1. 前言 #

• 环境变量
• 终端命令

1. 什么是虚拟环境，为什么要用它？
2. 虚拟环境的核心概念与原理
3. 如何使用 venv 创建、激活和删除虚拟环境
4. 如何用 requirements.txt 管理项目依赖
5. 各平台（Windows、Mac、Linux）命令对照
6. 常见错误与最佳实践

2. 前置知识 #

在学习虚拟环境之前，我们需要先了解一些基础知识。这些知识对于理解虚拟环境非常重要。

2.1 什么是Python包？ #

讲解：

Python包（Package）是别人已经写好的代码，我们可以直接使用，而不需要自己从头编写。比如：

• numpy：用于科学计算
• pandas：用于数据处理
• requests：用于发送HTTP请求

这些包就像工具箱里的工具，需要的时候拿来用就行。

2.2 什么是pip？ #

讲解：

pip是Python的包管理工具，用来安装、卸载、查看Python包。可以把它想象成"应用商店"，我们通过pip来下载和安装各种Python包。

检查pip是否安装：

# 在命令行（Windows是CMD或PowerShell，Mac/Linux是终端）中输入以下命令
# 检查pip版本，如果显示版本号说明已安装
pip --version

如果pip未安装，安装方法：

# Windows系统
python -m ensurepip --upgrade

# Mac/Linux系统
python3 -m ensurepip --upgrade

2.3 如何安装Python包？ #

讲解：

使用pip可以轻松安装Python包。安装后的包会被放在系统的Python安装目录中，所有Python项目都可以使用。

安装包的示例：

# 安装单个包
pip install numpy

# 安装多个包
pip install numpy pandas requests

# 安装指定版本的包
pip install numpy==1.21.0

查看已安装的包：

# 列出所有已安装的包
pip list

3. 什么是虚拟环境？ #

3.1 虚拟环境的概念 #

讲解：

虚拟环境（Virtual Environment）是一个独立的Python运行环境。它就像给你的项目单独准备了一个"房间"，这个房间里有自己独立的Python解释器和包，不会影响其他项目。

生活类比：

想象一下：

• 全局环境：就像学校的公共图书馆，所有学生都可以使用，但书是共享的
• 虚拟环境：就像每个学生自己的书桌，可以放自己需要的书，不会影响别人

3.2 虚拟环境的作用 #

讲解：

虚拟环境主要解决以下问题：

1. 版本冲突：项目A需要numpy 1.20版本，项目B需要numpy 1.21版本，如果都装在全局环境就会冲突
2. 环境隔离：每个项目的依赖互不干扰
3. 便于分享：可以记录项目需要哪些包，其他人可以快速搭建相同环境

4. 为什么需要虚拟环境？ #

4.1 避免版本冲突 #

讲解：

假设你有两个项目：

• 项目A：需要旧版本的某个包（比如numpy 1.19）
• 项目B：需要新版本的同一个包（比如numpy 1.21）

如果都安装在全局环境，只能安装一个版本，另一个项目就会出错。虚拟环境让每个项目有自己独立的包版本。

4.2 保持系统环境干净 #

讲解：

直接在系统Python中安装包会"污染"全局环境。使用虚拟环境后，系统Python保持干净，只有虚拟环境中才有项目需要的包。

4.3 便于项目管理和分享 #

讲解：

虚拟环境可以记录项目需要哪些包，生成一个依赖文件（requirements.txt）。其他人拿到你的项目后，可以快速安装相同的包，保证环境一致。

5. 准备工作 #

5.1 检查Python版本 #

讲解：

虚拟环境功能需要Python 3.3及以上版本。现在让我们检查一下你的Python版本。

检查Python版本：

# Windows系统
python --version

# Mac/Linux系统
python3 --version

如果显示Python 3.3或更高版本，就可以使用虚拟环境了。

5.2 确认pip可用 #

讲解：

确保pip工具可以正常使用，这是安装包和管理虚拟环境的基础。

测试pip：

# 查看pip版本
pip --version

# 如果显示版本号，说明pip可用
# 如果报错，需要先安装pip（参考2.2节）

6. 创建你的第一个虚拟环境 #

6.1 选择项目目录 #

讲解：

首先，我们需要在一个文件夹中创建虚拟环境。建议为每个项目创建独立的虚拟环境。

创建项目文件夹：

# Windows系统（在CMD或PowerShell中）
mkdir my_first_project
cd my_first_project

# Mac/Linux系统（在终端中）
mkdir my_first_project
cd my_first_project

6.2 创建虚拟环境 #

讲解：

使用Python内置的venv模块创建虚拟环境。venv是Python 3.3+自带的，不需要额外安装。

创建虚拟环境的命令：

# Windows系统
python -m venv venv

# Mac/Linux系统
python3 -m venv venv

命令解释：

• python -m venv：使用venv模块
• venv：虚拟环境的文件夹名称（可以改成其他名字，比如myenv）

创建成功后，你会看到项目文件夹中多了一个venv文件夹。

6.3 查看虚拟环境结构 #

讲解：

虚拟环境创建后，里面包含了独立的Python解释器和pip工具。让我们看看它的结构。

查看虚拟环境内容：

# Windows系统
dir venv

# Mac/Linux系统
ls venv

虚拟环境的主要文件夹：

• Scripts/（Windows）或bin/（Mac/Linux）：包含可执行文件，如python、pip
• Lib/：包含安装的Python包
• pyvenv.cfg：配置文件

7. 激活和退出虚拟环境 #

7.1 激活虚拟环境 #

讲解：

创建虚拟环境后，需要"激活"它才能使用。激活后，你安装的包会安装到虚拟环境中，而不是全局环境。

激活虚拟环境：

# Windows系统（CMD）
venv\Scripts\activate

# Windows系统（PowerShell）
venv\Scripts\Activate.ps1

# Mac/Linux系统
source venv/bin/activate

激活成功的标志：

激活后，命令行提示符前面会显示(venv)，表示当前在虚拟环境中：

# 激活前
C:\Users\YourName>

# 激活后（Windows）
(venv) C:\Users\YourName>

# 激活后（Mac/Linux）
(venv) username@computer:~/my_first_project$

7.2 验证虚拟环境 #

讲解：

激活后，让我们验证一下是否真的在使用虚拟环境。

检查Python路径：

# 查看当前使用的Python路径
# Windows系统
where python

# Mac/Linux系统
which python

你会看到Python路径指向虚拟环境中的Python，而不是系统Python。

7.3 退出虚拟环境 #

讲解：

当你完成工作，想要退出虚拟环境时，使用deactivate命令。

退出虚拟环境：

# 所有系统都使用这个命令
deactivate

退出后，提示符前的(venv)会消失，表示已回到全局环境。

8. 在虚拟环境中安装和使用包 #

8.1 激活虚拟环境并安装包 #

讲解：

现在让我们在虚拟环境中安装一些常用的包。记住，一定要先激活虚拟环境！

完整示例：

# 第一步：激活虚拟环境
# Windows (CMD)
venv\Scripts\activate

# Windows (PowerShell)
venv\Scripts\Activate.ps1

# Mac/Linux
source venv/bin/activate

# 第二步：安装包（现在安装的包只会在这个虚拟环境中）
pip install numpy

# 第三步：验证安装
pip list

# 你会看到numpy在列表中，而且只在这个虚拟环境中

8.2 在Python代码中使用安装的包 #

讲解：

安装包后，我们可以在Python代码中使用它。让我们创建一个简单的示例。

创建测试文件：

# test_numpy.py
# 这个文件用于测试numpy是否安装成功

# 导入numpy包
import numpy as np

# 创建一个数组
arr = np.array([1, 2, 3, 4, 5])

# 打印数组
print("创建的数组：", arr)

# 计算数组的平均值
print("平均值：", np.mean(arr))

运行测试：

# 确保虚拟环境已激活（提示符前有(venv)）
# 运行Python文件
python test_numpy.py

如果运行成功并输出结果，说明虚拟环境和包都工作正常！

8.3 对比全局环境和虚拟环境 #

讲解：

让我们做一个对比实验，看看全局环境和虚拟环境的区别。

实验步骤：

# 1. 在全局环境查看已安装的包
# 先退出虚拟环境（如果已激活）
deactivate

# 查看全局环境的包
pip list

# 2. 激活虚拟环境
# Windows
venv\Scripts\activate

# Mac/Linux
source venv/bin/activate

# 3. 查看虚拟环境的包
pip list

# 你会发现两个环境的包列表是不同的！

9. 依赖管理：requirements.txt #

9.1 什么是requirements.txt？ #

讲解：

requirements.txt是一个文本文件，记录了项目需要哪些Python包及其版本。有了这个文件，其他人可以快速安装相同的依赖。

9.2 生成requirements.txt #

讲解：

当我们安装了一些包后，可以生成一个requirements.txt文件，记录当前虚拟环境中安装的所有包。

生成依赖文件：

# 确保虚拟环境已激活
# 生成requirements.txt文件
pip freeze > requirements.txt

查看生成的文件：

# Windows系统
type requirements.txt

# Mac/Linux系统
cat requirements.txt

文件内容示例：

numpy==1.21.0
pandas==1.3.0
requests==2.26.0

9.3 从requirements.txt安装依赖 #

讲解：

当别人拿到你的项目，或者你在新电脑上重新搭建环境时，可以从requirements.txt安装所有依赖。

安装依赖：

# 第一步：创建并激活新的虚拟环境
python -m venv new_env
# Windows
new_env\Scripts\activate
# Mac/Linux
source new_env/bin/activate

# 第二步：从requirements.txt安装所有包
pip install -r requirements.txt

# 第三步：验证安装
pip list

9.4 手动编写requirements.txt #

讲解：

你也可以手动创建requirements.txt文件，只记录项目真正需要的包。

创建requirements.txt：

# requirements.txt
# 这是项目依赖文件
# 每行一个包，可以指定版本

# 数据处理
numpy>=1.20.0
pandas>=1.3.0

# 网络请求
requests>=2.25.0

# Web框架（如果需要）
flask>=2.0.0

版本号说明：

• ==1.21.0：精确版本
• >=1.20.0：最低版本
• ~=1.20.0：兼容版本

10. 完整项目示例 #

10.1 项目结构 #

讲解：

让我们创建一个完整的项目示例，展示虚拟环境在实际项目中的使用。

项目文件夹结构：

my_project/
├── venv/              # 虚拟环境（不要提交到git）
├── main.py            # 主程序文件
├── requirements.txt   # 依赖列表
└── README.md          # 项目说明

10.2 创建项目文件 #

讲解：

让我们创建一个简单的数据分析项目作为示例。

创建main.py：

# main.py
# 这是一个简单的数据分析示例程序

# 导入需要的包
import numpy as np
import pandas as pd

# 创建示例数据
def create_sample_data():
    """创建示例数据"""
    # 生成随机数据
    data = {
        '姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [25, 30, 35, 28],
        '工资': [5000, 8000, 12000, 6000]
    }
    # 创建DataFrame
    df = pd.DataFrame(data)
    return df

# 分析数据
def analyze_data(df):
    """分析数据"""
    # 打印数据
    print("员工数据：")
    print(df)
    print("\n" + "="*30 + "\n")

    # 计算平均年龄
    avg_age = df['年龄'].mean()
    print(f"平均年龄：{avg_age:.1f}岁")

    # 计算平均工资
    avg_salary = df['工资'].mean()
    print(f"平均工资：{avg_salary:.0f}元")

    # 找出工资最高的人
    max_salary_person = df.loc[df['工资'].idxmax()]
    print(f"\n工资最高：{max_salary_person['姓名']}，{max_salary_person['工资']}元")

# 主程序
if __name__ == "__main__":
    # 创建数据
    data = create_sample_data()

    # 分析数据
    analyze_data(data)

创建requirements.txt：

# requirements.txt
# 项目依赖包列表

numpy>=1.20.0
pandas>=1.3.0

10.3 运行项目 #

讲解：

现在让我们按照正确的步骤运行这个项目。

完整操作步骤：

# 第一步：创建项目文件夹
mkdir my_project
cd my_project

# 第二步：创建虚拟环境
# Windows
python -m venv venv
# Mac/Linux
python3 -m venv venv

# 第三步：激活虚拟环境
# Windows (CMD)
venv\Scripts\activate
# Windows (PowerShell)
venv\Scripts\Activate.ps1
# Mac/Linux
source venv/bin/activate

# 第四步：安装依赖
pip install -r requirements.txt

# 第五步：运行程序
python main.py

如果一切正常，你会看到数据分析的结果输出！

11. 常见问题和解决方案 #

11.1 虚拟环境激活失败 #

问题： 在Windows PowerShell中执行venv\Scripts\activate报错

解决方案：

# PowerShell默认不允许执行脚本，需要修改执行策略
# 以管理员身份打开PowerShell，执行：
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

# 或者直接使用CMD而不是PowerShell

11.2 找不到python命令 #

问题： 输入python提示找不到命令

解决方案：

# Windows系统，尝试使用：
py -m venv venv

# Mac/Linux系统，尝试使用：
python3 -m venv venv

# 或者使用完整路径
# 先找到Python安装路径，然后使用完整路径创建虚拟环境

11.3 包安装到全局环境而不是虚拟环境 #

问题： 安装包后发现安装到了全局环境

解决方案：

# 检查是否激活了虚拟环境
# 提示符前应该有(venv)

# 如果没有，先激活：
# Windows
venv\Scripts\activate
# Mac/Linux
source venv/bin/activate

# 然后检查Python路径
# Windows
where python
# Mac/Linux
which python

# 应该指向虚拟环境中的Python

11.4 虚拟环境占用空间太大 #

问题： 虚拟环境文件夹很大

讲解：

虚拟环境确实会占用一些空间（通常几百MB），这是正常的。每个项目都有独立的虚拟环境，可以：

• 项目完成后删除虚拟环境（直接删除venv文件夹）
• 需要时重新创建：python -m venv venv，然后pip install -r requirements.txt

11.5 如何删除虚拟环境？ #

讲解：

删除虚拟环境很简单，直接删除虚拟环境文件夹即可。

删除方法：

# 先退出虚拟环境（如果已激活）
deactivate

# 然后删除文件夹
# Windows
rmdir /s venv

# Mac/Linux
rm -rf venv

12. 最佳实践 #

12.1 每个项目一个虚拟环境 #

讲解：

为每个Python项目创建独立的虚拟环境，这样可以避免不同项目之间的依赖冲突。

12.2 不要提交虚拟环境到Git #

讲解：

虚拟环境文件夹（venv/）不应该提交到Git仓库，因为：

• 文件太多，占用空间大
• 不同操作系统不兼容
• 可以通过requirements.txt重新创建

创建.gitignore文件：

# .gitignore
# Python虚拟环境
venv/
env/
ENV/

# Python缓存文件
__pycache__/
*.pyc
*.pyo

# 其他
.DS_Store

12.3 及时更新requirements.txt #

讲解：

当你在虚拟环境中安装新包后，记得更新requirements.txt：

# 安装新包后
pip freeze > requirements.txt

12.4 在README中说明环境要求 #

讲解：

在项目的README.md文件中，说明如何搭建环境：

## 环境搭建

1. 创建虚拟环境：`python -m venv venv`
2. 激活虚拟环境：`venv\Scripts\activate` (Windows) 或 `source venv/bin/activate` (Mac/Linux)
3. 安装依赖：`pip install -r requirements.txt`

13. 总结 #

13.1 核心要点回顾 #

讲解：

通过本教程，你应该掌握了：

1. 虚拟环境的概念：独立的Python运行环境
2. 创建虚拟环境：python -m venv venv
3. 激活虚拟环境：venv\Scripts\activate（Windows）或source venv/bin/activate（Mac/Linux）
4. 退出虚拟环境：deactivate
5. 依赖管理：使用requirements.txt记录和安装依赖

13.2 下一步学习 #

讲解：

掌握了虚拟环境后，你可以：

• 开始学习Python的各种包（numpy、pandas、requests等）
• 学习如何构建完整的Python项目
• 学习如何将项目部署到服务器

13.3 实践建议 #

讲解：

最好的学习方式是实践：

1. 创建一个新项目
2. 创建虚拟环境
3. 安装一些包并编写代码
4. 生成requirements.txt
5. 删除虚拟环境，然后重新创建并安装依赖

通过反复练习，你会越来越熟练！

祝你学习愉快！如果遇到问题，记得查看"常见问题和解决方案"部分。