Virtuelle miljøer og pip
Opret isolerede miljøer med venv, installér pakker, og administrér requirements.txt.
Virtuelle miljøer og pip er en gratis Lær AI med Python-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i Lær AI med Python, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Lær AI med Python-kurset indeholder 4 lektioner i alt.
Hvorfor virtuelle miljøer?
Et virtuelt miljø er en isoleret Python-installation til ét projekt. Hvert projekt får sit eget sæt pakker, så en opgradering af NumPy til ét projekt aldrig kan ødelægge et andet.
Uden isolering installeres alle pakker globalt, og versionskonflikter på tværs af datalogi-projekter bliver uundgåelige.
Oprettelse af en venv
Det indbyggede venv-modul opretter et miljø i en mappe, du angiver (ofte .venv).
Kør dette i projektets rodmappe. Det opretter en selvstændig kopi af fortolkeren og et sted til pakker.
python -m venv .venvAktivering på macOS / Linux
Aktivering placerer miljøets python og pip forrest i din PATH. Din prompt viser normalt (.venv), når miljøet er aktivt.
source .venv/bin/activateAktivering på Windows
På Windows ligger aktiveringsscriptet under Scripts. PowerShell og cmd bruger lidt forskellige kommandoer.
# PowerShell
.venv\Scripts\Activate.ps1
# cmd.exe
.venv\Scripts\activate.batDeaktivering
Når du er færdig, gendanner deactivate din normale shell-PATH. Miljøfilerne bliver liggende på disken til næste gang.
deactivateInstallation af pakker med pip
Når miljøet er aktivt, placerer pip install kun pakker i .venv. Installér datalogiens grundpakker på én linje.
pip install numpy pandas matplotlib scikit-learnFastlåsning af en bestemt version
Brug == til at fastlåse en nøjagtig version, så resultaterne kan genskabes. Brug >= til at angive et minimum.
pip install numpy==1.26.4
pip install "pandas>=2.0"Fastfrysning af afhængigheder
pip freeze udskriver alle installerede pakker med deres nøjagtige version. Omdirigér resultatet til requirements.txt for at gemme hele miljøet.
pip freeze > requirements.txtGendannelse fra requirements.txt
En kollega (eller din CI-server) genskaber det nøjagtige miljø med -r. Det er kernen i reproducerbar datalogi.
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txtSådan ser requirements.txt ud
Det er en almindelig tekstfil med én fastlåst pakke pr. linje. Du kan redigere den manuelt for at lempe eller stramme versionskravene.
numpy==1.26.4
pandas==2.2.2
matplotlib==3.8.4
scikit-learn==1.4.2Ignorering af venv i Git
Commit aldrig miljømappen; den er stor og specifik for den enkelte maskine. Commit i stedet requirements.txt, og ignorér mappen i .gitignore.
# .gitignore
.venv/
venv/
__pycache__/
*.pycHurtig kontrol
Test din forståelse af afhængighedshåndtering.
Opsamling
Du har lært arbejdsgangen for reproducerbarhed:
python -m venv .venvopretter et isoleret miljøsource .venv/bin/activate/deactivateslår det til og frapip installtilføjer pakker lokaltpip freeze > requirements.txtgemmer versionernepip install -r requirements.txtgendanner dem- Tilføj
.venv/til.gitignore
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 53
- Lektioner
- 225
Ofte stillede spørgsmål
Er lektionen “Virtuelle miljøer og pip” gratis?
Ja — alle 3 lektioner i læringssporet Lær AI med Python, inklusive “Virtuelle miljøer og pip”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Lær AI med Python-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Virtuelle miljøer og pip”?
Opret isolerede miljøer med venv, installér pakker, og administrér requirements.txt. Du øver dig i Lær AI med Python med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Lær AI med Python?
Der kræves ingen tidligere erfaring. Lær AI med Python på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Virtuelle miljøer og pip”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Lær AI med Python-lektion?
Ja. Alle Lær AI med Python-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Virtuelle miljøer og pip
- Jupyter Notebooks til data science
- Python-datatyper til data science
- Arbejde med Python REPL og IPython