1 混乱的Python库

你有没有遇到过这样的问题

在项目A中需要用到某个Python库PkgA，且项目A的其他库要求PkgA的版本必须为v3.0以上，你按要求安装了PkgA v3.0；过了一段时间，老板交给你一个项目B，又用到了PkgA，但这次其他库要求PkgA的版本必须为v2.0及以上，这时候你怎么办？

安装PkgA v3.0则新项目B无法运行，安装PkgA v2.0则旧项目A无法运行，要想同时在一个环境里使用两个项目，必须不停地重装PkgA来更换版本。

上面的例子只涉及两个项目的一个依赖库冲突，如果多个项目呢？如果多个依赖冲突呢？

上面的例子说明了什么呢？其实就是Python语言的痛点：

• 依赖网复杂

  Python的包非常丰富，轮子相当多，开发者在工作时难免会调用这样或那样的包，久而久之，一个功能依赖另一个功能，形成复杂的依赖网络

• 包管理混乱

  通过报错信息不断安装依赖包终于解决了依赖库的问题，但随之而来的就是版本问题，也就是上面例子所体现的依赖冲突，本质上是某个包开发时的不向下兼容导致的

为了解决上面的问题，更好地管理Python库，让其扬长避短，就必须使用环境管理工具，例如本文介绍的Anaconda。

2 什么是Anaconda？

Anaconda是一个开源的跨平台Python发行版本，支持

• Windows
• macOS
• Linux

操作系统。Anaconda中包含了conda等180多个科学包及其依赖项。其中conda则是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

3 Anaconda的安装

进入Anaconda下载界面选择相应的操作系统，本文主要介绍在Windows与Linux下的安装流程。

3.1 Windows系统

Windows有图形化的安装向导，按下面的步骤一步步安装即可

• 运行安装向导

• 选择I Agree

• 选择All Users，其实选Just Me也可以，但这台主机的其他用户就无法使用Anaconda了

• 选择安装路径

• 保持默认选项

• 等待安装结束

• 配置环境变量
  依次点击我的电脑->右键属性->点击高级系统设置->点击环境变量，之后按下图所示配置用户变量

3.2 Linux系统

对于Linux系统，没有图形化的安装界面，按下面输入终端命令即可

• 进入Anaconda安装目录并运行官方安装程序

  bash ./Anaconda3-2021.11-Linux-x86_64.sh
  

• 添加环境变量，其中~/Project/anaconda3/bin替换成自己的安装目录

  echo 'export PATH="~/Project/anaconda3/bin:$PATH"' >> ~/.bashrc
  source ~/.bashrc
  

3.3 测试

打开cmd(Windows)或Terminal(Linux)，输入

conda --version

如果输出版本号则说明安装成功，如下所示。

注意，若运行python脚本时仍然是原环境而非Anaconda环境，则需要注意配置编辑器的python解释器路径。VSCode中，在tasks.json中的args参数中配置

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "catkin_make:debug",
            "type": "shell",
            "command": "catkin_make",
            "args": ["-DPYTHON_EXECUTABLE=/home/winter/Project/anaconda3/envs/server/bin/python "],
            "group": {"kind":"build","isDefault":true},
            "presentation": {
                "reveal": "always"
            },
            "problemMatcher": "$msCompile"
        }
    ]
}

4 虚拟环境管理(速查字典)

用Anaconda可以创建虚拟环境，虚拟环境间彼此隔离，可以解决依赖混乱的情况。虚拟环境管理主要涉及以下的命令，可以作为速查字典以备不时之需

• 创建虚拟环境

  conda create -n test python=3.8
  

  创建了一个名为test的采用3.8版本Python解释器的虚拟环境

• 切换虚拟环境

  conda activate test
  

  切换到名为test的虚拟环境。默认地，用户会进入Anaconda自带的base环境，注意base环境已经与安装Anaconda前的环境不同，因此第一次使用Anaconda可能会产生依赖冲突和缺失。

• 查看虚拟环境

  conda env list
  

• 依赖安装与卸载

  # 安装
  conda install pkg
  pip install pkg
  # 卸载
  conda remove pkg
  pip uninstall pkg
  

  这里推荐使用清华源加快安装速度，使用方法是

  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pkg==version 
  

  即安装了名为pkg，版本为version的包
  如果依赖很多，建议使用requirements.txt批量配置，命令为

  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
  

• 查看环境依赖

  conda list
  

• 复制虚拟环境

  conda env export > test_env.yaml
  conda env create -f test_env.yaml
  

  常用于导出当前虚拟环境的信息或复制虚拟环境

• 删除虚拟环境

  conda remove -n test --all
  

  删除名为test的虚拟环境

🔥 更多精彩专栏：

• 《ROS从入门到精通》
• 《机器人原理与技术》
• 《机器学习强基计划》
• 《计算机视觉教程》
• …

👇源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系👇