python新建干净环境

### 如何在 Python 中创建一个干净的虚拟环境 #### 方法一：使用 `venv` 模块 Python 自带的 `venv` 模块可以用来创建独立的虚拟环境。以下是具体操作方法： 1. **安装必要的工具** 如果尚未安装 `python3-venv`，可以通过包管理器进行安装。 ```bash sudo apt-get install python3-venv ``` 2. **创建虚拟环境** 使用以下命令创建一个新的虚拟环境目录 `/path/to/your/env`： ```bash python3 -m venv /path/to/your/env ``` 这会生成一个包含所有必要文件的新目录。 3. **激活虚拟环境** 在 Linux 或 macOS 上运行以下命令： ```bash source /path/to/your/env/bin/activate ``` 在 Windows 上则运行： ```cmd \path\to\your\env\Scripts\activate ``` 4. **升级 pip 并清理默认依赖** 虽然通过 `venv` 创建的环境通常已经很“干净”，但仍建议升级 `pip` 来确保最新功能支持： ```bash python -m pip install --upgrade pip ``` 5. **验证环境状态** 列出当前已安装的包以确认环境是否清洁： ```bash pip list ``` 此时应该仅显示基础包如 `pip`, `setuptools` 和 `wheel`[^3]。 --- #### 方法二：使用 Conda 创建完全干净的虚拟环境 Conda 是另一种流行的包管理和环境管理系统，尤其适合科学计算领域。 1. **创建无默认包的虚拟环境** 使用以下命令创建名为 `my_clean_env` 的新环境并指定 Python 版本： ```bash conda create --name my_clean_env python=3.9 --no-default-packages ``` 2. **激活虚拟环境** 启动刚刚创建的环境： ```bash conda activate my_clean_env ``` 3. **清除多余依赖** 默认情况下，即使指定了 `--no-default-packages` 参数，仍可能有一些基本包存在（例如 `certifi`）。为了进一步减少不必要的依赖，可手动移除非必需项： ```bash conda remove certifi setuptools wheel ``` 4. **重新安装最小化的核心组件** 若需要恢复核心工具链，则可通过显式方式安装它们： ```bash python -m pip install --upgrade pip setuptools wheel ``` 5. **验证环境纯净度** 查看当前环境下有哪些包被安装： ```bash pip list ``` 结果应类似于以下列表[^2]: ``` Package Version ------------- --------- pip 21.3.1 setuptools 58.0.4 wheel 0.37.1 wincertstore 0.2 ``` --- #### 方法三：使用 Virtualenvwrapper 设置工作区 Virtualenvwrapper 提供了一组便捷的 shell 命令用于管理多个虚拟环境。 1. **配置 WORKON_HOME 环境变量** 需要先定义存储所有虚拟环境的工作路径。可以在 PowerShell 下执行如下脚本来完成设置： ```powershell $env:WORKON_HOME="E:\Python\Envs" ``` 2. **初始化 virtualenvwrapper 工具** 安装完成后需加载插件到 Shell 中： ```bash export VIRTUALENVWRAPPER_PYTHON=$(which python) source $(which virtualenvwrapper.sh) ``` 3. **新建虚拟环境** 执行下面指令即可快速建立新的隔离空间： ```bash mkvirtualenv clean_venv ``` 4. **切换至目标环境** 当前活动区域自动更改为所选名称；如果希望稍后再进入该位置，只需输入： ```bash workon clean_venv ``` 5. **删除不再使用的环境实例** 若要彻底销毁某个特定实例及其关联数据结构，请调用此函数： ```bash rmvirtualenv clean_venv ``` --- #### 总结 以上三种方案各有优劣，推荐初学者优先考虑基于标准库实现的方法即利用内置模块 `venv` 构建简单场景下的开发框架。对于复杂需求或者跨平台协作项目而言，Anaconda 及其子集 Miniconda 将成为更好的解决方案之一[^4]。