python中虚拟环境创建的主流方式详细操作指南

目录

• 一、内置标准库方案：venv
• 二、第三方工具方案
• 1.virtualenv（兼容旧版 Python）
• 2.pipenv（依赖管理+虚拟环境）
• 3.conda（科学计算生态）
• 三、工具对比与选型建议
• 四、最佳实践

适用场景：Python 3.3+ 项目，轻量级隔离需求

操作步骤：

创建环境：

python -m venv myenv # Windows/Linux/macOS 通用1,2,6

生成目录结构：myenv/（含 Scripts/ 或 bin/、Lib/ 等）

激活环境：

• Windows：myenvScriptsactivate
• Linux/macOS：source myenv/bin/activate

激活后命令行显示 (myenv) 前缀。

退出环境：

deactivate

优势：

• 无需额外安装，Python 自带
• 支持 –without-pip（跳过 pip 安装）、–system-site-packages（复用系统包）等参数

适用场景：Python 2.7 或 3.3 以下版本

操作步骤：

pip install virtualenv # 安装工具5,9
virtualenv myenv # 创建环境
source myenv/bin/activate # 激活（Linux/macOS）
myenvScriptsactivate # 激活（Windows）9,10

优势：

• 支持更旧的 Python 版本
• 可通过 –no-site-packages 创建纯净环境

适用场景：项目依赖精细管理

操作步骤：

pip install pipenv # 安装工具5,7
pipenv --python 3.8 # 创建环境并指定 Python 版本
pipenv shell # 激活环境
pipenv install requests # 安装包（自动更新 Pipfile）7

优势：

• 自动生成 Pipfile 和 Pipfile.lock 管理依赖
• 整合虚拟环境与包安装流程

适用场景：数据科学/跨语言依赖

操作步骤：

conda create --name myenv python=3.9 # 创建环境5
conda activate myenv # 激活
conda install numpy # 安装包

优势：

• 支持非 Python 依赖（如 C 库）
• 适合 Anaconda 生态用户

工具	Python 版本	依赖管理	适用场景
venv	3.3+	需手动 pip	轻量隔离、标准项目
virtualenv	全版本兼容	需手动 pip	旧版 Python 支持
pipenv	3.5+	自动锁版本	复杂依赖控制
conda	全版本	跨语言管理	数据科学/多语言项目

1.依赖固化：

pip freeze > requirements.txt # 生成依赖清单8,10
pip install -r requirements.txt # 重建环境

2.IDE 集成：

VS Code/PyCharm 可直接选择虚拟环境解释器

3.目录规范：

虚拟环境目录名建议：.venv 或 venv（避免提交至 Git）

提示：优先使用 venv（Python 3.3+）或 pipenv（需依赖管理），旧项目维护选 virtualenv，科学计算选 conda。激活后注意命令行提示符变化，避免全局环境误操作。

到此这篇关于python中虚拟环境创建的主流方式详细操作指南的文章就介绍到这了,更多相关python虚拟环境创建内容请搜索风君子博客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风君子博客！

您可能感兴趣的文章:

• Macos创建python虚拟环境的详细步骤教学
• linux服务器上创建python虚拟环境过程
• Python中conda虚拟环境创建及使用小结
• 一文教你如何创建Python虚拟环境venv
• python虚拟环境多种创建方式图文详解
• python中创建以及删除虚拟环境的几种方法总结
• python通过cmd创建虚拟环境的实现(pip方式)
• python虚拟环境创建的两种方法