虚拟环境的实现

‍

1 `venv` 模块¶

1.1 安装¶

不需要安装，是 Python3.3 及以上版本内置标准模块

1.2 用法¶

1.2.1 创建环境¶

在vscode终端处新建一个git bash终端，cd到项目文件夹，输入以下指令：

python -m venv ENV_DIR

其中 ENV_DIR 是虚拟环境名字，一般用 .venv

python -m venv .venv

虚拟环境的目录树结构如下（Windows）：

.venv
    ├─pyvenv.cfg
    ├─Include
    ├─Lib
    │  └─site-packages
    │      ├─pip
    │      ├─pip-20.2.3.dist-info
    │      ├─pkg_resources
    │      ├─setuptools-49.2.1.dist-info
    │      ├─easy_install.py
    │      └─__pycache__
    └─Scripts
    │  └─activate
    │  └─activate.bat
    │  └─Activate.ps1
    │  └─deactivate.bat
    │  └─easy_install-3.9.exe
    │  └─easy_install.exe
    │  └─pip.exe
    │  └─pip3.9.exe
    │  └─pip3.exe
    │  └─python.exe
    │  └─pythonw.exe

pyvenv.cfg 是一个配置文件，包含三个参数：

home：指向运行命令的 Python 安装目录；
include-system-site-packages：是否使用系统 Python 环境中安装的包。默认是 false，即不使用；
version：Python 版本号。

1.2.2 激活环境¶

Windows (PowerShell)

.\.venv\Scripts\activate

Windows (bash)

1	`source ./.venv/Scripts/activate`

1.2.3 退出环境¶

1	`source ./.venv/Scripts/deactivate`

1.2.4 删除环境¶

删除环境安装目录就可以

1.2.5 管理包¶

在虚拟环境中可通过 pip 命令来进行管理，常用的包管理命令如下（以 requests 包为例）：

安装包：pip install requests
升级包：pip install --upgrade requests
卸载包：pip uninstall requests

此外，安装指定版本的包可通过命令 pip install requests\==2.18.4 实现。如果有多个包，可将包名及其对应的版本（中间用\==连接，不同包之间换行）写入一个名为 requirements.txt 的文件，然后通过如下命令安装：

pip install -r requirements.txt

同理，因为是在虚拟环境中，所以该环境中的安装的所有包都是开发需要用到的，没有其他项目的包，可以通过如下命令导出所有安装包的清单，方便后续复现或持续开发：

pip freeze > requirements.txt

2 Conda¶

2.1 安装¶

‍

3 对比 `venv` 和 Conda¶

原文链接：https://blog.csdn.net/Stromboli/article/details/144319798

3.1 基本概念¶

3.1.1 Conda 虚拟环境¶

Conda 是一个开源的包管理和环境管理工具，支持多种语言的依赖管理，不仅限于 Python。它是 Anaconda 和 Miniconda 等数据科学工具的核心，广泛应用于数据科学和机器学习领域。

环境管理：Conda 可以创建独立的环境，并为每个环境安装所需的包。
包管理：除了管理 Python 包，Conda 还支持管理其他语言（如 R、Julia）的包。
跨平台：Conda 支持 Windows、MacOS 和 Linux 操作系统。

3.1.2 Python `venv` 虚拟环境¶

Python venv 是 Python 官方提供的用于创建虚拟环境的工具。它在 Python 3.3 及更高版本中内置，因此不需要额外安装。

环境管理：通过 venv 模块创建独立的 Python 环境。
包管理：依赖管理需要通过 pip 来完成，不能像 Conda 那样管理其他语言的包。
跨平台：支持在 Windows、MacOS 和 Linux 上创建虚拟环境。

3.2 主要区别对比¶

下面通过表格对比 Conda 虚拟环境和 Python venv 虚拟环境的主要区别：

特性	Conda 虚拟环境	Python `venv` 虚拟环境
包管理工具	Conda（支持 Python 及其他语言的包）	pip（仅支持 Python 包）
跨语言支持	支持 Python、R、Julia 等多种语言	仅支持 Python
安装包的源	Conda 仓库 (Anaconda Repo)	PyPI (Python Package Index)
支持的操作系统	Windows、MacOS、Linux	Windows、MacOS、Linux
虚拟环境创建	`conda create -n env_name`	`python -m venv env_name`
依赖解决	自动解决依赖冲突	需要手动处理依赖冲突
虚拟环境管理	`conda activate env_name`	`source env_name/bin/activate` 或 `.\env_name\Scripts\activate`
包安装速度	相对较快，特别是在 Anaconda 镜像中	较慢，尤其是第一次安装包时
支持二进制包	提供预编译的二进制包	需要编译源代码（对于某些包如 NumPy、SciPy）
依赖版本管理	更强大的版本管理	简单的版本管理（通过 pip）
虚拟环境与全局环境的隔离	完全隔离，且可以管理多个语言的环境	仅隔离 Python 环境

3.3 优缺点分析¶

3.3.1 Conda 虚拟环境的优缺点¶

优点：

跨语言支持：Conda 不仅支持 Python，还能管理 R、Julia 等其他语言的依赖，适合跨语言的项目。
简化的依赖管理：Conda 会自动解决包的依赖关系和版本冲突，避免了开发者手动处理依赖问题。
预编译的二进制包：Conda 提供了预编译的二进制包，安装速度较快，尤其是对于科学计算包（如 numpy、scipy）更为便利。
集成化工具：Conda 提供了环境创建、包安装、版本管理等一体化的功能，便于管理和使用。

缺点：

较大的安装包：Conda 和 Anaconda 的安装包较大，占用较多的磁盘空间。
性能开销：由于 Conda 会管理所有的依赖，它的性能可能会低于使用 venv 的情况，特别是在安装包时。
生态局限：Conda 仓库中的包不如 PyPI 全面，某些 Python 库可能无法在 Conda 中找到。

3.3.2 Python `venv` 虚拟环境的优缺点¶