- 题图由 Stable Diffusion 生成。
- 本文旨在提供一个虚拟环境管理方式参考，所提供的虚拟环境管理方式经过作者测试，证实有效。
- 网上这么多 Python 虚拟环境管理的文章或者教程，本文有何存在的必要：第一个原因是，网上提供的教程很多只提供了单一的虚拟环境管理工具，作者由于喜欢折腾，尝试过不同的工具，可以提供一些比较意见供参考。第二个原因是作者折腾过不同的系统，提供的经验适用于 Windows 10/11, Ubuntu 和 Windows Subsystem for Linux (WSL 2).
- 本文不是很友好的新手教程，读者需要有一定的基础，文中使用的一些工具，如 Windows PowerShell 和 Bash，需要读者有一定的了解。
- 本文按如下脉络进行，首先介绍为什么需要进行虚拟环境管理，然后介绍了作者使用过的几种虚拟环境管理实例，最后提供了一些延申参考。
- 由于作者非计算机科班，文章内容只是自己的经验，所以不可避免带有作者的狭隘偏见。
引言：为什么需要进行虚拟环境管理
Python 开发环境管理分为两部分，一个是 Python 版本管理，一个是虚拟环境管理。
很多时候受限于我们的项目依赖，在开发不同的项目时需要用到不同的 Python 版本，例如 TensorFlow 2.10 就只能支持 3.7-3.10 的 Python 版本，但是最新版的 TensorFlow 就支持最新的 Python 3.11. 作者由于同时使用 TensorFlow 和 PyTorch 两个深度学习框架，就在电脑上安装了三个 Python 版本。
如果我们不使用虚拟环境管理的话，我们所有的包都会安装在系统全局 Python （Global Python, 也就是系统默认的 Python 版本） 的目录下，这会导致两个问题：
- 第一个是由于在同一个目录下只能安装某一个包的一个版本，如果有两个项目对同一个依赖包有不同的版本需求，就会导致依赖冲突，给开发带来问题。
- 第二个是，哪怕没有依赖冲突的问题，所有的依赖包安装在同一个目录下，会导致导出的依赖文件过于冗余，这在进行项目开源的时候是非常忌讳的（当然这个问题也存在简单的解决方法）。
基于上述两个原因，Python 开发环境管理的最佳实践是为不同的项目建立不同的虚拟环境。为了满足项目依赖对于 Python 版本的要求，我们在建立虚拟环境的时候，就需要指定 Python 版本，具体指定 Python 版本的方法会在下面的不同实践中具体介绍。
利用 Python 自带的 venv 管理虚拟环境
利用 Python 自带的 venv 管理虚拟环境有两个主要的问题：
- 创建虚拟环境的时候无法指定 Python 的版本。
- 使用 venv 的时候需要指定路径，比较麻烦。
基于上述两个原因，我很快就弃用了 venv。由于作者使用的时间太短，关于 venv 的介绍和详细使用，可以参考少数派站内的两篇文章。
关于 virtualenv，作者在查资料的时候发现二者同源，是 venv 的超集，所以对它也完全没有尝试。
利用 Miniconda/Anaconda 同时管理 Python 版本和虚拟环境
Miniconda 和 Anaconda 都打包了 Conda 这一包管理器，二者的区别在于，Miniconda 里面只包含了 Conda、Python 和一些必备的包，是最小的 Conda 安装环境；而 Anaconda 则提供了很多额外的数据科学或者机器学习的依赖包，例如安装完成之后就可以使用 Python 的IDE Spyder，导致其安装包非常臃肿。
由于 Anaconda 中的很多工具包我们都用不上，所以建议直接 Miniconda，遇到需要的依赖的时候直接安装即可。
由于 Windows 系统没有自带 Python 安装，所以如果直接安装 Miniconda / Anaconda，系统的默认 Python 版本就会是 Miniconda / Anaconda 的 Python 版本。
Windows
- 下载并安装 Miniconda / Anaconda，只需要按照安装提示完成安装即可，安装过程中需要注意的是添加到系统环境变量中的这一步，建议将其添加到系统环境变量（Anaconda 官方安装教程）。
- 创建虚拟环境
conda create -n venv_name python=3.11 # 创建虚拟环境并指定 Python 版本
conda activate venv_name # 激活虚拟环境
conda deactivate # 离开虚拟环境Ubuntu/WSL
由于 Ubuntu/WSL 在 Terminal 里操作非常方便，流程和 Windows 中相同，只是以命令行的形式进行，故而提供完整的命令行参考。
sudo apt update && sudo apt upgrade
sudo apt install wget
wget https://repo.anaconda.com/miniconda/Miniconda3-py311_23.5.2-0-Linux-x86_64.sh # 下载 Miniconda 安装文件
sh ./Miniconda3-py311_23.5.2-0-Linux-x86_64.sh # 安装 Miniconda，需要同意用户协议
conda create -n venv_name python=3.11 # 创建虚拟环境并指定 Python 版本
conda activate venv_name # 激活虚拟环境利用 Pyenv 管理 Python 版本，Pipenv 管理虚拟环境
Windows
- 通过 Windows PowerShell 安装 Pyenv，然后重启电脑
Invoke-WebRequest -UseBasicParsing -Uri "https://raw.githubusercontent.com/pyenv-win/pyenv-win/master/pyenv-win/install-pyenv-win.ps1" -OutFile "./install-pyenv-win.ps1"; &"./install-pyenv-win.ps1"
pyenv --version # 查看 Pyenv 的版本- 利用 Pyenv 安装指定版本的 Python，设置默认版本 Python (Global Python）
pyenv install -l # 查看可以安装的 Python 列表
pyenv install 3.9.13
pyenv install 3.11.1
pyenv versions # 查看电脑中已安装 Python 版本
pyenv global 3.11.1 # 设置默认版本 Python
pyenv version # 查看默认版本 Python- 设置完 Global Python 后，需要将默认版本 Python 添加到系统环境变量中，否则在使用 Pipenv 时会报错：
C:\Users\*****\AppData\Roaming\Python\Python311\Scripts
# 如果不添加到环境变量，使用 Pipenv 时会报此错误
pipenv : 无法将“pipenv”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。
请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。- 安装 Pipenv
pip install pipenv- Pipenv 创建虚拟环境
cd project_dir # 切换到项目文件夹
pipenv install --python 'C:\Users\*****\.pyenv\pyenv-win\versions\3.9.13\python39.exe’ # 创建虚拟环境，此时可以指定 Python 版本
pipenv shell # 启动虚拟环境
pipenv install package # 安装需要的包
exit # 离开虚拟环境
这里需要注意的是，虽然创建虚拟环境是在项目文件夹，但是不同项目的虚拟环境都在同一个目录下管理，不像 venv 会在项目文件夹下。
- 常用命令
pipenv install package # 安装
pipenv uninstall package # 卸载
pipenv graph # 查看按照包的依赖关系
pipenv --venv # 查看虚拟环境执行文件路径
pipenv --rm # 移除虚拟环境Ubuntu/WSL
在 Ubuntu/WSL 中使用 Pyenv 和 Pipenv 的流程还是和 Windows 下相同，所以还是提供完整的命令行参考。
- 首先安装 Pyenv
git clone https://github.com/pyenv/pyenv.git ~/.pyenv
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo -e 'if command -v pyenv 1>/dev/null 2>&1; then\n eval "$(pyenv init -)"\nfi' >> ~/.bashrc
exec "$SHELL"- 利用 Pyenv 安装指定版本的 Python，设置默认版本 Python (Global Python）
# Installing libraries that need for installing Python
sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev
# Installing Python
pyenv install 3.9.13
pyenv install 3.11.1
pyenv versions # 查看电脑中已安装 Python 版本
pyenv global 3.11.1 # 设置默认版本 Python
pyenv version # 查看默认版本 Python- 安装 Pipenv
pip install pipenv # 使用 pip3 安装 pipenv
export PATH="/home/user/.local/bin:$PATH" # 添加路径到 PATH
echo "${PATH//:/$'\n'}" # show path one directory per line - 利用 Pipenv 创建虚拟环境
cd project_dir
pipenv install --python 3.9 # 不用指定 Python 路径
pipenv shell # 启动虚拟环境
pipenv install package # 安装需要的包
exit # 离开虚拟环境到这里可以总结一下，利用 Miniconda/Anaconda 管理开发环境和利用 Pyenv 和 Pipenv 管理开发环境的一个小小的区别：利用 Miniconda/Anaconda 建立虚拟环境的时候，我们指定的 Python 是在此时安装或者确认的，也就是一步到位；利用 Pipenv 建立虚拟环境的时候，我们是需要在已经安装了指定 Python 版本的基础上指定本地 Python 版本，基于此版本的 Python 来建立的虚拟环境，也就是分两步走。
延申：IDE中使用虚拟环境
- VS Code 中使用虚拟环境
Using Python Environments in Visual Studio Code
- PyCharm 中使用虚拟环境
Configure a virtual environment | PyCharm Documentation (jetbrains.com)
- 在 Neovim 中使用虚拟环境是作者计划中的下一篇文章。
