python的环境设置及pkgs管理
如何查看当前python版本的pkgs的安装目录
在 Python 中，查看当前环境下已安装包（pkgs）的安装目录有多种方法，以下是常用的几种方式：
方法一：使用 sys 模块查看 Python 环境路径
Python 的 sys 模块提供了环境相关的信息，通过以下代码可以查看当前 Python 环境的安装路径（包通常安装在该路径下的 site-packages 目录中）：
import sys
print(sys.prefix) # 输出当前 Python 环境的根目录
# 例如：/usr/local/python3.9 或 C:\Python39
包目录位置：
Linux/macOS：通常为 <sys.prefix>/lib/pythonX.X/site-packages（X.X 为 Python 版本号）。
Windows：通常为 <sys.prefix>\Lib\site-packages。
方法二：使用 site 模块直接获取包目录
site 模块专门用于处理 Python 的站点包（site-packages），可以直接获取包的安装路径：
import site
print(site.getsitepackages()) # 输出所有 site-packages 目录的列表
输出示例（可能包含多个路径，如虚拟环境或系统路径）：
plaintext
['/home/user/.virtualenvs/myenv/lib/python3.10/site-packages', '/usr/lib/python3.10/site-packages']
方法三：通过命令行工具（适用于终端）
1. Linux/macOS 终端
查看当前 Python 环境的 site-packages 路径：
bash
python -c "import site; print(site.getsitepackages()[0])"
列出已安装包的目录：
bash
ls $(python -c "import site; print(site.getsitepackages()[0])")
2. Windows 命令提示符（CMD）
cmd
python -c "import site; print(site.getsitepackages()[0])"
或使用 PowerShell：
powershell
python -c "import site; Write-Host $($(python -c "import site; [string]::Join(';', $site.getsitepackages())"))"
方法四：查看单个包的安装路径
如果需要查询某个特定包的安装位置（例如 numpy），可以使用以下方法：
import numpy
print(numpy.__file__) # 输出该包的具体文件路径
输出示例：
plaintext
/home/user/.virtualenvs/myenv/lib/python3.10/site-packages/numpy/__init__.py
#路径中的 site-packages 即为该包所在的目录。
方法五：使用 pip 命令查询（推荐）
pip 是 Python 的包管理工具，可直接查询包的安装位置：
pip show <package_name>
#示例（查询 requests 包）：
pip show requests
输出结果中会包含 Location 字段，显示该包的安装目录：
plaintext
Name: requests
Version: 2.26.0
Summary: ...
Location: /home/user/.virtualenvs/myenv/lib/python3.10/site-packages
...
注意事项
虚拟环境：如果当前 Python 环境是通过虚拟环境（如 venv、conda）创建的，包会安装在虚拟环境的 site-packages 目录中，而非系统全局路径。
多版本 Python：若系统中安装了多个 Python 版本，需确保使用的命令对应目标版本（如 python3、pip3）。
通过以上方法，你可以快速定位当前 Python 环境中已安装包的存储位置。
如何查看当前版本的python解释器环境中pkgs的安装情况？
在 Python 环境中查看已安装包的信息有多种方式：
一、命令行工具查看
1. 使用 pip 命令
在命令行里，你能够借助以下命令查看所有已安装的 Python 包及其版本：
bash
pip list
要是你想查看某个特定包的详细信息，可使用：
bash
pip show 包名
比如，查看 numpy 包的信息：
bash
pip show numpy
- 输出可用于重新安装的列表
若要生成一份可用于重新安装所有包的列表，可执行：
bash
pip freeze > requirements.txt
此命令会把所有已安装包及其精确版本写入requirements.txt文件。
二、在 Python 解释器中查看
在 Python 交互式环境或者脚本里，你可以通过pkg_resources模块（它属于 setuptools 的一部分）来获取包信息。示例如下：
import pkg_resources
# 获取所有已安装的包
installed_packages = pkg_resources.working_set
# 打印所有包及其版本
for package in installed_packages:
print(f"{package.key}=={package.version}")
# 检查特定包是否存在
package_name = "numpy"
try:
version = pkg_resources.get_distribution(package_name).version
print(f"{package_name} 的版本是 {version}")
except pkg_resources.DistributionNotFound:
print(f"{package_name} 未安装")
三、第三方工具查看
1. pipdeptree（查看依赖树）
这个工具可以展示包之间的依赖关系。你可以先安装它：
bash
pip install pipdeptree
然后使用以下命令查看依赖树：
bash
pipdeptree
2. pip-tools（管理依赖）
pip-tools能够帮助你管理和同步项目依赖。安装命令如下：
bash
pip install pip-tools
主要命令有：
bash
pip-compile # 生成锁定文件
pip-sync # 同步环境到锁定文件
四、虚拟环境中的包
如果你使用的是虚拟环境（像 venv、conda 等），那么上述命令只会显示当前激活环境中安装的包。要切换环境，可以使用以下命令：
bash
# venv（Linux/macOS）
source myenv/bin/activate
# venv（Windows）
myenv\Scripts\activate.bat
# conda
conda activate myenv
总结
要是你想快速查看所有包的列表，使用pip list就行。
若要生成项目依赖文件，pip freeze是个不错的选择。
当你需要查看包的详细信息时，pip show能满足需求。
对于复杂的依赖分析，推荐使用pipdeptree。
在脚本中动态获取包信息，可使用pkg_resources模块。
依据你的具体需求，挑选合适的方法来查看 Python 环境中包的安装情况。
如何共享多个python版本的pkgs
在多个Python版本间共享包（pkgs）时，既要保证版本隔离，又要尽可能复用已安装的包，避免重复占用磁盘空间。下面介绍几种常见的方法：
一、使用虚拟环境（推荐）
原理：虚拟环境能复用全局Python安装的包，仅安装特定环境需要的差异包。
1. venv + --system-site-packages
创建虚拟环境时，通过--system-site-packages参数复用全局Python的包：
bash
# 创建复用全局包的虚拟环境
python3.8 -m venv myenv --system-site-packages
# 激活环境后，已安装的包会被自动引用
source myenv/bin/activate # Linux/macOS
myenv\Scripts\activate # Windows
2. Conda环境（跨Python版本）
Conda环境能在不同Python版本间共享通用包：
bash
# 创建指定Python版本的环境，并安装通用包
conda create -n py38 python=3.8 numpy pandas matplotlib -y
# 创建另一个Python版本的环境，复用已下载的包
conda create -n py39 --clone py38 python=3.9 -y
二、符号链接（高级方法）
原理：直接在不同Python版本的site-packages目录间创建符号链接，共享物理文件。
1. 查找site-packages路径
python
运行
# 在Python解释器中运行
import site; print(site.getsitepackages())
2. 创建符号链接（示例）
bash
# Linux/macOS：将Python 3.8的numpy链接到Python 3.9
ln -s /path/to/python3.8/site-packages/numpy /path/to/python3.9/site-packages/
# Windows（管理员权限）：使用mklink命令
mklink /D C:\Python39\Lib\site-packages\numpy C:\Python38\Lib\site-packages\numpy
三、pip的全局安装（不推荐）
方法：直接在系统Python中安装包，所有虚拟环境默认共享。
bash
# 全局安装包（需管理员权限）
sudo pip3 install numpy # Linux/macOS
pip install numpy # Windows（管理员命令提示符）
风险：可能导致版本冲突，不建议在开发环境使用。
四、依赖管理工具
1. pip-tools（锁定依赖）
用pip-tools生成依赖文件，在不同环境中复用：
bash
# 生成requirements.txt
pip-compile requirements.in
# 在不同Python环境中安装相同依赖
python3.8 -m pip install -r requirements.txt
python3.9 -m pip install -r requirements.txt
2. Poetry（项目隔离）
Poetry会在项目间共享缓存的包文件：
bash
# 初始化项目
poetry init
# 添加依赖（自动缓存包）
poetry add numpy
# 在另一个项目中复用相同版本
poetry add numpy@^1.20.0
五、Docker容器（完全隔离）
原理：在容器内预安装通用包，不同Python版本基于同一基础镜像构建。
dockerfile
# Dockerfile（Python 3.8和3.9共享基础环境）
FROM python:3.8-slim
RUN pip install numpy pandas
# 创建Python 3.9镜像，复用已安装的包
FROM python:3.9-slim
COPY --from=0 /usr/local/lib/python3.8/site-packages/ /usr/local/lib/python3.9/site-packages/
最佳实践建议
使用虚拟环境：通过--system-site-packages复用全局包，同时保证环境隔离。
优先使用Conda：在数据科学场景中，Conda能更好地处理跨Python版本的依赖。
符号链接慎用：仅在确定包兼容不同Python版本时使用。
避免全局安装：防止系统Python污染，尤其是在开发环境中。
版本控制：用requirements.txt或pyproject.toml锁定依赖版本，确保一致性。
注意事项
版本兼容性：部分包（如C扩展模块）可能无法在不同Python版本间直接共享。
磁盘空间：共享包能节省空间，但虚拟环境仍会占用少量元数据空间。
系统Python：不要直接修改系统Python的site-packages，以免影响系统功能。
根据你的具体需求选择合适的方法，建议优先考虑虚拟环境和Conda方案。
发消息、输入 @ 选择技能或 / 选择文件
Ubuntu命令行下使用虚拟环境
为了避免不同项目之间的包依赖冲突，建议使用虚拟环境。可以使用 venv 模块来创建和管理虚拟环境。
创建虚拟环境
bash
python3 -m venv myenv
这里的 myenv 是虚拟环境的名称，可以根据需要修改。
激活虚拟环境
bash
source myenv/bin/activate
激活虚拟环境后，命令行提示符前会显示虚拟环境的名称。
conda下建立虚拟环境
conda更新conda
conda update -n base -c defaults conda
env 命令列表
| 序号 | 功能 | 命令 |
|---|---|---|
| 1 | 查看版本信息 | conda --version |
| 2 | 更新 conda | conda update conda |
| 3 | 创建一个名为stre的虚拟环境并指定python版本 | conda create -n stre python=3.8.2 |
| 4 | 激活新的虚拟环境 | conda activate stre |
| 5 | 列出现有环境列表 | conda env list |
| 6 | 退出当前环境 | conda deactivate |
| 7 | 删除虚拟环境 | conda remove -n stre --all |
| 8 |
如果拷贝过来未能自动识别，可手动安装 conda install --offline local_path
spyder中切换环境
Anaconda自带的spyder使用的是base环境，现在我想使用自己创建的 pytorch 虚拟环境。
1）打开 Anaconda prompt ，切换至想要使用的虚拟环境，输入命令：activate pytorch
2）在此虚拟环境下安装 spyder，输入命令：conda install spyder
经过一段时间的安装，就会发现 所有程序 ——> Anaconda 下面多了一个 spyder（pytorch）
3）打开 Spyder（pytorch），看界面右下角就会发现，当前环境已经变成了 pytorch
spyder中切换python版本
两个步骤：
1、 Tools —— Preferences —— Python interpreter 切换不同的python环境解析器；
2、点击 IPython console 栏中的 Restart kernel 按钮，重启 kernel即可
切换 spyder 的 python 解析器
一定要在 IPython console 栏中重新启动 kernel
vscode中切换环境
vscode中切换python版本
conda 下proxy 的设置
没办法啊，我在局域网，要使用 anaconda 还要透过代理， 所以如何设置 proxy就是个问题。
查看现有代理设置
conda config --show channels #view your configuration's current state,
conda config --show-sources #view config file locations.
Anaconda 安装包可以到 http://mirrors.aliyun.com/anaconda/archive/ 下载。
Linux用户可以通过修改用户目录下的 .condarc 文件。
Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
可以参考阿里云提供的方法和文件：
https://developer.aliyun.com/mirror/anaconda/?spm=a2c6h.25603864.0.0.6a632eb1HSXwQ0
或者清华的：
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
设置 proxy有两种方式，
第一种，conda config --set proxy_servers 命令生成
conda config --set proxy_servers.http http://id:pw@address:port
conda config --set proxy_servers.https https://id:pw@address:port
运行完成之后，去 C:\Users(你的名字）这个目录下查看 .condarc 这个文件，可以用文本方式打开。
注意：conda config 命令改写的是.condarc 这个文件，而pip config 改写的是 C:\Users\用户名\AppData\Roaming\pip\ 目录下的pip.ini
一个标准的pip.ini的内容是下面这样的：
[global]
timeout=40
index-url=https://pypi.tuna.tsinghua.edu.cn/simple/
extra-index-url=
http://mirrors.aliyun.com/pypi/simple/
http://pypi.douban.com/simple
http://pypi.mirrors.ustc.edu.cn/simple/
[install]
trusted-host=
pypi.tuna.tsinghua.edu.cn
mirrors.aliyun.com
pypi.douban.com
pypi.mirrors.ustc.edu.cn
第二种，手工改写condarc文件
1、不使用代理用户名密码的
proxy_servers:
http: http://xxxx:8080
2、代理需要用户名的
proxy_servers:
http: http://user:password@xxxx:8080
https: https://user:password@xxxx:8080
添加国内代理源
命令行中直接使用以下命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
设置搜索时显示通道地址
conda config --set show_channel_urls yes
添加中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
生成文件如下：
channels:
- defaults
show_channel_urls: True
allow_other_channels: True
proxy_servers:
http: http://proxy.yourorg.org:port
https: https://proxy.yourorg.org:port
ssl_verify: False
在命令行中运行如下命令可以轻松配置：
其他 conda 操作
.condarc配置文件的标准样版
修改conda配置信息：Windows的.condarc一般位于C盘C:\Users\username下面，
因为.condarc默认是隐藏的，所以需要在查看里面，勾选隐藏的项目，
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true
ssl_verify: false
2023-4-4 本人最新的.condarc文件：
channels:
- defaults
show_channel_urls: true
default_channels:
- http://mirrors.aliyun.com/anaconda/pkgs/main
- http://mirrors.aliyun.com/anaconda/pkgs/r
- http://mirrors.aliyun.com/anaconda/pkgs/msys2
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
- https://anaconda.org
custom_channels:
conda-forge: http://mirrors.aliyun.com/anaconda/cloud
msys2: http://mirrors.aliyun.com/anaconda/cloud
bioconda: http://mirrors.aliyun.com/anaconda/cloud
menpo: http://mirrors.aliyun.com/anaconda/cloud
pytorch: http://mirrors.aliyun.com/anaconda/cloud
simpleitk: http://mirrors.aliyun.com/anaconda/cloud
浙公网安备 33010602011771号