如何使用虚拟环境（Virtualenv）？

betcha

发布时间：2025-09-04 20:36:01

235人浏览过

来源于php中文网

原创

虚拟环境能解决依赖冲突，通过为每个Python项目创建独立环境，实现库和解释器的隔离，避免版本冲突，确保项目间互不干扰。

如何使用虚拟环境（virtualenv）？

虚拟环境（Virtualenv）是Python开发中一个非常基础但极其重要的工具，它允许你为每个项目创建独立的Python运行环境，从而有效地隔离不同项目所需的库和依赖，彻底解决版本冲突的困扰。简单来说，它就像是给你的每一个Python项目都配备了一个专属的、干净的工作间，互不干扰。

解决方案

使用Virtualenv其实并不复杂，但它带来的好处是巨大的。我个人觉得，刚开始用的时候，最容易忘的就是那个激活（activate）命令，但它真的是关键一步。

首先，你需要确保你的系统上已经安装了Python和pip。然后，我们全局安装Virtualenv工具本身：

pip install virtualenv

安装完成后，你就可以在你的项目目录下创建一个新的虚拟环境了。假设你的项目目录是

my_project

：

cd my_project
virtualenv venv  # 或者你喜欢的任何名字，通常叫venv或.venv

这个命令会在

my_project

目录下创建一个名为

venv

的文件夹，里面包含了独立的Python解释器、pip工具以及其他一些必要的脚本。

接下来，也是最关键的一步，你需要“激活”这个虚拟环境。只有激活后，你在这个终端窗口中执行的所有Python命令（如

python

、

pip

）才会指向这个虚拟环境内的解释器和库。

在Linux/macOS系统上：

source venv/bin/activate

在Windows系统上（使用PowerShell）：

.\venv\Scripts\Activate.ps1

在Windows系统上（使用Command Prompt）：

venv\Scripts\activate.bat

激活成功后，你的终端提示符前通常会显示虚拟环境的名字（比如

(venv)

），这表明你当前正在虚拟环境中工作。现在，你可以在这个环境中安装项目所需的任何库了：

pip install requests beautifulsoup4

这些库只会安装到当前的

venv

环境中，不会影响到你系统全局的Python环境，也不会影响到其他项目的虚拟环境。当你完成工作，或者想切换到其他项目时，只需要简单地“停用”当前虚拟环境：

deactivate

终端提示符前的

(venv)

会消失，你又回到了系统全局的Python环境。

虚拟环境真的能解决依赖冲突吗？

这几乎是每一个Python开发者都会遇到的痛点，也是虚拟环境存在的根本原因。答案是肯定的，虚拟环境确实能有效地解决依赖冲突。想想看，你可能有一个老项目，它依赖

Django==1.11

，而你现在正在开发一个新项目，需要用到

Django==3.2

。如果这两个项目都直接使用系统全局的Python环境，那么你安装

Django 3.2

后，老项目就会出问题，反之亦然。

iMuse.AI

iMuse.AI 创意助理，为设计师提供无限灵感！

下载

虚拟环境的机制在于，它为每个项目复制了一个独立的Python解释器，并且拥有自己独立的

site-packages

目录。当你激活一个虚拟环境时，你的shell会修改

PATH

环境变量，让

python

和

pip

命令指向这个虚拟环境内部的副本。这意味着：

独立的库安装路径： 任何通过
```
pip
```
安装的库都会存放在当前激活的虚拟环境的
```
site-packages
```
目录中，而不会影响到全局Python或其他虚拟环境的
```
site-packages
```
。
独立的解释器： 每个虚拟环境都有自己的Python解释器副本，确保了代码运行的上下文是完全隔离的。

所以，你可以为老项目创建一个虚拟环境，安装

Django==1.11

；再为新项目创建另一个虚拟环境，安装

Django==3.2

。它们各自在自己的沙盒里运行，互不干扰，完美解决了依赖版本冲突的问题。我个人在处理一些遗留项目时，如果没有虚拟环境，简直无法想象如何高效工作，它简直是我的救星。

虚拟环境和Conda有什么区别？

这是一个很常见的问题，尤其是在数据科学和机器学习领域，Conda（或者Miniconda/Anaconda）非常流行。它们的目标都是为了创建隔离的运行环境，但实现方式和侧重点有所不同。

Virtualenv（以及venv模块，Python 3.3+内置）

专注于Python： Virtualenv主要是为Python项目设计的，它管理Python包和Python解释器版本。
轻量级： 它只包含Python解释器和pip，以及一些基础的脚本，创建速度快，占用空间小。
依赖Python： Virtualenv本身需要一个已经安装好的Python环境来创建虚拟环境。
使用场景： 适用于纯Python项目开发，当你只需要管理Python包依赖时，它足够了。

Conda（Miniconda/Anaconda）

跨语言、跨平台： Conda是一个通用的包管理器和环境管理器，它不仅能管理Python包，还能管理R、Julia、Node.js等其他语言的包，甚至包括非语言相关的系统级库（如CUDA、MKL等）。
环境管理更全面： Conda能够管理Python解释器本身的版本。你可以用Conda创建Python 3.8的环境，也可以创建Python 3.9的环境，而无需系统预装这些版本的Python。
独立性强： Conda环境可以完全独立于系统上的任何Python安装。
使用场景： 在数据科学、机器学习领域非常流行，因为这些领域往往需要复杂的科学计算库（NumPy, SciPy, Pandas, TensorFlow等），这些库可能依赖于特定的C/C++编译器或MKL库，Conda能够更好地管理这些非Python依赖。

在我看来，如果你只是进行常规的Web开发、脚本编写等纯Python项目，Virtualenv（或Python 3.3+自带的

venv

模块）是更轻量、更直接的选择。但如果你涉及数据科学、需要特定版本的Python解释器、或者需要管理非Python的二进制依赖，那么Conda会是更强大的工具。我通常是根据项目需求来选择，如果项目涉及到复杂的科学计算，我往往会倾向于Conda，因为它在处理那些底层依赖时确实更省心。

如何管理多个虚拟环境，避免混乱？

随着项目数量的增加，你可能会发现自己创建了几十个虚拟环境，它们散落在不同的项目目录里，有时候会忘记哪个环境对应哪个项目，或者想快速切换环境时感到不便。为了避免这种混乱，我有几个实践经验可以分享：

统一命名约定： 始终将虚拟环境命名为
```
venv
```
或
```
.venv
```
，并将其直接放在项目根目录下。这样，当你进入项目目录时，就能一眼看到它的虚拟环境。同时，记得将
```
venv/
```
添加到你的
```
.gitignore
```
文件中，避免将环境文件提交到版本控制。
使用
```
virtualenvwrapper
```
（或类似的工具）： 这是我个人非常推荐的一个工具，尤其是在Linux/macOS系统上。
```
virtualenvwrapper
```
提供了一组命令行工具，让你能够在一个集中的位置管理所有虚拟环境。
- ```
mkvirtualenv my_project_env
```
  ：创建一个名为
```
my_project_env
```
  的虚拟环境，并自动激活。
- ```
workon my_project_env
```
  ：快速切换到指定的虚拟环境。
- ```
lsvirtualenv
```
  ：列出所有已创建的虚拟环境。
- ```
rmvirtualenv my_project_env
```
  ：删除一个虚拟环境。它将所有虚拟环境统一存放在一个目录下（通常是
```
~/.virtualenvs
```
  ），极大地方便了管理和查找。
集成到IDE/编辑器： 现代的IDE（如PyCharm、VS Code）都对虚拟环境有很好的支持。它们通常能自动检测项目目录下的虚拟环境，并允许你轻松地选择或创建新的虚拟环境作为项目的解释器。这能让你在开发过程中几乎忘记虚拟环境的存在，因为IDE已经帮你处理了激活和停用。
```
pyenv
```
与
virtualenv
结合使用：如果你需要管理多个Python版本（例如，有些项目需要Python 3.7，有些需要Python 3.9），那么
```
pyenv
```
是一个非常强大的工具。
```
pyenv
```
允许你在系统上安装和切换不同版本的Python。它还可以与
```
virtualenv
```
（通过
```
pyenv-virtualenv
```
插件）结合使用，让你能为特定Python版本的虚拟环境。这样，你可以先用
```
pyenv
```
切换到所需的Python版本，然后在这个版本上创建虚拟环境。