装；

$ wget http://python.org/ftp/python/2.7/Python-2.7.tar.bz2

$ tar -zxvf Python-3.6.5.tgz
$ yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel $ readline-devel tk-devel gcc make

# 编译安装(进入 Python-3.6.5 目录)
$ ./configure --prefix=/root/training/Python-3.6.5
$ make && make install

步骤 3： 多版本 Python 管理

$ sudo rm /usr/bin/python

$ python
~bash: /usr/bin/python: No such file or directory # 删除后没有对应

$ ln -s /usr/bin/python2.7 /usr/bin/python  # 建立软链接
$ # 建立目标对应链接

$ python

$ python3

步骤 4： 多版本 Pip 管理

创建软链接；
配置环境变量

# 安装pip前需要前置安装setuptools
$ wget --no-check-certificate https://pypi.python.org/packages/source/s/setuptools/setuptools-19.6.tar.gz#md5=c607dd118eae682c44ed146367a17e26
$ tar -zxvf setuptools-19.6.tar.gz
$ cd setuptools-19.6
$ sudo python3 setup.py build
$ sudo python3 setup.py install

# 安装pip
$ wget --no-check-certificate  https://pypi.python.org/packages/source/p/pip/pip-8.0.2.tar.gz#md5=3a73c4188f8dbad6a1e6f6d44d117eeb
$ tar -zxvf pip-8.0.2.tar.gz
$ cd pip-8.0.2
$ sudo python3 setup.py build
$ sudo python3 setup.py install

# 检查
$ pip -V

# 不同版本 pip 下载包
$ pip install numpy
$ pip3 install numpy

# 配置环境变量(直接使用pip，easy——install, 制订pip安装路径)
$ vi ~/.bash_profile
export PYTHON_HOME=/root/training/Python-3.6.5
export PATH=$PYTHON_HOME/bin:$PATH

保存退出（:wq）
$ source ~/.bash_profile
$ echo $PYTHON_HOME

Python 虚拟环境配置

1. 原理和配置需求

虚拟环境并不是什么新技术，主要是利用了操作系统中环境变量以及进程间环境隔离的特性

操作系统的环境变量

可以为程序提供信息和做信息交换介质，进程可以共享操作系统中的环境变量，也可以为进程指定环境变量，其中 PATH 是很重要的环境变量，用于为操作系统和程序提供可执行文件的访问路径，例如写一个程序 a.exe，存放在 D:\MyProgram 中，在命令行中执行 a.exe ，会得到提示“ 无法找到程序 a.exe”，为了让系统找到，可以将 D:\MyProgram 路径加入到 PATH 环境变量中，当输入 a.exe 时，操作系统就会从 PATH 所提供的路径中逐个查找，这时就可以找到了。Linux 和 MacOS 具有相似的特性，甚至比 Windows 的功能更丰富。

虚拟环境运行和 PATH 修改

Python 虚拟环境就是利用这个特性构建的，在激活虚拟环境之时，激活脚本会将当前命令行程序的 PATH 修改为虚拟环境的，这样执行命令就会在被修改的 PATH 中查找，从而避免了原本 PATH 可以找到的命令，从而实现了 Python 环境的隔离。

Python 解释器和虚拟环境关系

图3 Python 解释器和虚拟环境关系

一个操作系统下，可以有多个“操作系统级别的” Python解释器；
每个Python解释器有一个指向自己的pip工具，两者一一对应；
通过virtualenv可以虚拟任何一个“操作系统级别的”Python解释器成为一个“虚拟级别”的解释器；
每个“虚拟级别”的解释器又拥有自己独立的pip工具和site-packages。

2. 安装 & 配置

使用 Virtualenv 管理^[3]

要点：

python3.3 之前，只能通过 virtualenv 创建虚拟环境
virtualenv 可以指定 python解析器版本，但必须是在本地已安装。

> pip install virtualenv # 默认 Python 位置安装 virtualenv
> virtualenv --no-site-packages myvenv # 创建在当前目录
--no-site-packages: 复制主环境中安装的第三方包
-p: 用于指定 Python 解析器，就是安装好的 Python 应用程序，默认为当前环境中的 Python
–no-pip：不需要安装 pip，默认为安装
–clear：如果创建虚拟环境的目录已经有了其他虚拟环境，清楚重建

使用 venv 管理

要点：

因为 venv 是依附于一个 Python 解析器创建的，所以不需要指定 Python 解释器版本
python 3.3 以后版本，可以通过自带模块 venv 创建虚拟环境

> python -m venv myvenv
–without-pip: 不需要安装 pip，默认为安装
–clear：如果创建虚拟环境的目录已经有了其他虚拟环境，清楚重建

使用 pipenv 管理

pipenv是Python官方推荐的包管理工具。它综合了 virtualenv , pip 和 pyenv 三者的功能。能够自动为项目创建和管理虚拟环境。 pipenv使用 Pipfile 和 Pipfile.lock 来管理依赖包，并且在使用pipenv添加或删除包时，自动维护 Pipfile 文件，同时生成 Pipfile.lock 来锁定安装包的版本和依赖信息，避免构建错误。相比pip需要手动维护requirements.txt 中的安装包和版本，具有很大的进步。详细使用方法，可参考这篇文章^[4]^[5]。

# 下载
$ pip install pipenv
# 创建环境并安装
$ cd myproject
$ pipenv install # 创建环境
$ pipenv install requests # 或者直接安装库
# 如果不存在pipfile,会生成一个pipfile，并且如果有的库添加会自动编辑该文件，不会我们手动更新requirements.txt文件了。
# 激活
$ pipenv shell
$ python --version

Anaconda 虚拟环境管理

conda可以直接创建不同python版本的虚拟环境。前面讲的virtualenv只是指定创建不同python版本的虚拟环境，前提是你的电脑上已经安装了不同版本的python,与conda相比没有conda灵活。

# 查看 Python 环境
conda info --env

# 创建一个python3.5的环境，我们把它命名为python35
conda create --name python35 python=3.5 # 安装
conda create --name python35 python=3.5 # numpy scipy #创建环境并安装包
conda create --name python37 --clone python37 # 克隆方式闯将环境

# 激活环境并在环境中安装必要包( mac/linux 系统中需命令首加上 source)
conda activate python35 # 物理路径在D:\Anaconda\envs
conda deactivate python35
conda/pip install numpy

# 迁移环境
conda list --explictit > bio-env.txt

conda env export > py36.yaml
conda env create -f py36.yaml # conda 安装的
pip freeze > requirements.txt
pip install -r requirements.txt # pip 安装的


pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

# 删除 python35 
conda remove -n python35 --all

# help
conda --help

详细命令见conda Cheet Sheet

3. 激活 & 退出

通过 virtualenv 和模块 venv 创建的虚拟环境，激活方式是一样的，即运行激活脚本

Windows 系统中，激活脚本路径是 <myvenv>\Scripts\activate.bat，如果是 powershell 命令行，脚本换成 Activate.ps1 , 注意将 <myvenv> 换成你自己的虚拟环境目录
Linux 系统中，激活脚本路径是 <myvenv>/bin/activate，默认脚本没有执行权限，要么设置脚本为可执行，要么用 source 命令执行，例如source myvenv/bin/activate

检验是否已激活

$ echo $PATH # linux 下
> echo %PATH% # window 下

退出虚拟环境很简单，只需要执行 deactivate 命令就行

linux:

$ deactivate

Windows 10:

> .\Scripts\deactivate.bat

4. 与开发工具配合

Visual Studio Code

按下 Ctrl+Shift+P, 在弹出的命令窗口中输入 “解析器”，然后在下拉列表中选择 “Python:选择解析器”，这里会缓存一些已经创建好的解析器，如果没有想要的，可以选择 “Enter interpreter path” 来选择解析器路径，即已经创建好的虚拟环境脚本文件夹中的 Python 程序，就可以创建一个新的解析器。

Pycharm

创建项目时，在项目创建对话框中，可以创建或者选择已经已有的解析器

图4 选择 Python 解析器

其他参考^[6]^[7]

4. 开发环境快速部署

此部分拷贝自Python 虚拟环境看这一篇就够了

之所以在开发时选择虚拟环境，除了避免库之间的冲突，还有重要的原因时方便部署，因为虚拟环境时独立的，仅包含了项目相关的依赖库，所以部署的效率更高，风险更小

一般部署流程是：

开发完成后，使用 pip freeze > requirements.txt 命令将项目的库依赖导出，作为代码的一部分
将代码上传到服务器
在服务器上创建一个虚拟环境
激活虚拟环境，执行 pip install -r requirements.txt，安装项目依赖

怎么运行项目，需要看项目的具体情况

Web 项目 Web 项目一般使用 Django、Flask 的 Web 开发的提供 Web 服务的项目，部署时需要一个 Web 容器，作为程序的运行环境，容器的配置中都有一个虚拟环境的设置，其实是指定 Python 解析器的路径，将其设置为虚拟环境的目录或者 Python 解析器就可以了，启动时就用使用虚拟环境，并与其他环境隔离。例如 uWSGI 配置文件中 home 参数是用来指定解析器的。
服务类项目服务类项目就是需要以服务的形式长时间运行的，例如之前介绍的公交闹钟，或者一些定时爬虫之类的，对于 Linux 而言，当前主流的服务方式是 Systemd，是一种比 init 更先进的服务管理工具，在服务脚本中，设置 ExecStart 执行命令为全路径的虚拟环境的 Python 解析器，服务启动时，使用独立的虚拟环境了。 Windows 服务，对于达成 EXE 包的，不需要配置虚拟环境，因为打包时已经考虑了环境问题了，如果时脚本运行的话，需要指定全路径的 Python 解析器
单次运行项目对于一些测试或者实验性质的项目，大多数情况下手动执行，只要在激活的虚拟环境下，或者用特定的 Python 解析器运行就好了，和在开发过程中运行区别不大

VS Code开发环境常见问题

同级目录模块调用

在 comb_analyser.py 下想调用 config 下配置文件。

方法1：在 comb_analyser.py 中添加如下片段

import sys,os
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) # __file__获取执行文件相对路径，整行为取上一级的上一级目录
sys.path.append(BASE_DIR)

方法2：在setting.json中添加自动寻找路径（此方法测试不成功）

    "python.autoComplete.extraPaths": [
        "e:/engine-fault-diagnosis-signal_processing",
        "e:/engine-fault-diagnosis-signal_processing/config"
    ]

posted @ 2022-04-06 17:00 Oddpage 阅读(595) 评论(0) 编辑收藏举报

刷新页面返回顶部

Oddpage