Python 原始虚拟环境

引言：为什么每个 Python 项目都需要一个"独立小房间"

先想象一个生活场景：你在家做饭，厨房只有一套调料。今天做川菜要放很多辣椒，明天做粤菜要把辣椒全部收起来，后天又做川菜……每次都要重新调整调料架，迟早会乱套。

Python 项目也面临同样的问题：

项目 A 用的是 Django 3.2，项目 B 必须用 Django 4.2，而电脑上只能装一个版本；
项目 C 依赖某个旧版本的 numpy，升级它会导致项目 D 报错；
卸载某个包时，不小心把别的项目也在用的包给卸了，牵一发而动全身。

虚拟环境（Virtual Environment）就是为每个项目单独隔出来的"一间独立小房间"。每个房间里有自己专属的 Python 解释器和一套独立的第三方包，房间之间互不干扰。你在 A 房间里升级、删除任何包，都不会影响 B 房间。

几个核心术语的通俗解释：

术语	通俗解释
虚拟环境	一个独立的目录，里面装着一份"专属于本项目"的 Python 和包，和系统全局环境隔离
解释器（Interpreter）	真正执行 Python 代码的那个程序（`python.exe`），虚拟环境用的是"房间里的副本"
包（Package）	别人写好的、可以直接拿来用的代码库，比如 `requests`、`numpy`
pip	Python 官方自带的"包管理器"，相当于手机上的"应用商店"，负责安装/卸载包
激活（Activate）	告诉命令行："从现在开始，我用的是这个房间里的 Python"，进入这个房间
退出（Deactivate）	走出房间，回到系统全局环境
requirements.txt	一份"购物清单"，记录项目需要的所有包及版本，方便别人一键复现你的环境

本指南会手把手带你掌握两个最主流的工具：

venv：Python 官方自带，无需额外安装，轻量、够用，适合绝大多数场景；
conda：第三方工具，不仅能管 Python 包，还能管 Python 版本和非 Python 的软件，数据科学领域用得最多。

最后还会讲到依赖管理（requirements.txt）、常见报错排查和新手高频问题。即使你完全零基础，跟着做也能顺利完成。

一、准备工作：确认 Python 已安装

虚拟环境是建立在 Python 之上的，所以先确认电脑里装好了 Python。

Windows：按 Win + R，输入 cmd 回车打开命令行（俗称"终端"、"控制台"），输入：

bash

python --version

macOS / Linux：打开"终端"（Terminal），输入：

bash

python3 --version

小贴士：macOS 和 Linux 系统自带的命令叫 python3（因为老系统里 python 指的是 Python 2）。Windows 上通常直接用 python。下文命令中 Windows 用 python，macOS/Linux 用 python3，请注意区分。

如果看到类似 Python 3.12.4 的版本号，说明已安装。如果提示"不是内部或外部命令"或 command not found，请先到 python.org 下载安装（Windows 安装时务必勾选"Add Python to PATH"，这相当于告诉系统"记住 python 这个命令在哪里"）。

二、venv：Python 官方自带的虚拟环境工具

venv 从 Python 3.3 起内置在标准库里，不用安装任何东西，开箱即用。

2.1 创建虚拟环境

第 1 步：打开命令行，进入你的项目目录（用 cd 命令切换目录，cd 即 "change directory"，切换文件夹）：

bash

# Windows 示例
cd D:\projects\myproject

# macOS/Linux 示例
cd ~/projects/myproject

第 2 步：执行创建命令：

bash

# Windows
python -m venv venv

# macOS / Linux
python3 -m venv venv

命令解读：python -m venv venv 的意思是"用 python 运行 venv 这个模块（-m 表示把模块当命令执行），创建一个名叫 venv 的虚拟环境"。

命名说明：最后一个 venv 是文件夹的名字，可以改成任何你喜欢的名字（比如 .venv、env）。社区习惯用 venv 或 .venv，一眼就能认出这是虚拟环境目录。

执行后，项目目录下会多出一个 venv 文件夹，里面就是这个"小房间"的全套设施：独立的 Python 解释器、pip、以及将来要装的包。

2.2 激活虚拟环境

创建好房间后，要"走进去"才能用。激活命令因操作系统而异：

Windows（CMD 命令提示符）：

bash

venv\Scripts\activate

Windows（PowerShell）：

bash

venv\Scripts\Activate.ps1

PowerShell 首次执行可能报红色错误，别慌，这是系统安全策略拦截，解决办法见"常见报错排查"一节。

macOS / Linux：

bash

source venv/bin/activate

source 的意思是"执行这个脚本并让它影响当前终端"。Windows 路径用反斜杠 \，macOS/Linux 用正斜杠 /，注意别写反。

如何判断激活成功？ 看命令行最前面是否出现了环境名提示：

bash

(venv) D:\projects\myproject>

括号里的 (venv) 就是标志，表示你现在已经在"房间"里了。也可以用下面命令验证当前用的是哪个 Python：

bash

# Windows
where python

# macOS / Linux
which python

显示的路径里如果包含 venv，说明确认无误。

2.3 在虚拟环境中安装包

激活之后，一切 pip install 都只作用于当前环境，不会污染系统全局：

bash

pip install requests
pip install django==4.2
pip install requests django flask    # 一次装多个

查看当前环境里已安装了哪些包：

bash

pip list

2.4 退出虚拟环境

想"走出房间"，一个命令即可（三大系统通用）：

bash

deactivate

执行后命令行前面的 (venv) 消失，表示回到了系统全局环境。

2.5 删除虚拟环境

venv 创建的虚拟环境本质就是一个普通文件夹，删除 = 直接删掉那个文件夹：

先 deactivate 退出环境（如果在里面的话）；
删除文件夹：

bash

# Windows
rmdir /s /q venv

# macOS / Linux
rm -rf venv

也可以在文件管理器里右键删除。删了之后项目代码不受影响，随时可以重新创建环境。

2.6 venv 日常操作流程小结

bash

# 1. 创建（只做一次）
python -m venv venv

# 2. 激活（每次开始干活前）
venv\Scripts\activate          # Windows
source venv/bin/activate       # macOS/Linux

# 3. 装包、写代码、跑程序
pip install requests
python my_script.py

# 4. 退出（干完活后）
deactivate

三、conda：功能更强大的环境管理工具

3.1 conda 是什么？和 venv 有什么区别？

conda 是一个第三方的环境和包管理工具。和 venv 相比：

对比项	venv	conda
来源	Python 官方自带	需要安装 Anaconda 或 Miniconda
能否切换 Python 版本	不能（用什么 Python 创建就是什么版本）	能，一条命令装任意版本
能装什么	只装 Python 包	Python 包 + 其他语言的库（如 CUDA、ffmpeg）
体积	轻量	较大
典型用户	通用开发、Web 开发	数据科学、机器学习

通俗类比：venv 是"精装单间"，够住够用；conda 是"全屋定制的公寓"，连地基（Python 版本本身）都能换。

Anaconda 与 Miniconda：Anaconda 是"全家桶"，自带几百个数据科学包，体积 3GB+；Miniconda 是"精简版"，只带 conda 本身，按需安装。新手推荐 Miniconda，下载地址：https://docs.conda.io/en/latest/miniconda.html。

3.2 安装 conda

Windows：下载 Miniconda 的 .exe 安装包，双击一路下一步（建议勾选"Add Miniconda to PATH"或直接使用安装后自带的 "Anaconda Prompt"）；
macOS：下载 .pkg 或 .sh 安装包安装，M 系列芯片选 arm64 版本；
Linux：下载 .sh 脚本，终端执行 bash Miniconda3-latest-Linux-x86_64.sh，按提示回车确认。

安装完成后打开新的终端，输入 conda --version，看到版本号即成功。

安装后终端命令行前可能出现 (base) 字样，这是 conda 的默认环境自动激活了，属正常现象，不用管。

3.3 创建虚拟环境

bash

# 创建名为 myenv、Python 版本为 3.11 的环境
conda create -n myenv python=3.11

-n myenv：指定环境名称（name 的缩写）；
python=3.11：指定 Python 版本——这是 conda 独有的优势，即使电脑上没装 3.11，conda 也会自动下载。

中途会问 Proceed ([y]/n)?，输入 y 回车即可。

3.4 激活环境

bash

conda activate myenv

三大系统命令统一，激活后命令行前缀变成 (myenv)。

3.5 在 conda 环境中安装包

bash

# 方式一：用 conda 自己的仓库安装（推荐先尝试）
conda install numpy

# 方式二：conda 仓库没有的包，可以用 pip 装
pip install requests

查看已安装的包：conda list

3.6 退出环境

bash

conda deactivate

3.7 删除环境

conda 环境不能用"删文件夹"的方式粗暴删除（它登记在 conda 的管理名单里），要用官方命令：

bash

# 先退出该环境，再删除
conda deactivate
conda remove -n myenv --all

--all 表示把这个环境连同里面的所有包一起删除。

3.8 查看所有 conda 环境

bash

conda env list

会列出所有环境及其路径，当前激活的环境前面有 * 号。

3.9 该选 venv 还是 conda？

一句话建议：

做 Web 开发、脚本工具、普通项目 → 用 venv，官方自带、轻量、够用；
做数据分析、机器学习、需要切换 Python 版本 → 用 conda，省心省力。

两者不冲突，可以共存于一台电脑。

四、requirements.txt：项目的"购物清单"

4.1 它解决什么问题？

假设你的项目用了 requests、django 等 5 个包。同事拿到你的代码后，怎么知道要装哪些包、装哪个版本？一个个口头告诉他？太低效。

requirements.txt 就是解决这个问题的标准做法：一份纯文本清单，记录项目所有依赖包及其版本，别人拿到后一条命令就能复现出一模一样的环境。

4.2 生成清单

先激活虚拟环境，然后执行：

bash

pip freeze > requirements.txt

命令解读：pip freeze 会列出当前环境所有包及精确版本；> 是"重定向"符号，表示把输出结果写进后面的文件里（而不是显示在屏幕上）。

生成的 requirements.txt 内容长这样：

text

certifi==2024.2.2
charset-normalizer==3.3.2
Django==4.2.11
idna==3.6
requests==2.31.0
urllib3==2.2.1

每一行都是 包名==版本号 的格式，== 表示"精确等于这个版本"。

注意：务必在激活虚拟环境后再执行 pip freeze，否则会把系统全局环境的包也写进去，清单就不"干净"了。

4.3 根据清单一键安装

别人（或换了一台电脑的你）拿到代码和 requirements.txt 后：

bash

# 1. 创建并激活一个新虚拟环境（前面教过的步骤）
python -m venv venv
venv\Scripts\activate        # Windows
source venv/bin/activate     # macOS/Linux

# 2. 一键安装清单里的所有包
pip install -r requirements.txt

-r 是 "requirement" 的缩写，表示"按这份清单逐个安装"。执行完，对方的环境就和你的完全一样了。

4.4 更新清单

项目开发中又装了新包？重新执行一次生成命令即可，它会覆盖旧文件：

bash

pip freeze > requirements.txt

4.5 conda 环境怎么办？

conda 有自己的清单格式（environment.yml），生成和使用：

bash

# 导出
conda env export > environment.yml

# 根据文件创建环境
conda env create -f environment.yml

不过 conda 环境同样支持 pip freeze + pip install -r 的玩法，两者皆可。

五、常见报错排查与解决方案

报错 1：`'python' 不是内部或外部命令` / `command not found: python`

原因：系统找不到 python 命令，通常是 Python 没装，或安装时没加入 PATH 环境变量（PATH 是系统的"通讯录"，记录着去哪里找各个命令）。

解决：

Windows：重新运行 Python 安装包，勾选 Add Python to PATH 后再安装；或尝试用 py 命令代替 python；
macOS/Linux：用 python3 代替 python。

报错 2：PowerShell 激活时报红 `无法加载文件 Activate.ps1，因为在此系统上禁止运行脚本`

原因：PowerShell 默认的安全策略（执行策略）禁止运行脚本，防止恶意脚本。

解决：以管理员身份打开 PowerShell，执行：

bash

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

输入 Y 确认。这条命令的意思是"允许当前用户运行本地脚本"，安全且只影响你自己。设置一次永久生效。之后再执行 venv\Scripts\Activate.ps1 即可。

报错 3：激活后 `pip install` 仍然装到了全局

原因：激活没成功，或终端里有多个 Python 环境混乱。

排查：

看命令行前有没有 (venv) 前缀；
执行 where python（Windows）或 which python（macOS/Linux），确认路径指向虚拟环境目录；
稳妥写法是用 python -m pip install 包名——python -m pip 表示"用当前这个 python 自带的 pip 来装"，能 100% 避免 pip 和 python 不配套的混乱。

报错 4：`pip install` 下载极慢或超时

原因：pip 默认从国外服务器下载，国内网络不稳定。

解决：换国内镜像源（镜像 = 国内的"分仓库"，内容一样但速度快）：

bash

# 临时使用清华镜像（单次安装）
pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

# 永久配置（推荐，执行一次即可）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

报错 5：`ERROR: Could not build wheels for xxx` 或编译类报错

原因：某些包需要从源代码编译，电脑缺少编译工具；或包版本与 Python 版本不匹配。

解决：

先升级 pip 再试：python -m pip install --upgrade pip；
换一个该包的版本试试：pip install 包名==旧一点的版本号；
如果是数据科学类包（numpy、pandas 等），直接用 conda 安装可以避开编译：conda install numpy。

报错 6：`conda` 命令找不到

原因：conda 没加入 PATH，或安装后没重启终端。

解决：

先关闭所有终端窗口再重开试试；
Windows 用户可直接使用开始菜单里的 Anaconda Prompt（它自带配置好的环境）；
Linux/macOS 可执行 ~/miniconda3/bin/conda init 然后重开终端。

六、新手高频问题 FAQ

Q1：每个项目都要建一个虚拟环境吗？

建议是的。环境创建的代价极低（几秒钟），但能彻底避免包版本冲突。宁可多建，不要共用。

Q2：虚拟环境文件夹（venv）要上传到 Git 仓库吗？

不要。它体积大且与操作系统绑定，别人拿到也用不了。正确做法是：上传 requirements.txt，让别人自己创建环境。记得在 .gitignore 文件里加一行 venv/（.gitignore 是告诉 Git"哪些文件不用管"的配置文件）。

Q3：我把项目文件夹移动了位置，虚拟环境还能用吗？

大概率不能。venv 里记录的是创建时的绝对路径，文件夹挪窝后激活脚本会失效。解决办法：删掉旧的 venv 文件夹，在新位置重新创建环境，再用 pip install -r requirements.txt 恢复依赖。

Q4：激活虚拟环境后，我是不是只能在命令行里跑代码？

不是。VS Code、PyCharm 等编辑器都可以"选择解释器"——在项目里选中 venv 目录下的 Python（Windows 是 venv\Scripts\python.exe，macOS/Linux 是 venv/bin/python），之后编辑器里点"运行"也会自动使用虚拟环境。

Q5：同一个项目能同时用 venv 和 conda 吗？

强烈不建议。混用两套环境管理会让依赖关系变得扑朔迷离。一个项目选一种工具，从一而终。

Q6：虚拟环境会占用很多硬盘空间吗？

每个 venv 环境大约 20~50MB 起步，装了包之后会变大。长时间不用的旧项目环境可以直接删掉（反正有 requirements.txt 随时可以重建），这是清理硬盘的常规操作。

Q7：pip install 和 python -m pip install 有什么区别？

效果基本一样，但后者更保险。它明确指定"用当前这个 Python 的 pip"，避免电脑里有多个 Python 时 pip 装错了环境。养成用 python -m pip install 包名 的习惯，可以少踩一半的坑。

Q8：怎么查看某个环境里到底装了哪个版本的包？

bash

pip list                 # 列出所有包及版本
pip show requests        # 查看某个包的详细信息

Q9：退出虚拟环境后，我装的包还在吗？

在。包是存在虚拟环境文件夹里的，deactivate 只是"走出房间"，房间里的东西原封不动。下次重新激活就能继续用。

Q10：requirements.txt 里的 == 太严格了，能写成"大于某版本"吗？

可以。支持 >=（大于等于）、~=（兼容版本）等写法，例如 requests>=2.31。但新手阶段建议保持 pip freeze 生成的 == 精确版本，复现环境最稳定。

结语

回顾一下本篇的核心脉络：

为什么用：虚拟环境 = 每个项目的"独立小房间"，隔离依赖，杜绝冲突；
怎么用 venv：python -m venv venv 创建 → 激活 → pip install 装包 → deactivate 退出 → 删文件夹即删除；
怎么用 conda：conda create -n 名字 python=版本 创建 → conda activate 激活 → conda deactivate 退出 → conda remove -n 名字 --all 删除，还能自由切换 Python 版本；
怎么管依赖：pip freeze > requirements.txt 生成清单，pip install -r requirements.txt 一键复现。

虚拟环境是 Python 开发的"第一天必修课"，练上三五次就会变成肌肉记忆。现在就去为自己的项目创建第一个虚拟环境吧。

Python 原始虚拟环境 ​

引言：为什么每个 Python 项目都需要一个"独立小房间" ​

一、准备工作：确认 Python 已安装 ​

二、venv：Python 官方自带的虚拟环境工具 ​

2.1 创建虚拟环境 ​

2.2 激活虚拟环境 ​

2.3 在虚拟环境中安装包 ​

2.4 退出虚拟环境 ​

2.5 删除虚拟环境 ​

2.6 venv 日常操作流程小结 ​

三、conda：功能更强大的环境管理工具 ​

3.1 conda 是什么？和 venv 有什么区别？ ​

3.2 安装 conda ​

3.3 创建虚拟环境 ​

3.4 激活环境 ​

3.5 在 conda 环境中安装包 ​

3.6 退出环境 ​

3.7 删除环境 ​

3.8 查看所有 conda 环境 ​

3.9 该选 venv 还是 conda？ ​

四、requirements.txt：项目的"购物清单" ​

4.1 它解决什么问题？ ​

4.2 生成清单 ​

4.3 根据清单一键安装 ​

4.4 更新清单 ​

4.5 conda 环境怎么办？ ​

五、常见报错排查与解决方案 ​

报错 1：'python' 不是内部或外部命令 / command not found: python ​

报错 2：PowerShell 激活时报红 无法加载文件 Activate.ps1，因为在此系统上禁止运行脚本 ​

报错 3：激活后 pip install 仍然装到了全局 ​

报错 4：pip install 下载极慢或超时 ​

报错 5：ERROR: Could not build wheels for xxx 或编译类报错 ​

报错 6：conda 命令找不到 ​

六、新手高频问题 FAQ ​

结语 ​

Python 原始虚拟环境

引言：为什么每个 Python 项目都需要一个"独立小房间"

一、准备工作：确认 Python 已安装

二、venv：Python 官方自带的虚拟环境工具

2.1 创建虚拟环境

2.2 激活虚拟环境

2.3 在虚拟环境中安装包

2.4 退出虚拟环境

2.5 删除虚拟环境

2.6 venv 日常操作流程小结

三、conda：功能更强大的环境管理工具

3.1 conda 是什么？和 venv 有什么区别？

3.2 安装 conda

3.3 创建虚拟环境

3.4 激活环境

3.5 在 conda 环境中安装包

3.6 退出环境

3.7 删除环境

3.8 查看所有 conda 环境

3.9 该选 venv 还是 conda？

四、requirements.txt：项目的"购物清单"

4.1 它解决什么问题？

4.2 生成清单

4.3 根据清单一键安装

4.4 更新清单

4.5 conda 环境怎么办？

五、常见报错排查与解决方案

报错 1：`'python' 不是内部或外部命令` / `command not found: python`

报错 2：PowerShell 激活时报红 `无法加载文件 Activate.ps1，因为在此系统上禁止运行脚本`

报错 3：激活后 `pip install` 仍然装到了全局

报错 4：`pip install` 下载极慢或超时

报错 5：`ERROR: Could not build wheels for xxx` 或编译类报错

报错 6：`conda` 命令找不到

六、新手高频问题 FAQ

结语