在实际的工作中，我们同时做的项目通常不止一个，比如说，新项目是主要开发的项目，同时还需要对老项目进行一些小的功能迭代。
Hello小伙伴们，你们好，又是日常get新技能的一天，今天，咱们来整一下如何玩转Linux下Python虚拟环境，0基础入门，趁着热乎，快上车啦~。
virtualenv 是用来创建 Python 的虚拟环境的库，虚拟环境能够独立于真实环境存在，并且可以同时有多个互相独立的 Python 虚拟环境，每个虚拟环境都可以营造一个干净的开发环境，对于项目的依赖、版本的控制有着非常重要的作用。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
我们进行开发的时候虚拟环境搭建尤为重要，我们如果需要的python解释器模块版本不一样可以采用这个办法
> pip就是python的包管理工具，解决了包直接的依赖关系。可以方便的管理第三方库(包).
2、记住这个位置，把如下的这几行添加至Mac下的.bash_profile，linux的.bashrc或者安装了zsh的.zshrc文件的最下面一行中
如果是Ubuntu Linux自带的Python3，标准库不会安装venv，需要执行命令安装
虚拟环境（virtual environment），它是一个虚拟化，从电脑独立开辟出来的环境。通俗的来讲，虚拟环境就是借助虚拟机来把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”，在这个容器中，我们可以只安装我们需要的依赖包，各个容器之间互相隔离，互不影响。
为了不影响本地的大环境或者同时安装python2以及python3之后的方便切换，使用python的虚拟环境 大多数用virtualenv来做，我用virtualenvwrapper来做，方便管理 Windows环境下 假设python3在path下，python2未添加 安装 pip install -i https://pypi.douban.com/simple/ virtualenvwrapper-win 这里的-i 后面跟的网站是豆瓣源，目的是加快下载速度，pip默认的是python的官方源
虚拟环境是一个将不同项目所需求的依赖分别放在独立的地方的一个工具,它给这些工程创建虚拟的Python环境。它解决了“项目X依赖于版本1.x,而项目Y需要项目4.x”的两难问题,而且使你的全局site-packages目录保持干净和可管理。
Miniconda是什么？ 要解释Miniconda是什么，先要弄清楚什么是Anaconda，它们之间的关系是什么？ 而要知道Anaconda是什么，最先要明白的是搞清楚什么是Conda，参考：Conda简单教程。 一言以蔽之，Conda是Python中用于管理依赖包和虚拟环境的工具，Anaconda是一个带有Conda工具的软件包（附带了Conda、python和150多个科学软件包及其相关的包），而Miniconda是一个Anaconda的轻量级替代，默认只包含了Python和Conda。 也就是说，安装了Miniconda，就可以直接使用Python和Conda了。
故事起源于工作中需要一个tf1.15的环境，然后我平时用的是2.3或者1.14，就得自己再重新安装一个tf1.15的环境，然后发现每一次安装环境都得去google一下命令，嗯，不要问为什么，问就是用的少，记性差，嗯，一定是的。。。
在Windows中，你可以通过设置环境变量 PYTHONUTF8=1 来告诉Python在Windows控制台中使用UTF-8编码
即创建python版本为X.X、名字为your_env_name的虚拟环境。其中，your_env_name文件可以在Anaconda安装目录envs文件下找到。
我们推荐使用最新版本的 Python 。 Flask 支持 Python 3.6 及更高版本。
为了解决上面的问题，更好地管理Python库，让其扬长避短，就必须使用环境管理工具，例如本文介绍的Anaconda。
使用virtualenvwrapper前先说一下virtualenv，virtualenv 的一个最大的缺点就是，每次开启虚拟环境之前要在虚拟环境所在目录下的bin目录下执行source命令、activate命令，而我们又很难记住每个虚拟环境所在的目录。所以，更好的办法是将所有的虚拟环境目录集中管理，将不同的虚拟环境使用不同的目录来管理。virtualenvwrapper 在virtualenv的基础之上进行了封装，省去了每次开启虚拟环境时候的source操作，提高了虚拟环境的易用性，可以让我们从容面对复杂的python包管理工作。
作为开发人员，Linux 环境是我们经常要打交道的。而在学习 Linux 的过程中免不了要做的是先创建一个 Linux 系统。在以前我们通常的做法是使用类似 VMware 等虚拟机，通常 Linux 镜像文件去创建一个 Linux 虚拟环境。但这样操作一个是过程比较复杂，需要很多的配置，比如网络环境等，而且虚拟机运行通常占用很大的资源，如果主机性能不是很好，会造成电脑卡顿。
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)下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
原文链接：https://blog.csdn.net/weixin_43593330/article/details/93378987
pip install virtualenv pip3 install virtualenv
1、使不同应用开发环境相互独立 2、环境升级不影响其他应用，也不会影响全局的python环境 3、防止出现包管理混乱及包版本冲突
1.Linux下python3 的安装 1.1下载python3的源码包 # Linux下执行 # 版本可自主选定 # wget https://www.python.org/ftp/python/3.6.7/Python-3.6.7.tar.xz 1.2解压源码包到 /opt 目录下 1.3安装 python3 所需要的软件依赖，等待全部完成再执行下一步 # Linux下执行，直接复制，yum下载，注意空格 yum install gcc patch libffi-devel python-devel
之前写过一篇 windows 安装 miniconda 的文章, 后面在接触了 wsl 后发现用起来要比在原生 windows 上舒服很多, 毕竟我写 python 多是为了在 linux 服务器上跑, 用 wsl 会更顺滑一些, 虚拟环境同样选择更轻量的 miniconda
古人云：功遇善其事，必先利其器。在正式学习 Django Web 框架之前，我们要把准备工作做好。准备工作主要是搭建开发环境，具体工作是安装 Python、创建虚拟环境 venv、安装 Django、安装 IDE 工具（Pycharm）。
在尝试各种项目的时候，比较烦人的问题就是环境配置问题，然而更烦人的就是在你做一个个项目的时候，突然发现以前可以正常运行的代码挂了。
在撸胳膊挽袖子准备大干一场之前，我们得对Python以及Python的编码规则要有一定了解，这样才不至于让我们写出不正确或者不够高效的Python代码来。
这里说一下为什么不是Anaconda,因为它太占内存了，足足有5G左右，我的云服务器才40G硬盘，实在是玩不起呐。
学 Python 的第一步，就是安装 Python，对于 MacOS 和 Windows 来说，双击安装就可以了，如果你用 Linux 做开发，相信通过源码安装对你来说也不是啥难事。
Python中的虚拟环境 认识虚拟环境 Python中的虚拟环境工具 认识虚拟环境 各个版本互不干扰,互不相等 python可能版本不同 系统环境不同 创建的每一个项目都是各自的虚拟环境 Python中的虚拟环境工具 Virtualenv pyenv virtualenv(另一个较为复杂) 命令行下使用 pip install virtualenv 选择目录 virtualenv -p python3 penv ./penv/bin/active win系统可以在bin文件夹下输入active 回车*进入
本文由腾讯云+社区自动同步，原文地址 https://stackoverflow.club/use-conda-in-anaconda/
PEP257:https://github.com/qiuxiang/pep/blob/master/peps/257.md
可以参考docker容器，功能就相当于在你电脑中搭了一个只有单个python的虚拟机，每个环境都是独立的，因此只要不删除base环境，删除其他虚拟环境都是不影响anaconda的本体。纯净python也有创建虚拟环境的功能，但是anaconda的好处是可以指定python版本，而纯净python的虚拟环境依赖python安装时的环境。
在本教程中，我们将为您提供在Windows、Mac和Linux系统上安装和配置GPU版本的PyTorch（CUDA 12.1）的详细步骤。我们将使用清华大学开源软件镜像站作为软件源以加快下载速度。通过按照以下教程，您将轻松完成GPU版本PyTorch的安装，为深度学习任务做好准备。
一般情况下，最新版R的安装非常容易。但如果是在linux服务器上，而又恰好没有root权限，安装就比较麻烦了。最直接粗暴的方法是自己在有读写权限的个人目录中编译安装，但操作很繁琐，需要解决非常多依赖库，整个过程几乎会让人爆炸。还好，有一种简便很多的方法，通过Anaconda的虚拟环境安装。
大多数小伙伴在第一次接触 python 的时候都会被它强大的包所吸引，想要写一个网站可以使用 Django ，想要做数学运算就想到了 Numpy ，想做数据分析可以用 Pandas 等等
因为直接在真实环境进行安装python的包会造成环境之间的污染，因此需要创建虚拟环境，原则上每一个项目都需要有一个独属于自己的虚拟环境
Anaconda是一个开源Python发行版本，包括Python 和很多常用库如Numpy、Matplotlib等，对小白很方便
如果你是一个python初学者，我是不建议你搞python虚拟环境的，我看到很多python的初学者同学，使用最新版的pycharm，新建一个工程时候默认就是venu虚拟环境。 然后在使用cmd里面pip安装第三方包的时候，在工程里面死活导入不成功，搞的开始怀疑人生。（你给他讲这是虚拟环境venu，他会一脸懵逼!）
上面每次进入virtual我们都需要进入到virtualenv的目录下，一旦virtualenv过多，就蛋疼了，接下来隆重推荐virtualenvwrapper
从项目开始，最好有一个虚拟环境。虚拟环境可以帮助我们创建一个隔离或分离的环境。这将帮助我们避免项目间依赖关系的冲突。如果你在你的终端上执行pip freeze 你会看到你的计算机上所有已安装的包。如果我们使用virtualenv，我们将只访问特定于该项目的包。
-多年互联网运维工作经验，曾负责过大规模集群架构自动化运维管理工作。 -擅长Web集群架构与自动化运维，曾负责国内某大型金融公司运维工作。 -devops项目经理兼DBA。 -开发过一套自动化运维平台（功能如下）： 1)整合了各个公有云API，自主创建云主机。 2)ELK自动化收集日志功能。 3)Saltstack自动化运维统一配置管理工具。 4)Git、Jenkins自动化代码上线及自动化测试平台。 5)堡垒机，连接Linux、Windows平台及日志审计。 6)SQL执行及审批流程。 7)慢查询日志分析web界面。
安装 官网 https://www.anaconda.com/ 选择 Python 3.7 版本
Conda的下载和安装 什么是Conda? 官方定义：Package, dependency and environment management for any language—Python, R
在软件和系统架构领域，尤其是作为运维开发工程师，掌握如何在Python项目中创建和管理虚拟环境是一项重要的技能。本文将详细介绍如何在Python 3中创建和使用虚拟环境，这对于隔离项目依赖、维护清洁的开发环境以及促进团队合作至关重要。
本文介绍如何使用 Vagrant 在 VirtualBox 中快速安装 Linux 虚拟机。本文演示系统未 Windows 系统，需要准备好 Vagrant 和 VirtualBox
回车后查看许可证，按enter键逐行查看，按空格键逐页查看，按 q 退出查看许可证，然后输入 yes 表示同意
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
