30. 虚拟环境与项目隔离

为什么需要虚拟环境

想象这个场景：项目 A 需要 requests 2.28，项目 B 需要 requests 2.20。如果都装到系统 Python 里，只能保留一个版本，另一个项目就炸了。

虚拟环境就是给每个项目一个独立的 Python 运行环境，互不影响。

创建虚拟环境

Python 3 内置了 venv 模块：

# 在项目目录里创建虚拟环境
python -m venv venv

这会在当前目录创建一个 venv 文件夹，里面有独立的 Python 解释器和 pip。

激活虚拟环境

创建后需要激活，让当前的命令行会话使用虚拟环境的 Python：

Windows：

venv\Scripts\activate

macOS/Linux：

source venv/bin/activate

激活后，命令行提示符前面会出现 (venv)：

(venv) C:\myproject>

退出虚拟环境

deactivate

提示符前的 (venv) 消失，就回到了系统 Python。

在虚拟环境里工作

激活虚拟环境后，python 和 pip 指向的都是虚拟环境里的版本：

(venv) $ python --version
Python 3.12.0

(venv) $ pip install requests
# 安装到虚拟环境里，不影响系统环境

(venv) $ pip list
# 只显示虚拟环境里安装的包

完整的项目启动流程

# 1. 创建项目目录
mkdir myproject
cd myproject

# 2. 创建虚拟环境
python -m venv venv

# 3. 激活（Windows）
venv\Scripts\activate

# 4. 安装依赖
pip install requests numpy pandas

# 5. 记录依赖
pip freeze > requirements.txt

# 6. 写代码，运行...
python main.py

# 7. 退出
deactivate

删除虚拟环境

虚拟环境就是一个文件夹，不需要时直接删掉：

# Windows
rmdir /s /q venv

# macOS/Linux
rm -rf venv

然后重新创建即可。

.gitignore

虚拟环境不应该提交到版本控制。在 .gitignore 里加上：

venv/
__pycache__/
*.pyc

其他虚拟环境工具

工具	特点
venv	Python 内置，最简单，推荐新手使用
virtualenv	第三方工具，兼容旧版 Python
conda	Anaconda 自带，能管理非 Python 依赖（如 C 库）
poetry	现代化工具，自动管理依赖和虚拟环境
pipenv	结合了 pip 和 virtualenv，但已不推荐新项目使用

初学阶段用 venv 就够了。项目复杂后再考虑 poetry 或 conda。

小结

从第 1 章到第 30 章，你已经学完了 Python 最核心的基础内容：

• 环境搭建与 IDE 配置
• 变量、数据类型、运算符
• 字符串、列表、元组、字典、集合
• 条件控制与循环
• 函数定义、参数、递归、装饰器
• 迭代器、生成器、高阶函数
• 模块、包、虚拟环境

下一步建议：用所学知识写一个小项目（比如命令行 TODO 工具、爬虫、数据处理脚本），在实践中巩固。然后可以继续学习面向对象、异常处理、文件 IO、数据库操作等进阶内容。

---