0Pricing
Learn AI with Python · Lekcja

Środowiska wirtualne i pip

Tworzenie izolowanych środowisk za pomocą venv, instalowanie pakietów i zarządzanie plikiem requirements.txt.

Środowiska wirtualne i pip to bezpłatna lekcja Learn AI with Python na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Learn AI with Python, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Learn AI with Python zawiera 4 lekcji w sumie.

Dlaczego środowiska wirtualne?

Środowisko wirtualne to odizolowana instalacja języka Python przeznaczona dla jednego projektu. Każdy projekt ma własny zestaw pakietów, więc aktualizacja NumPy w jednym projekcie nigdy nie uszkodzi innego.

Bez izolacji wszystkie pakiety są instalowane globalnie, a konflikty wersji między projektami data science stają się nieuniknione.

Tworzenie środowiska venv

Wbudowany moduł venv tworzy środowisko w określonym przez Państwa folderze, zwykle .venv.

Należy uruchomić to polecenie w katalogu głównym projektu. Tworzy ono samowystarczalną kopię interpretera oraz miejsce na pakiety.

python -m venv .venv

Aktywowanie w systemach macOS i Linux

Aktywacja umieszcza środowiskowe wersje python i pip na początku zmiennej PATH. Po aktywowaniu wiersz poleceń zwykle zawiera (.venv).

source .venv/bin/activate

Aktywowanie w systemie Windows

W systemie Windows skrypt aktywacyjny znajduje się w folderze Scripts. PowerShell i cmd używają nieco różnych poleceń.

# PowerShell
.venv\Scripts\Activate.ps1

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

Dezaktywowanie

Po zakończeniu pracy polecenie deactivate przywraca zwykłą ścieżkę PATH powłoki. Pliki środowiska pozostają na dysku i można ich użyć następnym razem.

deactivate

Instalowanie pakietów za pomocą pip

Gdy środowisko jest aktywne, polecenie pip install umieszcza pakiety wyłącznie w folderze .venv. Rdzeń narzędzi do data science można zainstalować jednym wierszem.

pip install numpy pandas matplotlib scikit-learn

Przypinanie konkretnej wersji

Należy użyć ==, aby zablokować dokładną wersję i zachować powtarzalność wyników. W przypadku wersji minimalnej należy użyć >=.

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

Zamrażanie zależności

Polecenie pip freeze wyświetla każdy zainstalowany pakiet wraz z jego dokładną wersją. Przekierowanie wyniku do pliku requirements.txt pozwala zapisać pełną konfigurację środowiska.

pip freeze > requirements.txt

Odtwarzanie środowiska z requirements.txt

Współpracownik lub serwer CI odtwarza dokładne środowisko za pomocą opcji -r. To podstawa powtarzalności w data science.

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

Jak wygląda plik requirements.txt

To zwykły plik tekstowy, w którym każdy wiersz zawiera jeden przypięty pakiet. Można go ręcznie edytować, aby poluzować lub zaostrzyć ograniczenia wersji.

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

Ignorowanie venv w Git

Nie należy nigdy zatwierdzać folderu środowiska, ponieważ jest duży i zależny od konkretnej maszyny. Zamiast tego należy zatwierdzić plik requirements.txt i dodać folder do .gitignore.

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

Szybkie sprawdzenie

Sprawdź swoją wiedzę na temat zarządzania zależnościami.

Podsumowanie

Poznali Państwo przepływ pracy zapewniający powtarzalność:

  • python -m venv .venv tworzy odizolowane środowisko
  • source .venv/bin/activate / deactivate aktywują je i dezaktywują
  • pip install dodaje pakiety lokalnie
  • pip freeze > requirements.txt zapisuje wersje
  • pip install -r requirements.txt odtwarza je
  • Należy dodać .venv/ do .gitignore

Często zadawane pytania

Czy lekcja „Środowiska wirtualne i pip” jest bezpłatna?

Tak — pełny tekst „Środowiska wirtualne i pip” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Learn AI with Python, przejdź na CoddyKit PRO. Kurs Learn AI with Python zawiera 4 lekcji w sumie.

Co nauczysz się w „Środowiska wirtualne i pip”?

Tworzenie izolowanych środowisk za pomocą venv, instalowanie pakietów i zarządzanie plikiem requirements.txt. Ćwiczysz Learn AI with Python z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Learn AI with Python?

Nie wymagamy żadnego doświadczenia. Learn AI with Python w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.

Ile czasu zajmuje lekcja „Środowiska wirtualne i pip”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Learn AI with Python?

Tak. Każda lekcja Learn AI with Python zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Środowiska wirtualne i pip
  2. Notatniki Jupyter dla data science
  3. Typy danych Pythona dla data science
  4. Praca z REPL Pythona i IPythonem
← Powrót do Learn AI with Python