0Pricing
Learn AI with Python · บทเรียน

สภาพแวดล้อมเสมือนและ pip

สร้างสภาพแวดล้อมแบบแยกส่วนด้วย venv ติดตั้งแพ็กเกจ และจัดการ requirements.txt

สภาพแวดล้อมเสมือนและ pip เป็นบทเรียน Learn AI with Python ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Learn AI with Python และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน

เหตุใดจึงต้องใช้สภาพแวดล้อมเสมือน

สภาพแวดล้อมเสมือนคือการติดตั้ง Python ที่แยกออกมาสำหรับโครงการเดียว แต่ละโครงการมีชุดแพ็กเกจของตนเอง ดังนั้นการอัปเกรด NumPy สำหรับโครงการหนึ่งจึงไม่ทำให้โครงการอื่นเสียหาย

หากไม่มีการแยกสภาพแวดล้อม แพ็กเกจทั้งหมดจะติดตั้งไว้ทั่วทั้งระบบ และความขัดแย้งของรุ่นระหว่างโครงการวิทยาการข้อมูลก็จะหลีกเลี่ยงไม่ได้

การสร้างสภาพแวดล้อมเสมือน

โมดูล venv ที่มีมาให้ในตัวจะสร้างสภาพแวดล้อมไว้ในโฟลเดอร์ที่คุณตั้งชื่อ โดยทั่วไปมักใช้ชื่อ .venv

เรียกใช้คำสั่งนี้ภายในโฟลเดอร์รากของโครงการ คำสั่งจะสร้างสำเนาตัวแปลภาษาแบบครบในตัวเองและพื้นที่สำหรับแพ็กเกจ

python -m venv .venv

การเปิดใช้งานบน macOS / Linux

การเปิดใช้งานจะนำ python และ pip ของสภาพแวดล้อมมาไว้ด้านหน้าของ PATH โดยปกติพรอมต์จะแสดง (.venv) เมื่อสภาพแวดล้อมทำงานอยู่

source .venv/bin/activate

การเปิดใช้งานบน Windows

บน Windows สคริปต์เปิดใช้งานจะอยู่ภายใต้ Scripts โดย PowerShell และ cmd ใช้คำสั่งที่แตกต่างกันเล็กน้อย

# PowerShell
.venv\Scripts\Activate.ps1

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

การปิดใช้งาน

เมื่อทำงานเสร็จแล้ว deactivate จะคืนค่า PATH ของเชลล์กลับเป็นค่าปกติ ไฟล์ของสภาพแวดล้อมจะยังคงอยู่ในดิสก์เพื่อใช้ครั้งถัดไป

deactivate

การติดตั้งแพ็กเกจด้วย pip

เมื่อเปิดใช้งานสภาพแวดล้อมแล้ว pip install จะวางแพ็กเกจไว้ภายใน .venv เท่านั้น ติดตั้งแกนหลักสำหรับวิทยาการข้อมูลได้ในบรรทัดเดียว

pip install numpy pandas matplotlib scikit-learn

การระบุรุ่นที่เจาะจง

ใช้ == เพื่อล็อกรุ่นที่แน่นอน ซึ่งช่วยให้ได้ผลลัพธ์ที่ทำซ้ำได้ ใช้ >= เพื่อระบุรุ่นขั้นต่ำ

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

การตรึงการพึ่งพา

pip freeze จะแสดงแพ็กเกจที่ติดตั้งไว้ทุกแพ็กเกจพร้อมรุ่นที่แน่นอน เปลี่ยนเส้นทางผลลัพธ์ไปยัง requirements.txt เพื่อบันทึกสภาพแวดล้อมทั้งหมด

pip freeze > requirements.txt

การกู้คืนจาก requirements.txt

เพื่อนร่วมทีมหรือเซิร์ฟเวอร์ CI ของคุณสามารถสร้างสภาพแวดล้อมที่เหมือนเดิมทุกประการขึ้นใหม่ด้วย -r นี่คือหัวใจของวิทยาการข้อมูลที่ทำซ้ำได้

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

ลักษณะของ requirements.txt

ไฟล์นี้เป็นไฟล์ข้อความธรรมดา โดยมีแพ็กเกจที่ตรึงรุ่นไว้หนึ่งรายการต่อหนึ่งบรรทัด คุณสามารถแก้ไขด้วยตนเองเพื่อผ่อนปรนหรือจำกัดรุ่นให้เข้มงวดขึ้น

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

การไม่รวม venv ไว้ใน Git

อย่าเพิ่มโฟลเดอร์สภาพแวดล้อมลงในการคอมมิต เพราะมีขนาดใหญ่และจำเพาะกับแต่ละเครื่อง ให้คอมมิต requirements.txt แทน และละเว้นโฟลเดอร์ดังกล่าวใน .gitignore

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

ตรวจสอบอย่างรวดเร็ว

ทดสอบความเข้าใจเรื่องการจัดการการพึ่งพา

ทบทวน

คุณได้เรียนรู้ขั้นตอนการทำงานเพื่อให้ทำซ้ำได้:

  • python -m venv .venv สร้างสภาพแวดล้อมที่แยกออกมา
  • source .venv/bin/activate / deactivate ใช้เปิดหรือปิดสภาพแวดล้อม
  • pip install เพิ่มแพ็กเกจไว้ในเครื่อง
  • pip freeze > requirements.txt บันทึกรุ่นของแพ็กเกจ
  • pip install -r requirements.txt กู้คืนแพ็กเกจเหล่านั้น
  • เพิ่ม .venv/ ลงใน .gitignore

คำถามที่พบบ่อย

บทเรียน “สภาพแวดล้อมเสมือนและ pip” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “สภาพแวดล้อมเสมือนและ pip” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Learn AI with Python ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Learn AI with Python มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “สภาพแวดล้อมเสมือนและ pip”

สร้างสภาพแวดล้อมแบบแยกส่วนด้วย venv ติดตั้งแพ็กเกจ และจัดการ requirements.txt คุณปฏิบัติ Learn AI with Python ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Learn AI with Python หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Learn AI with Python บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน

บทเรียน “สภาพแวดล้อมเสมือนและ pip” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Learn AI with Python นี้ได้ไหม

ได้ บทเรียน Learn AI with Python ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. สภาพแวดล้อมเสมือนและ pip
  2. Jupyter Notebooks สำหรับวิทยาศาสตร์ข้อมูล
  3. ชนิดข้อมูล Python สำหรับวิทยาศาสตร์ข้อมูล
  4. การใช้งาน Python REPL และ IPython
← กลับไปที่ Learn AI with Python