在Ubuntu系统中,Python依赖管理可以通过多种工具和方法来实现。以下是一些常用的方法:
pip
和requirements.txt
pip
是Python的包管理工具,而requirements.txt
文件用于记录项目所需的依赖包及其版本。
pip
如果你还没有安装pip
,可以使用以下命令安装:
sudo apt update
sudo apt install python3-pip
requirements.txt
在你的项目目录中创建一个requirements.txt
文件,并列出所有需要的依赖包及其版本。例如:
numpy==1.21.2
pandas==1.3.3
requests==2.26.0
使用以下命令安装requirements.txt
中列出的所有依赖包:
pip install -r requirements.txt
conda
conda
是一个开源的包管理器和环境管理器,特别适用于数据科学和机器学习项目。
conda
你可以从Anaconda或Miniconda官网下载并安装适合你系统的版本。以下是Miniconda的安装步骤:
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
使用conda
创建一个新的环境并激活它:
conda create -n myenv python=3.9
conda activate myenv
使用conda
安装所需的包:
conda install numpy pandas requests
venv
venv
是Python自带的虚拟环境管理工具,适用于简单的依赖管理。
在你的项目目录中创建一个虚拟环境:
python3 -m venv myenv
激活虚拟环境:
source myenv/bin/activate
使用pip
安装所需的包:
pip install -r requirements.txt
poetry
poetry
是一个现代的Python包管理和依赖管理工具,适用于复杂的项目。
poetry
使用pip
安装poetry
:
curl -sSL https://install.python-poetry.org | python3 -
在你的项目目录中初始化poetry
:
poetry init
使用poetry
添加所需的包:
poetry add numpy pandas requests
使用poetry
安装所有依赖:
poetry install
pip
和requirements.txt
:适用于简单的依赖管理。conda
:适用于数据科学和机器学习项目,特别是需要管理非Python依赖的情况。venv
:适用于简单的虚拟环境管理。poetry
:适用于复杂的项目,提供更高级的依赖管理和包管理功能。选择哪种方法取决于你的具体需求和项目的复杂性。
亿速云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
相关推荐:Ubuntu上Python依赖如何管理