跳至主要內容

Python虛擬環境

Jia-Yin2024年9月18日大约 6 分鐘courselogic

本頁內容介紹「Python的虛擬環境」：

  1. 理解什麼是虛擬環境，以及為什麼在開發Python專案時需要使用虛擬環境。
  2. 學會如何使用 venv 創建、啟動、停用虛擬環境，並安裝專案的專屬套件。

教學錄影

什麼是Python的虛擬環境？

簡單來說，虛擬環境是一個隔離的Python運行環境。它可以讓每個專案有自己專屬的Python版本和套件，避免不同專案之間的依賴衝突。

  • 問題背景：在開發過程中，不同專案可能需要不同版本的套件。假設專案A需要 requests 的版本1.0，而專案B需要2.0版本，這時候就會產生衝突。虛擬環境可以為每個專案建立獨立的環境來解決這個問題。
  • 用途：
    1. 為每個專案提供乾淨且獨立的Python環境。
    2. 避免不同專案之間的套件依賴衝突。
    3. 有助於管理專案的依賴，尤其在跨不同機器或部署到伺服器上時非常實用。

常見的Python虛擬環境管理工具

venv

  • 簡介: venv Python 3.3版開始內建，無需額外安裝。
  • 用途: 適合創建簡單的虛擬環境，讓不同專案有各自獨立的套件。
  • 優點: 內建於Python，無需額外安裝。使用簡單，適合初學者或不需要太複雜的環境管理。
  • 缺點: 缺乏進階功能，例如管理多個Python版本等。

virtualenv

  • 簡介: 比 venv 更早期的虛擬環境工具，功能與 venv 相似，可在更舊的Python版本中使用。
  • 用途: 用於建立虛擬環境。
  • 優點: 支援更舊版本的Python，可管理多個Python版本，與 venv 兼容。
  • 缺點: 相對於 venv 而言，需要安裝額外套件。

除了上述兩個之外，還有其他的，例如 uv, pyenv, pipenv...，請自行上網查閱。

資料科學常用的虛擬環境管理工具

Anaconda

  • 簡介: Anaconda 是一個開發與資料科學相關的完整平台，包含許多資料科學工具（如 NumPy、Pandas、Jupyter 等），並且內建環境管理工具 conda。
  • 用途: 適合需要進行資料科學、機器學習、數據分析的開發者，提供完整的工具與虛擬環境管理功能。
  • 優點: 提供大量數據分析和科學計算工具；簡單易用的環境管理，適合新手和資料科學工作者。
  • 缺點: 相對較大，安裝後會佔用較多磁碟空間。

Miniconda

  • 簡介: Miniconda 是Anaconda的輕量版本，它只包含 conda 環境管理工具和Python，不包含其他預設的資料科學工具。
  • 用途: 適合只需要 conda 來管理虛擬環境，並想自行安裝所需套件的用戶。
  • 優點: 輕量、安裝快速，使用者可自行選擇需要的工具。
  • 缺點: 與Anaconda相比，少了預安裝的資料科學工具。

Micromamba

  • 簡介: micromamba 是 conda 的超輕量版本，專注於快速環境管理。與 conda 相似，但體積小且運行速度快。
  • 用途: 當需要快速創建和管理 conda 環境，但又不需要完整的Anaconda功能時，micromamba 是很好的選擇。
  • 優點: 體積非常小，下載與運行速度快；與 conda 兼容，無需學習新的語法。
  • 缺點: 功能不如完整的 conda 完整，主要集中於環境管理，不包含其他工具。

uv

  • 簡介: uv 是一個由 Rust 語言編寫的極快 Python 套件和專案管理器，由 Ruff 團隊（Astral）開發。它是一個多功能工具，可以取代 pip、pip-tools、pipx、poetry、pyenv、virtualenv 等多種工具。
  • 用途: 提供完整的 Python 開發工具鏈，包括：Python 版本管理、虛擬環境創建、套件安裝與管理、專案管理、腳本執行、工具安裝等。
  • 核心特點:
    • 極速: 比 pip 快 10-100 倍
    • 統一介面: 單一工具取代多種 Python 工具
    • 全域快取: 高效的磁碟空間管理，避免重複下載和儲存
    • 專案管理: 支援 lockfile、workspace、內建依賴解析器
  • 優點:
    • 安裝簡單，無需 Python 即可安裝（支援獨立安裝）
    • 速度極快，大幅提升開發效率
    • 功能完整，一個工具解決所有需求
    • 與現有工具兼容（提供 pip 相容介面）
    • 跨平台支援（Windows、macOS、Linux）
    • 內建 Python 版本管理和安裝功能
  • 缺點:
    • 相對較新的工具，社群生態還在發展中
    • 部分進階功能可能與傳統工具有差異

這些虛擬環境管理工具各有特點，適合不同的開發需求。對於初學者來說，venv 是一個簡單且有效的選擇；而對於進階開發者或資料科學家，使用Anaconda可以帶來更多的靈活性與強大的功能。你可以根據專案需求和個人習慣來選擇最適合的工具。

使用 venv 創建虛擬環境

  • 步驟1：開啟終端機 按下 Windows 鍵，在搜尋框中輸入 cmd 或 Command Prompt。點擊應用程式來打開 Command Prompt（終端機）。或在其他作業系統開啟相關的終端機程式。

  • 步驟2：使用命令建立工作目錄

    • 常用指令

      • X: —— 切換不同磁碟機（For Windows, C:, D:...）
      • mkdir —— 建立新資料夾（Make Directory）
      • cd —— 切換工作目錄（Change Directory）
      • dir —— 列出目錄內容（Directory）

    • 範例：假設要在 D 碟的 JYW 目錄建立一個 "work" 的資料夾，可執行以下命令：

      D:
cd \JYW # \ 表示根目錄
mkdir work
cd work # 切換到 work 目錄

  • 步驟3：檢查是否已安裝Python 在命令行或終端輸入以下命令檢查Python版本，確認是否安裝Python：

    python --version # 或 python -V

  • 步驟4：建立虛擬環境 使用Python的內建模組 venv 創建一個虛擬環境。以下指令會在當前目錄下創建一個名為 myenv 的虛擬環境：

    python -m venv myenv

  • 步驟5：啟動虛擬環境

    • Windows:
      myenv\Scripts\activate
    • macOS/Linux:
      source myenv/bin/activate

    啟動成功後，命令行會顯示 (myenv)，表示你目前正在該虛擬環境中。

  • 步驟6：在虛擬環境中安裝套件 在虛擬環境中，你可以安裝專案所需的套件。例如安裝 requests：

    pip install requests

  • 步驟7：查看已安裝的套件 使用 pip list 查看當前虛擬環境中的套件：

    pip list

  • 步驟8：停用虛擬環境 完成工作後，使用以下命令退出虛擬環境：

    deactivate

練習 1

  1. 在自己的電腦上建立一個虛擬環境。
  2. 啟動該虛擬環境並安裝 requests 套件。
  3. 編寫並執行以下Python程式碼來測試 requests 是否正常運行：
    import requests

response = requests.get("https://api.github.com")
print(response.status_code)
  4. 停用虛擬環境。
Copyright © 2025 Jia-Yin