阅读量:26
Ubuntu下Python包管理指南
在Ubuntu系统中，Python包管理可通过系统级包管理器（apt）、Python官方工具（pip）及虚拟环境配合实现，以下是具体操作流程及注意事项：
一、基础包管理工具
1. 使用apt管理系统级Python包
apt是Ubuntu默认的系统包管理器，主要用于安装Ubuntu软件库中的Python包（多为稳定版本）。
- 更新包列表：
sudo apt update（同步软件库最新信息）； - 安装Python包：
sudo apt install python3-包名（如sudo apt install python3-requests安装requests库）； - 卸载Python包：
sudo apt remove python3-包名（如sudo apt remove python3-requests）； - 查看已安装包：
dpkg -l | grep python3-（过滤出所有python3-开头的已安装包）。
注意：apt提供的包版本通常较旧，且仅包含Ubuntu支持的库。
2. 使用pip管理第三方Python包
pip是Python官方包管理工具，可从PyPI（Python Package Index）安装最新版本的第三方库。
- 安装/升级
pip：sudo apt install python3-pip（安装pip）；pip3 install --upgrade pip（升级至最新版）； - 安装包：
pip3 install 包名（如pip3 install requests）；若需指定版本，用pip3 install 包名==版本号（如pip3 install requests==2.25.1）； - 卸载包：
pip3 uninstall 包名（如pip3 uninstall requests）； - 查看已安装包：
pip3 list（列出所有已安装的包及版本）；pip3 show 包名（查看包的详细信息，如作者、依赖等）； - 升级所有过时包：
pip3 list --outdated --format freeze | grep -v '\-e' | cut -d = -f 1 | xargs -n1 pip3 install -U（自动检测并升级所有过时包）。
二、虚拟环境：隔离项目依赖
为避免不同项目间的依赖冲突，推荐使用虚拟环境隔离全局包。Ubuntu下常用venv（Python内置）或virtualenv（第三方工具）：
1. 使用venv（Python 3.3+内置）
- 创建虚拟环境：
python3 -m venv myenv（myenv为环境目录名）； - 激活环境：
source myenv/bin/activate（激活后，终端提示符会显示环境名）； - 退出环境：
deactivate（退出当前虚拟环境）。
激活后，pip安装的包会存放在虚拟环境中，不影响全局Python环境。
2. 使用virtualenv（第三方工具，支持Python 2/3）
- 安装
virtualenv：sudo apt install python3-virtualenv； - 创建/激活/退出：命令与
venv一致（virtualenv myenv、source myenv/bin/activate、deactivate）。
三、依赖文件：规范项目依赖
为便于项目部署和协作，建议使用依赖文件记录项目所需的包及版本：
1. requirements.txt（基础依赖管理）
- 生成文件：
pip3 freeze > requirements.txt（将当前虚拟环境中的所有包及版本写入文件）； - 安装依赖：
pip3 install -r requirements.txt（根据文件安装所有依赖，常用于项目克隆后的环境复现）。
2. 高级工具：pipenv/poetry（整合依赖管理与虚拟环境）
pipenv：结合pip与virtualenv，提供更严格的依赖解析；- 安装：
pip3 install pipenv； - 创建环境并安装依赖：
pipenv install（无参数则安装Pipfile中的依赖）； - 添加包：
pipenv install 包名（自动更新Pipfile和Pipfile.lock）； - 激活环境：
pipenv shell； - 退出环境：
exit。
- 安装：
poetry：现代包管理工具，支持依赖管理、打包、发布一体化；- 安装：
curl -sSL https://install.python-poetry.org | python3 -； - 初始化项目：
poetry init（交互式创建pyproject.toml文件）； - 添加依赖：
poetry add 包名（自动更新pyproject.toml和poetry.lock）； - 安装依赖：
poetry install； - 激活环境：
poetry shell。
- 安装：
四、可选：conda（适合数据科学项目）
若使用Anaconda/Miniconda，conda可管理Python包及环境，尤其适合数据科学项目（如NumPy、Pandas等依赖复杂库的场景）：
- 创建环境：
conda create --name myenv python=3.x（myenv为环境名，3.x为Python版本）； - 激活环境：
conda activate myenv； - 安装包：
conda install 包名（优先从conda仓库安装，也可通过conda install -c conda-forge 包名从conda-forge安装）； - 导出环境：
conda env export > environment.yml（保存环境配置，便于他人复现）； - 从文件创建环境：
conda env create -f environment.yml。
五、注意事项
- 优先使用虚拟环境：避免全局安装导致依赖冲突；
- 区分
apt与pip：apt用于系统级包（如python3-tk），pip用于第三方库（如requests）； - 使用国内镜像源加速：编辑
~/.pip/pip.conf，添加以下内容（以清华大学镜像为例）：[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cnpip下载速度。