0Pricing
Learn AI with Python · Lektion

Virtuelle Umgebungen und pip

Isolierte Umgebungen mit venv erstellen, Pakete installieren und requirements.txt verwalten.

Virtuelle Umgebungen und pip ist eine kostenlose Learn AI with Python-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Learn AI with Python-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.

Warum virtuelle Umgebungen?

Eine virtuelle Umgebung ist eine isolierte Python-Installation für ein einzelnes Projekt. Jedes Projekt erhält seinen eigenen Paketsatz, sodass ein Upgrade von NumPy für ein Projekt ein anderes niemals beschädigen kann.

Ohne diese Isolierung werden alle Pakete global installiert, und Versionskonflikte zwischen Data-Science-Projekten sind unvermeidlich.

Eine venv erstellen

Das integrierte venv-Modul erstellt eine Umgebung in einem von Ihnen benannten Ordner (üblicherweise .venv).

Führen Sie dies im Stammverzeichnis Ihres Projekts aus. Dabei werden eine eigenständige Kopie des Interpreters und ein Speicherort für Pakete erstellt.

python -m venv .venv

Aktivieren unter macOS / Linux

Die Aktivierung setzt das python und pip der Umgebung an den Anfang Ihres PATH. Ihre Eingabeaufforderung zeigt normalerweise (.venv), wenn die Umgebung aktiv ist.

source .venv/bin/activate

Aktivieren unter Windows

Unter Windows befindet sich das Aktivierungsskript im Verzeichnis Scripts. PowerShell und cmd verwenden leicht unterschiedliche Befehle.

# PowerShell
.venv\Scripts\Activate.ps1

# cmd.exe
.venv\Scripts\activate.bat

Deaktivieren

Wenn Sie fertig sind, stellt deactivate den normalen PATH Ihrer Shell wieder her. Die Umgebungsdateien bleiben für die nächste Verwendung auf der Festplatte erhalten.

deactivate

Pakete mit pip installieren

Wenn die Umgebung aktiv ist, legt pip install Pakete ausschließlich in .venv ab. Installieren Sie die grundlegenden Data-Science-Pakete in einer Zeile.

pip install numpy pandas matplotlib scikit-learn

Eine bestimmte Version festlegen

Verwenden Sie ==, um eine exakte Version festzulegen und reproduzierbare Ergebnisse zu gewährleisten. Verwenden Sie >= für eine Mindestversion.

pip install numpy==1.26.4
pip install "pandas>=2.0"

Abhängigkeiten festhalten

pip freeze gibt jedes installierte Paket mit seiner exakten Version aus. Leiten Sie die Ausgabe in requirements.txt um, um die vollständige Umgebung festzuhalten.

pip freeze > requirements.txt

Aus requirements.txt wiederherstellen

Ein Teammitglied (oder Ihr CI-Server) erstellt die exakte Umgebung mit -r neu. Das ist der Kern reproduzierbarer Data Science.

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Aufbau von requirements.txt

Es handelt sich um eine einfache Textdatei mit einem Paket mit festgelegter Version pro Zeile. Sie können die Datei von Hand bearbeiten, um Versionsbereiche zu erweitern oder einzuschränken.

numpy==1.26.4
pandas==2.2.2
matplotlib==3.8.4
scikit-learn==1.4.2

venv in Git ignorieren

Committen Sie den Umgebungsordner niemals; er ist groß und computerspezifisch. Committen Sie stattdessen requirements.txt und tragen Sie den Ordner in .gitignore ein.

# .gitignore
.venv/
venv/
__pycache__/
*.pyc

Schnelltest

Testen Sie Ihr Verständnis der Abhängigkeitsverwaltung.

Zusammenfassung

Sie haben den Workflow für Reproduzierbarkeit gelernt:

  • python -m venv .venv erstellt eine isolierte Umgebung
  • source .venv/bin/activate / deactivate aktiviert bzw. deaktiviert sie
  • pip install fügt Pakete lokal hinzu
  • pip freeze > requirements.txt hält die Versionen fest
  • pip install -r requirements.txt stellt sie wieder her
  • Fügen Sie .venv/ zu .gitignore hinzu

Häufig gestellte Fragen

Ist die Lektion „Virtuelle Umgebungen und pip“ kostenlos?

Ja — der vollständige Text von „Virtuelle Umgebungen und pip“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Learn AI with Python-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Learn AI with Python-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Virtuelle Umgebungen und pip“?

Isolierte Umgebungen mit venv erstellen, Pakete installieren und requirements.txt verwalten. Du übst Learn AI with Python mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Learn AI with Python zu starten?

Keine Vorkenntnisse erforderlich. Learn AI with Python auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „Virtuelle Umgebungen und pip“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Learn AI with Python-Lektion Code schreiben und ausführen?

Ja. Jede Learn AI with Python-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Virtuelle Umgebungen und pip
  2. Jupyter Notebooks für Data Science
  3. Python-Datentypen für Data Science
  4. Mit der Python-REPL und IPython arbeiten
← Zurück zu Learn AI with Python