首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Python:虚拟环境

Python:虚拟环境

作者头像
小简
发布于 2022-12-29 02:19:33
发布于 2022-12-29 02:19:33
71001
代码可运行
举报
文章被收录于专栏:简言之简言之
运行总次数:1
代码可运行

虚拟环境

当做一个项目时,可能会用到一些模块,如果把所有的模块都安装在主机python环境中,很容易使得自带python环境十分臃肿,而且到时候如果迁移到别的电脑时还需要重新安装对应模块,所以可以用虚拟环境,在不同的环境下安装对应的模块,迁移时也把整个环境迁移过去即可

虚拟环境的作用:项目之间环境隔离 开发:本地环境 线上:多环境隔离

一、Linux用户

1.安装virtualenv

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo pip3 install virtualenv

2.安装virtualenv扩展管理工具virtualenvwrapper

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo pip3 install virtualenvwrapper

通过virtualenv来创建虚拟环境时,不管是创建还是激活的时候都要先cd到具体的目录下去,这样显得不方便。可以使用virtualenvwrapper来管理虚拟环境。

3. 配置’’.bashrc’’文件

Ubuntu中’.bashrc’文件默认位置在’~/.bashrc’,属于隐藏文件,可按ctrl+h 显示隐藏文件。打开后在文件末尾加入此段内容。 如果安装了 Oh My Zsh 就在.zshrc中加

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
export WORKON_HOME=$HOME/.virtualenvs
source /usr/local/bin/virtualenvwrapper.sh
  • VIRTUALENVWRAPPER_PYTHON : 指定python3解释器的路径
  • WORKON_HOME : 指定虚拟环境的默认存放位置
  • source :每次登录自动执行的脚本

4. 让’.bashrc’生效

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
source ~/.bashrc

source ~/.zshrc #安装了Oh My Zsh使用这个

若提示 bash:/home/…/local/bin/virtualenvwrappper.sh: No shch file or directory,其原因是你在安装virtualenvwrapper时,你没有在前面加上sudo,你可以使用sudo pip3 uninstall virtualenvwrapper将其卸载后,重新加上sudo命令重装,或将’.bashrc’文件中的source 换成如下语句。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
source ~/.local/bin/virutalenvwrapper.sh

5. 创建虚拟环境

python 2.7

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
mkvirtualenv VM_name # VM_name 表示你的虚拟环境的名称

python 3.x

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
mkvirtualenv -p python3 VM_name

6. 进入虚拟环境

在ubuntu 18中,创建好环境后,会自动进入你的虚拟环境。命令行前会出现你的虚拟环境名称。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
workon VM_name  

7. 退出当前虚拟环境

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
deactivate

8. 其他虚拟环境命令

列出所有虚拟环境

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
lsvirtualenv

进入虚拟环境目录

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cdvirtualenv

进入虚拟环境的site-packages目录

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cdsitepackages

删除虚拟环境

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
rmvirtualenv VM_name

二、windows用户

1.安装virtualenv

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip3 install virtualenv

2. 安装virtualenvwrapper

为了使用virtualenv更方便,可以借助 virtualenvwrapper

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip install virtualenvwrapper-win
2.1 配置环境变量

如果不配置环境变量,创建后的虚拟环境默认存储在当前用户(C:/Users/xxx)Env文件夹下,如果你想要把虚拟环境存储在你指定的存储路径,那么就修改环境变量

新建有一个变量名叫 WORKON_HOME ,变量值就是我们自定义存放虚拟环境的地址,然后点击保存,就ok了

注:一定要重新打开一个cmd,不重新打开还是会建在(C:/Users/xxx)Env文件夹下,如果还是不行的话,重启哈电脑就可以了

2.2 创建虚拟环境
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
mkvirtualenv -p python3 VM_name

mkvirtualenv --python==D:\python\python.exe my_env #可以自己指定python路径
2.3 切换到某个虚拟环境
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
workon my_env
2.4 退出当前虚拟环境
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
deactivate
2.5 删除某个虚拟环境
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
rmvritualenv my_env
2.6 列出所有虚拟环境所在目录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
lsvirtualenv
2.7 进入到虚拟环境所在目录
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cdvirtualenv
2.8.将环境导入Pycharm

选择我们上面创建好的虚拟环境

3 不安装virtualenvwrapper

注:如果不安装virtualenvwrapper,就使用下面方法创建虚拟环境,但是建议还是装上,装上使用的命令就跟上方linux使用命令一样

3.1 创建虚拟环境

windows用户最好指定一个目录专门来存放创建的虚拟环境

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
F:
cd py_envs #这是我指定的专门存放虚拟环境的目录

virtualenv VM_name # VM_name 表示你的虚拟环境的名称

virtualenv VM_name --python==python3.6
virtualenv VM_name --python==python2.7
virtualenv VM_name --python=='D:\python\python3.6.exe'
3.2 进入虚拟环境

进入你的虚拟环境,命令行前会出现你的虚拟环境名称。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd 虚拟环境的Scripts目录 #cd py_envs/Vm_name/Scripts

activate.bat #激活虚拟环境
3.3 退出当前虚拟环境
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd 虚拟环境的Scripts目录 #cd py_envs/Vm_name/Scripts

deactivate.bat

三、Pycharm直接配置环境

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020-04-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
机器学习之决策树(Decision Tree)及其Python代码实现
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/sinat_35512245/article/details/54927178
大黄大黄大黄
2018/09/14
2.8K0
机器学习之决策树(Decision Tree)及其Python代码实现
决策树算法:ID3,C4.5,CART
对于基本树我将大致从以下四个方面介绍每一个算法:思想、划分标准、剪枝策略,优缺点。
zhangjiqun
2024/12/14
3530
决策树算法:ID3,C4.5,CART
机器学习笔记之决策树分类Decision Tree
决策树(decision tree)是一种依托于策略抉择而建立起来的树。机器学习中,决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。 树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,从根节点到叶节点所经历的路径对应一个判定测试序列。决策树可以是二叉树或非二叉树,也可以把他看作是 if-else 规则的集合,也可以认为是在特征空间上的条件概率分布。决策树在机器学习模型领域的特殊之处,在于其信息表示的清晰度。决策树通过训练获得的 “知识”,直接形成层次结构。这种结构以这样的方式保存和展示知识,即使是非专家也可以很容易地理解。
Jetpropelledsnake21
2021/03/12
4.1K0
机器学习笔记之决策树分类Decision Tree
【机器学习】ID3、C4.5、CART 算法
ID3(Iterative Dichotomiser 3)算法使用信息增益作为特征选择的标准。它是一种贪心算法,信息增益表示按某特征划分数据集前后信息熵的变化量,变化量越大,表示使用该特征划分的效果越好。但ID3偏向于选择取值较多的特征,可能导致过拟合。
摆烂小白敲代码
2024/09/29
3180
【机器学习】ID3、C4.5、CART 算法
【算法】决策树与ID3算法
小编邀请您,先思考: 1 如何构建决策树? 2 决策树适合解决什么问题? 1. 什么是决策树/判定树(decision tree)? 决策树(Decision Tree)算法是机器学习(Machine
陆勤_数据人网
2018/03/27
1.4K0
【算法】决策树与ID3算法
【白话机器学习】算法理论+实战之决策树
如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的, 常见的机器学习算法:
Datawhale
2020/03/04
7670
【白话机器学习】算法理论+实战之决策树
机器学习(11)之C4.5详解与Python实现(从解决ID3不足的视角)
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 前言 上一篇(机器学习(9)之ID3算法详解及python实现)我们讲到ID3算法有四个主要的不足,一是不能处理连续特征,第二个就是用信息增益作为标准容易偏向于取值较多的特征,最后两个是缺失值处理的问和过拟合问题。昆兰在C4.5算法中改进了上述4个问题。 针对于问题1 对于第一个问题,不能处理连续特征, C4.5的思路是将连续的特征离散化。比如 m 个样本的连续特征 A 有 m个,从小
昱良
2018/04/04
1.4K0
机器学习(11)之C4.5详解与Python实现(从解决ID3不足的视角)
分类和回归-决策树算法(ID3、C4.5和CART)
决策树(Decision Tree)是⼀种树形结构,每个节点表示⼀个属性上的判断,每个分⽀代表⼀个判断结果的输出,最后每个叶节点代表⼀种分类结果,本质是⼀颗由多个判断节点组成的树。
唔仄lo咚锵
2022/10/31
1.1K0
分类和回归-决策树算法(ID3、C4.5和CART)
决策树之理解ID3算法和C4.5算法
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u014688145/article/details/53212112
用户1147447
2019/05/26
1.6K0
决策树之理解ID3算法和C4.5算法
决策树 C4.5算法
小小程序员
2023/12/06
3720
三种决策树算法(ID3, CART, C4.5)及Python实现
由于某些不可抗拒的原因,LaTeX公式无法正常显示. 点击这里查看PDF版本 Github: https://github.com/yingzk/MyML 博 客: https://www.yingjoy.cn/ 1. 决策树(Decision Tree)简介 1.1. 决策树的原理 决策树是属于机器学习监督学习分类算法中比较简单的一种,决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所
YingJoy_
2018/03/21
2.9K0
三种决策树算法(ID3, CART, C4.5)及Python实现
决策树(ID3,C4.5,CART)原理以及实现
决策树是一种基本的分类和回归方法.决策树顾名思义,模型可以表示为树型结构,可以认为是if-then的集合,也可以认为是定义在特征空间与类空间上的条件概率分布.
用户1631856
2018/12/17
9340
机器学习之决策树(C4.5算法)
我们已有如下所示数据集,特征属性包含天气、温度、湿度、风速,然后根据这些数据去分类或预测能否去打高尔夫球,针对此类问题你会怎么解决呢。
小一
2019/08/14
5K1
机器学习之决策树(C4.5算法)
详解决策树 C4.5 算法
‍‍‍‍ 转自:Treant http://www.cnblogs.com/en-heng/p/5013995.html 决策树模型与学习 决策树(decision tree)算法基于特征属性进行分类,其主要的优点:模型具有可读性,计算量小,分类速度快。 决策树算法包括了由Quinlan提出的ID3与C4.5,Breiman等提出的CART。其中,C4.5是基于ID3的,对分裂属性的目标函数做出了改进。 决策树模型 决策树是一种通过对特征属性的分类对样本进行分类的树形结构,包括有向边与三类节点: 1、根节点
企鹅号小编
2018/02/07
2.3K0
详解决策树 C4.5 算法
决策树算法:ID3,C4.5,CART
其实用一下图片能更好的理解LR模型和决策树模型算法的根本区别,我们可以思考一下一个决策问题:是否去相亲,一个女孩的母亲要给这个女海介绍对象。
大数据技术与机器学习
2019/11/20
1.3K0
决策树算法:ID3,C4.5,CART
决策树的构建 -- ID3 与 C4.5 算法
在系统流程图中,我们常常会构建决策树,例如上面的例子是一个简单的用于动物分类的专家系统,是一个典型的树状结构。 决策树通常用来处理数值型或标称型数据,它用来预测对象属性与对象值之间的关系。
用户3147702
2022/06/27
1.3K0
决策树的构建 -- ID3 与 C4.5 算法
机器学习 | 决策树模型(一)理论
决策树(Decision tree)是一种基本的分类与回归方法,是一种非参数的有监督学习方法。
数据STUDIO
2021/06/24
1.7K0
决策树之ID3、C4.5、C5.0等五大算法及python实现
版权声明:博主原创文章,微信公众号:素质云笔记,转载请注明来源“素质云博客”,谢谢合作!! https://blog.csdn.net/sinat_26917383/article/details/47617801
悟乙己
2019/05/28
2.7K0
决策树学习笔记
计算得到每个属性的基尼系数后,在候选属性集合A中,选择使划分后基尼指数最小的属性作为最优划分属性。
UM_CC
2022/09/22
3330
决策树学习笔记
C4.5决策树及CART决策树
信息增益比本质: 是在信息增益的基础之上乘上一个惩罚参数。特征个数较多时,惩罚参数较小;特征个数较少时,惩罚参数较大。惩罚参数:数据集D以特征A作为随机变量的熵的倒数。
用户10950404
2024/07/30
2150
C4.5决策树及CART决策树
相关推荐
机器学习之决策树(Decision Tree)及其Python代码实现
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验