Ubuntu如何管理Python依赖包

Ubuntu管理Python依赖包的常用方法

1. 基础工具：pip与虚拟环境

pip是Python官方包管理工具，用于安装、升级、卸载Python包；虚拟环境（如venv）可隔离项目依赖，避免版本冲突。

• 安装pip：Ubuntu默认可能未安装pip，需通过以下命令安装：
  sudo apt update && sudo apt install python3-pip
• pip核心命令：
  • 安装包：pip3 install package_name（如pip3 install numpy）；
  • 升级包：pip3 install --upgrade package_name；
  • 卸载包：pip3 uninstall package_name；
  • 查看已安装包：pip3 list；
  • 导出依赖列表：pip freeze > requirements.txt（生成当前环境的包及版本信息）；
  • 从文件安装依赖：pip3 install -r requirements.txt（用于快速复现项目环境）。
• 使用venv创建虚拟环境：
  • 创建环境：python3 -m venv myenv（myenv为环境名称，可自定义）；
  • 激活环境：source myenv/bin/activate（激活后终端提示符会显示环境名）；
  • 停用环境：deactivate（退出当前虚拟环境）。

2. 进阶工具：Poetry

Poetry是现代Python包管理工具，集成了依赖管理、虚拟环境创建、项目打包等功能，适合复杂项目。

• 安装Poetry：通过官方脚本安装（推荐）：
  curl -sSL https://install.python-poetry.org | python3 -
• 核心操作：
  • 初始化项目：poetry init（按提示填写项目信息，生成pyproject.toml配置文件）；
  • 添加依赖：poetry add package_name（如poetry add flask）；
  • 安装所有依赖：poetry install（首次运行会自动创建虚拟环境）；
  • 更新依赖：poetry update package_name（更新指定包）或poetry update（更新所有包）；
  • 激活虚拟环境：poetry shell（进入项目虚拟环境）。

3. 数据科适用：conda

conda是开源包管理器与环境管理器，擅长处理数据科学、机器学习项目的复杂依赖（包括非Python包，如CUDA）。

• 安装conda：通过Miniconda安装（轻量便捷）：
  wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh && bash Miniconda3-latest-Linux-x86_64.sh（按提示完成安装）。
• 核心操作：
  • 创建环境：conda create --name myenv python=3.9（myenv为环境名，python=3.9指定Python版本）；
  • 激活环境：conda activate myenv；
  • 安装依赖：conda install package_name（如conda install numpy）；
  • 导出环境：conda env export > environment.yml（生成包含所有依赖的环境文件）；
  • 从文件创建环境：conda env create -f environment.yml（快速复现环境）。

4. 替代工具：pipenv

pipenv结合了pip与virtualenv，提供更智能的依赖解析（解决版本冲突），适合需要平衡简单性与功能性的项目。

• 安装pipenv：通过pip安装：
  sudo apt install python3-pip && pip3 install pipenv
• 核心操作：
  • 创建虚拟环境并安装依赖：pipenv install（若项目目录无Pipfile，会自动生成）；
  • 激活虚拟环境：pipenv shell；
  • 安装特定包：pipenv install package_name（如pipenv install pandas）；
  • 生成锁文件：pipenv lock（锁定依赖版本，确保环境一致性）。