python项目环境切换的几种实现方式

1. 如何在不同python项目中，安装不同的依赖

通过PyCharm创建python项目之后，在目录下会自动创建虚拟环境.venv，从而解决项目依赖冲突的问题。简而言之.venv是一个独立的、隔离的python工作空间。

它里面包含了三个主要部分：

1. 独立的 Python 解释器副本

   • 在 .venv/bin/（linux/MAC）或 .venv/Scripts/（Windows）目录下，会有一个 python 或 python.exe 文件。这是从你选择的那个基础Python（比如系统自带的Python，或者你安装的Anaconda中的Python）复制过来的一个副本。
   • 当你激活这个虚拟环境后，你在终端里输入的 python 或 pip 命令，指向的都是这个副本，而不是你电脑的全局Python。

2. 独立的包安装目录

   • 在 .venv/lib/python3.x/site-packages/ 目录下，是专门用来存放你为这个项目安装的第三方库的地方。
   • 当你在这个激活的虚拟环境中使用 pip install requests 时，requests 库及其依赖就会被安装到这个文件夹下，而完全不会影响到你电脑的全局Python环境或其他项目的虚拟环境。

3. 环境配置脚本

   • 同样在 bin 或 Scripts 目录下，有用于激活（Activate） 和停用（Deactivate） 这个虚拟环境的脚本。

2. 如何切换到不同项目的工作空间

Windows CMD

# 进入项目目录
cd 你的项目路径

# 激活虚拟环境
.venv\Scripts\activate

# 安装包（现在pip会使用虚拟环境中的）
pip install 包名称

# 退出虚拟环境
deactivate

3.创建项目是不同的选项，有三种选项

3.1 项目venv（虚拟环境）

脚本创建，也可以通过PyCharmkplqBeckRD创建

# 创建
python -m venv myproject_venv

# 激活 (Windows)
myproject_venv\Scripts\activate

# 激活 (Linux/Mac)
source myproject_venv/bin/activate

特点：

• 项目专属，隔离在项目目录内
• 轻量级，只包含Python基础环境和pythonpip
• 依赖与系统Python完全隔离
• 适合单一项目开发

3.2 基础conda环境

# 查看基础环境
conda info

# 在基础环境中安装包
conda install numpy

特点：

• Conda安装时创建的默认环境
• 全局共享，所有项目默认使用
• 容易造成包冲突和版本污染
• 不推荐用于项目开发

3.3 自定义conda环境

# 创建自定义环境
conda create -n myenv python=3.9

# 激活环境
conda activate myenv

# 安装包
conda install pandas matplotlib

特点：

• 独立的环境，可指定Python版本
• 可以创建多个不同用途的环境
• 支持非Python依赖（如C库）
• 适合复杂项目和多版本需求

主要区别对比

最佳实践

1. 永远不要在基础conda环境中安装项目依赖
2. 为每个项目创建独立环境
3. 使用环境文件共享配置：

# conda
conda env export > environment.yml
conda env create -f environment.yml

# venv
pip freeze > requirements.txt
pip install -r requirements.txt

选择哪种方式取决于项目需求：简单Python项目用venv，复杂数据科学项目或需要特定Python版本时用conda环境。

4.在自定义环境中，【从基础解释器继承软件包】和【可用于所有项目】两个选项的区别

4.1 【从基础解释器继承软件包】

含义：

• 新环境会继承基础环境(base)中已安装的所有包
• 相当于创建一个"子环境"，包含基础环境的所有依赖

创建方式：

# 命令行方式（默认行为）
conda create -n myenv --clone base
# 或者
conda create -n myenv

特点：

• ✅ 优点：www.chinasem.cn快速开始，无需重新安装常用包
• ❌ 缺点：容易造成包冲突，环境不够"干净"
• 文件位置：通常在conda的envs目录下

使用场景：

• 需要基础环境中的大量现有包
• 临时测试或快速原型开发

4.2【可用于所有项目】

含义：

• 创建一个完全独立、干净的环境
• 不继承任何现有环境的包
• 环境全局可用，任何项目都可以使用

创建方式：

# 创建干净环境
conda create -n myenv python=3.9 --no-deps
# 或者指定少量必要包
conda create -n myenv python=3.9 pip

特点：

• ✅ 优点：环境干净，避免包冲突
• ✅ 优点：可重复性好，依赖明确
• ❌ 缺点：需要重新安装所有依赖
• 文件位置：在conda的envs目录下，全局可访问

4.3 实际对比示例

# 场景1：继承基础环境的包（不推荐）
conda create -n inherited_env --clone base
conda activate inherited_env
conda list  # 会显示大量基础环境的包

# 场景2：创建干净环境（推荐）
conda create -n clean_env python=3.9 pip
conda activate clean_env
conda list  # 只显示python和pip等基本包

4.4 选择建议

选择【继承软件包】的情况：

# 当你确实需要基础环境中的包时
conda create -n data_analysis --clone base
conda activate data_analysis
# 现在你已经有了pandas, numpy等数据科学包

选择【可用于所有项目】的情况：

# 大多数项目开发场景
conda create -n myproject python=3.9
conda activate myproject
# 按需安装依赖，保持环境干净
conda install pandas numpy
pip install -r requirements.txt

最佳实践

1. 推荐使用【可用于所有项目】：

   • 环境干净，依赖明确
   • 避免隐式依赖带来的问题
   • 便于依赖管理和复现

2. 使用环境文件确保一致性：

   # environment.yml
   name: myproject
   dependencies:
     - python=www.chinasem.cn3.9
     - pip
     - pip:
       - -r requirements.txt
   

3. 项目结构建议：

   myproject/
   ├── environment.yml    # Conda环境配置
   ├── requirements.txt   # Pip依赖
   └── src/
   

总结：对于正式项目开发，强烈建议选择【可用于所有项目】创建干净环境，这样可以确保依赖管理的清晰和项目的可复现性。

到此这篇关于python项目环境切换的几种实现方式的文章就介绍到这了,更多相关python 环境切换内容请搜索China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程China编程(www.chinasem.cn)！