我用Pipenv来管理项目环境,大写的爽

我用Pipenv来管理项目环境,大写的爽

Pipenv

Pipenv的主要目的是为应用程序的用户和开发人员提供一种简单的方法来设置工做环境。”html

安装

pip install pipenv
推荐镜像源安装,速度快,不易失败。提早说明:大佬不喜勿喷,欢迎评论提建议。python

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pipenv

建立虚拟环境

一、先新建一个目录

cd /Users/xks/Envs/
mkdir sklearn_env

二、建立虚拟环境

pipenv install

运行结束后在sklearn_env文件夹中会生成两个文件web

我用Pipenv来管理项目环境,大写的爽

  • Pipfile 记录项目依赖包列表。替换为清华大学镜像源安装,后期安装包速度快。

我用Pipenv来管理项目环境,大写的爽

  • Pipfile.lock 记录了固定版本的详细依赖包列表。

我用Pipenv来管理项目环境,大写的爽

三、进入虚拟环境

pipenv shell

四、在虚拟环境安装模块

pipenv install scikit-learn

我用Pipenv来管理项目环境,大写的爽

五、查看虚拟环境安装的模块有哪些

pipenv graph
或者
pip list

我用Pipenv来管理项目环境,大写的爽

六、在Pycharm中引用pipenv虚拟环境

pipenv --venv
运行结果:
/Users/xks/.local/share/virtualenvs/sklearn_env-nfwWy6Xn
复制上面目录,使用Pycharm新建一个项目,以下视频所示:shell

七、经常使用命令

pipenv --where                 查看本地工程路径,直接pwd也是同样
pipenv --venv                  查看虚拟环境路径,真实路径
pipenv --py                    查看虚拟环境的Python可执行文件
pipenv install                 建立虚拟环境,在目录中生成Pipfile和Pipfile.lock
pipenv isntall [moduel]        安装包/模块,和pip好像没差异
pipenv install [moduel] --dev  安装包到开发环境
pipenv uninstall[module]       卸载包/模块
pipenv uninstall --all         卸载全部包/模块
pipenv graph                   查看虚拟环境有哪些包/模块
pipenv lock                    生成Pipfile.lock,记录项目依赖的包/模块
pipenv run python [pyfile]     运行python文件
pipenv --rm                    删除虚拟环境

说说为何推荐Pipenv

以前用windows时一直使用的virtualenvwrapper,后来换了mac后,主要作数据分析相关需求用,基本使用的库就Pandas、Numpy、Pyecharts等,基本就直接pip install到本地环境了,如今想在闲暇时候本身搞些事情,web啊、爬虫啊、机器学习呀等,都想试试,因此在开始以前,合理的规划、管理本地环境是很是有必要的,因此我选择了Pipenv,确实用起来舒服,不须要不少理由,什么大神之做、比什么什么好不少、最方便快捷,从文章你能够看出,简洁、舒服。windows

因此,若是你以为也合适,那就使用起来,若是你不感冒,忽略就好,固然,欢迎你们分享本身更好的方法,一块儿学习,共同进步,老表回来了。app

参考资料

[1]
Pipenv: Python Dev Workflow for Humans: https://pipenv.pypa.io/en/latest/
[2]
Pipenv——最好用的python虚拟环境和包管理工具: https://www.cnblogs.com/zingp/p/8525138.htmlecharts

长按扫码关注
一块儿学Python
我用Pipenv来管理项目环境,大写的爽

原创不易,莫要白嫖,若是以为有点用的话,请绝不留情地素质三连吧,分享、点赞、在看、收藏,我不挑,由于这将是我写做更多优质文章的最强动力。机器学习

往期精选(猛戳可查看)

一、Excel查询函数终结者
二、数据分析中经常使用的Python内置函数
三、整理了我开始分享学习笔记到如今超过250篇优质文章,涵盖数据分析、爬虫、机器学习等方面,别再说不知道该从哪开始,实战哪里找了ide

相关文章
相关标签/搜索