1 混乱的Python库

你有没有遇到过这样的问题

在项目A中需要用到某个Python库PkgA    
    
    
    
，且项目A的其他库要求PkgA的版本必须为v3.0以上  


     


     


     


    ，你按要求安装了PkgA v3.0；过了一段时间


 




 




 




 


，老板交给你一个项目B   

   

   

   

，又用到了PkgA   

     

     

     

   ，但这次其他库要求PkgA的版本必须为v2.0及以上



  




  




  




  

，这时候你怎么办？

安装PkgA v3.0则新项目B无法运行  


  


  


  


，安装PkgA v2.0则旧项目A无法运行    
     
     
     
  ，要想同时在一个环境里使用两个项目




   




   




   




   
，必须不停地重装PkgA来更换版本    
    
    
    
。

上面的例子只涉及两个项目的一个依赖库冲突 



 



 



 



，如果多个项目呢？如果多个依赖冲突呢？

上面的例子说明了什么呢？其实就是Python语言的痛点：

依赖网复杂

Python的包非常丰富                     ，轮子相当多




    




    




    




    ，开发者在工作时难免会调用这样或那样的包




















，久而久之                    ，一个功能依赖另一个功能 



     



     



     



     ，形成复杂的依赖网络

包管理混乱

通过报错信息不断安装依赖包终于解决了依赖库的问题




















，但随之而来的就是版本问题    
    
    
    
，也就是上面例子所体现的依赖冲突  


     


     


     


    ，本质上是某个包开发时的不向下兼容导致的

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  


     


     


     


    。

2 什么是Anaconda？

Anaconda是一个开源的跨平台Python发行版本  


  


  


  


，支持

Windows macOS Linux

操作系统


 




 




 




 


。Anaconda中包含了conda等180多个科学包及其依赖项   

   

   

   

。其中conda则是一个开源的软件包管理系统和环境管理系统    
     
     
     
  ，用于安装多个版本的软件包及其依赖关系




   




   




   




   
，并在它们之间轻松切换   

     

     

     

   。

3 Anaconda的安装

进入Anaconda下载界面选择相应的操作系统 



 



 



 



，本文主要介绍在Windows与Linux下的安装流程



  




  




  




  

。

3.1 Windows系统

Windows有图形化的安装向导                     ，按下面的步骤一步步安装即可

运行安装向导 选择I Agree 选择All Users




    




    




    




    ，其实选Just Me也可以




















，但这台主机的其他用户就无法使用Anaconda了 选择安装路径 保持默认选项 等待安装结束

配置环境变量

依次点击我的电脑->右键属性->点击高级系统设置->点击环境变量                    ，之后按下图所示配置用户变量

3.2 Linux系统

对于Linux系统 



     



     



     



     ，没有图形化的安装界面




















，按下面输入终端命令即可

进入Anaconda安装目录并运行官方安装程序 bash ./Anaconda3-2021.11-Linux-x86_64.sh 添加环境变量    
    
    
    
，其中~/Project/anaconda3/bin替换成自己的安装目录 echo export PATH="~/Project/anaconda3/bin:$PATH" >> ~/.bashrc source ~/.bashrc

3.3 测试

打开cmd(Windows)或Terminal(Linux)  


     


     


     


    ，输入

conda --version

如果输出版本号则说明安装成功


 




 




 




 


，如下所示  


  


  


  


。

注意   

   

   

   

，若运行python脚本时仍然是原环境而非Anaconda环境   

     

     

     

   ，则需要注意配置编辑器的python解释器路径    
     
     
     
  。VSCode中



  




  




  




  

，在tasks.json中的args参数中配置

{ "version": "2.0.0", "tasks": [ { "label": "catkin_make:debug", "type": "shell", "command": "catkin_make", "args": ["-DPYTHON_EXECUTABLE=/home/winter/Project/anaconda3/envs/server/bin/python "], "group": {"kind":"build","isDefault":true}, "presentation": { "reveal": "always" }, "problemMatcher": "$msCompile" } ] }

4 虚拟环境管理(速查字典)

用Anaconda可以创建虚拟环境  


  


  


  


，虚拟环境间彼此隔离    
     
     
     
  ，可以解决依赖混乱的情况




   




   




   




   
。虚拟环境管理主要涉及以下的命令




   




   




   




   
，可以作为速查字典以备不时之需

创建虚拟环境

conda create -n test python=3.8

创建了一个名为test的采用3.8版本Python解释器的虚拟环境

切换虚拟环境

conda activate test

切换到名为test的虚拟环境 



 



 



 



。默认地 



 



 



 



，用户会进入Anaconda自带的base环境                     ，注意base环境已经与安装Anaconda前的环境不同




    




    




    




    ，因此第一次使用Anaconda可能会产生依赖冲突和缺失                     。

查看虚拟环境

conda env list

依赖安装与卸载

# 安装 conda install pkg pip install pkg # 卸载 conda remove pkg pip uninstall pkg

这里推荐使用清华源加快安装速度




















，使用方法是

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pkg==version

即安装了名为pkg                    ，版本为version的包

如果依赖很多 



     



     



     



     ，建议使用requirements.txt批量配置




















，命令为 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

查看环境依赖

conda list

复制虚拟环境

conda env export > test_env.yaml conda env create -f test_env.yaml

常用于导出当前虚拟环境的信息或复制虚拟环境

删除虚拟环境

conda remove -n test --all

删除名为test的虚拟环境

🔥 更多精彩专栏：

《ROS从入门到精通》 《机器人原理与技术》 《机器学习强基计划》 《计算机视觉教程》 …

👇源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系👇