一文详解Python虚拟环境venv创建与隔离项目依赖_Python

一、开篇：每个项目一个"干净的房间"

想象你有两个项目：项目a需要django 3.2，项目b需要django 4.2。如果你把所有包都装在全局python环境中，两个项目就会打架——这就是"依赖冲突"。

虚拟环境解决了这个问题：

# 不用虚拟环境（全局安装）
# pip install django==3.2    # 项目a需要
# pip install django==4.2    # 项目b需要——冲突！
# ✅ 用虚拟环境（各自独立）
# 项目a有自己的虚拟环境——里面装django 3.2
# 项目b有自己的虚拟环境——里面装django 4.2
# 互不干扰！

虚拟环境是python项目的标配。它给每个项目一个"干净的房间"——隔离的python解释器和pip包。venv是python 3.3+内置的虚拟环境工具，不需要安装任何额外的包。

二、创建和使用虚拟环境

2.1 基本操作流程

# === windows ===
# 1. 创建虚拟环境（在项目目录下）
cd my_project
python -m venv venv
# 这会在当前目录创建venv文件夹
# 2. 激活虚拟环境
venv\scripts\activate
# 激活后，终端前面会显示 (venv)
# 3. 确认使用的是虚拟环境中的python
where python     # windows
# 应该显示 venv\scripts\python.exe
# 4. 安装依赖
pip install requests flask
# 5. 导出依赖
pip freeze > requirements.txt
# 6. 退出虚拟环境
deactivate
# === linux/mac ===
# python3 -m venv venv
# source venv/bin/activate
# deactivate

2.2 虚拟环境的目录结构

my_project/
├── venv/                    # 虚拟环境目录（一般加入.gitignore）
│   ├── scripts/             # (windows) python解释器、pip、activate
│   │   ├── python.exe
│   │   ├── pip.exe
│   │   └── activate
│   ├── bin/                 # (linux/mac) 同上
│   ├── lib/                 # 安装的包
│   │   └── site-packages/
│   └── pyvenv.cfg           # 配置文件
├── src/                     # 源代码
├── requirements.txt         # 依赖列表
└── readme.md

2.3 venv的常用参数

# 创建虚拟环境时可以指定选项

# 指定python版本（需要系统中已安装）
python3.11 -m venv venv

# 不安装pip（精简环境）
python -m venv venv --without-pip

# 系统site-packages对虚拟环境可见
python -m venv venv --system-site-packages

# 创建前清空目标目录
python -m venv venv --clear

# 升级虚拟环境中的核心依赖（pip, setuptools）
python -m venv venv --upgrade-deps

三、ide集成

3.1 vs code中使用虚拟环境

# vs code会自动检测项目中的虚拟环境

# 1. 创建虚拟环境
python -m venv venv

# 2. vs code中按 ctrl+shift+p
# 输入 "python: select interpreter"
# 选择 venv/scripts/python.exe（windows）
# 或 venv/bin/python（linux/mac）

# 3. 新终端自动激活
# vs code打开新终端时会自动执行 activate

# 4. settings.json中设置默认虚拟环境路径
{
    "python.venvpath": "venv",
    "python.terminal.activateenvironment": true
}

3.2 pycharm中使用虚拟环境

# pycharm创建项目时可以选择使用虚拟环境

# 如果项目已有venv：
# file → settings → project → python interpreter
# 齿轮图标 → add → existing environment
# 选择 venv/scripts/python.exe

四、最佳实践

4.1 虚拟环境管理

# ✅ 习惯一：每个项目一个虚拟环境
# 不要多个项目共享一个虚拟环境

# ✅ 习惯二：虚拟环境目录命名为 venv 或 .venv
# 统一命名，团队成员一看就知道

# ✅ 习惯三：虚拟环境目录加入.gitignore
# echo "venv/" >> .gitignore
# echo ".venv/" >> .gitignore
# 不在git中提交虚拟环境！

# ✅ 习惯四：维护requirements.txt
# 每次安装新包后更新
pip freeze > requirements.txt

# ✅ 习惯五：readme中说明环境搭建步骤
"""
## 环境搭建

python -m venv venv

# windows:
venv\\scripts\\activate

# linux/mac:
source venv/bin/activate

pip install -r requirements.txt
"""

4.2 完整的项目初始化流程

# 1. 创建项目目录
mkdir my_new_project
cd my_new_project

# 2. 初始化git
git init

# 3. 创建虚拟环境
python -m venv venv

# 4. 激活虚拟环境
# windows: venv\scripts\activate
# linux/mac: source venv/bin/activate

# 5. 升级pip
python -m pip install --upgrade pip

# 6. 安装依赖
pip install flask sqlalchemy

# 7. 导出依赖
pip freeze > requirements.txt

# 8. 创建.gitignore
echo "venv/" >> .gitignore
echo "__pycache__/" >> .gitignore
echo "*.pyc" >> .gitignore
echo ".env" >> .gitignore

# 9. 初始化项目代码
mkdir src
# 开始写代码...

五、其他虚拟环境工具

# virtualenv —— venv的前身，更多功能
# pip install virtualenv
# virtualenv venv

# pipenv —— pipfile + 虚拟环境
# pip install pipenv
# pipenv install requests  # 自动创建/管理虚拟环境

# poetry —— 现代化的依赖管理
# pip install poetry
# poetry init
# poetry add requests

# conda —— anaconda生态，适合数据科学
# conda create -n myenv python=3.11

# 💡 选型建议：
# 日常开发 → venv（内置，够用）
# 复杂依赖管理 → poetry
# 数据科学 → conda
# 简单项目 → venv