苟新节

主题

 

Python项目创建和环境配置详细讲解 ​

更新: 8/25/2026字数: 0 字 时长: 0 分钟

bash
# ===== 完整可复制流程（跨平台） =====

# 1. 创建项目文件夹
mkdir pandas-test
cd pandas-test

# 2. 创建虚拟环境（隔离依赖）
python -m venv venv

# 3. 激活虚拟环境
# Windows (CMD / PowerShell):
venv\Scripts\activate
# macOS / Linux:
# source venv/bin/activate

# 4. 升级 pip（强烈建议）
python -m pip install --upgrade pip

# 5. 安装项目依赖
python -m pip install pandas numpy matplotlib openpyxl

# 6. 保存依赖清单
python -m pip freeze > requirements.txt

我们会经常看到类似上面的代码，它们的作用是创建一个独立的 Python 项目环境。下面逐行解释这些命令的作用和背后的原理。

1. 创建项目文件夹 ​

bash
mkdir pandas-test
cd pandas-test

mkdir pandas-test ​

  • mkdir = "make directory"（创建目录）
  • 在当前路径下创建一个名为 pandas-test 的新文件夹
  • 这是项目的根目录，后续所有文件都放在这里

cd pandas-test ​

  • cd = "change directory"（切换目录）
  • 进入刚才创建的文件夹
  • 之后的所有操作都在这个项目目录中进行

2. 创建虚拟环境 ​

bash
python -m venv venv

什么是虚拟环境？ ​

虚拟环境是一个独立的 Python 运行环境。每个项目可以拥有自己独立的依赖包，互不干扰，也不会污染系统全局的 Python 环境。

命令解析 ​

  • python：调用当前的 Python 解释器
  • -m：以模块方式运行后面的包（module）
  • venv：Python 自带的虚拟环境模块
  • 最后一个 venv：你给虚拟环境文件夹起的名字（可以改成 .venv 等）

为什么要用虚拟环境？ ​

python
# 假设有两个项目：
# 项目A需要 pandas 1.5
# 项目B需要 pandas 2.2

# 没有虚拟环境：全局只能安装一个版本，容易冲突
pip install pandas==1.5   # 安装了 1.5
pip install pandas==2.2   # 会覆盖 1.5，项目A可能直接报错

# 有虚拟环境：每个项目完全独立
# 项目A的 venv 里安装 pandas==1.5
# 项目B的 venv 里安装 pandas==2.2
# 互不影响

创建后的目录结构 ​

Windows：

text
pandas-test/
└── venv/
    ├── Scripts/       # 可执行文件（python.exe、pip.exe、activate 等）
    ├── Lib/           # 安装的第三方库
    ├── Include/
    └── pyvenv.cfg     # 环境配置文件

macOS / Linux：

text
pandas-test/
└── venv/
    ├── bin/           # 可执行文件（python、pip、activate 等）
    ├── lib/
    ├── include/
    └── pyvenv.cfg

3. 激活虚拟环境 ​

bash
# Windows:
venv\Scripts\activate

# macOS / Linux:
source venv/bin/activate

激活后的主要变化 ​

  1. 命令行提示符前面通常会显示 (venv)
  2. python 和 pip 命令都指向虚拟环境内部的版本
  3. 之后用 pip 安装的包只会装到当前虚拟环境中
  4. 系统全局的 Python 包不会受到影响

激活前后对比 ​

激活前（系统全局环境）：

bash
$ where python          # Windows
C:\Python312\python.exe

$ which python          # macOS/Linux
/usr/bin/python3

激活后（虚拟环境）：

bash
$ where python          # Windows
D:\pandas-test\venv\Scripts\python.exe

$ which python          # macOS/Linux
/home/user/pandas-test/venv/bin/python

提示（Windows PowerShell）：如果遇到无法执行脚本的错误，可先运行：

powershell
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

4. 升级 pip 并安装依赖包 ​

bash
python -m pip install --upgrade pip
python -m pip install pandas numpy matplotlib openpyxl

为什么推荐使用 python -m pip？ ​

直接敲 pip 有时会调用到系统全局的 pip，导致包装错位置。 使用 python -m pip 能确保用的是当前虚拟环境对应的 pip，更可靠。

每个包的作用 ​

包名用途典型使用场景
pandas数据分析处理表格、CSV、数据清洗
numpy数值计算数组运算、数学函数（pandas 的依赖）
matplotlib数据可视化折线图、柱状图、散点图
openpyxlExcel 文件处理读写 .xlsx 格式文件

依赖关系示意 ​

text
pandas
├── numpy
├── python-dateutil
└── pytz

matplotlib
├── numpy
├── pillow
├── kiwisolver
└── cycler

openpyxl
└── et-xmlfile

安装一个主包时，pip 会自动把必要的依赖一起装上。

5. 保存依赖清单 ​

bash
python -m pip freeze > requirements.txt

pip freeze 的作用 ​

它会列出当前虚拟环境中所有已安装的包及精确版本号。

> requirements.txt ​

  • > 是重定向符号
  • 把 pip freeze 的输出写入文件，而不是打印到屏幕
  • 文件不存在就创建，已存在则覆盖

生成的 requirements.txt 示例：

txt
numpy==2.1.0
pandas==2.2.2
matplotlib==3.9.0
openpyxl==3.1.5
python-dateutil==2.9.0
...

6. 如何让别人复现你的环境（重要） ​

当你把项目发给别人，或自己换电脑时，只需要：

bash
# 1. 创建并激活虚拟环境
python -m venv venv

# Windows:
venv\Scripts\activate
# macOS/Linux:
# source venv/bin/activate

# 2. 按清单安装所有依赖
python -m pip install -r requirements.txt

这样就得到和你完全一样的环境了。

7. 完整流程图 ​

text
初始化阶段
─────────
mkdir project          →  创建项目文件夹
cd project             →  进入项目目录
python -m venv venv    →  创建独立环境
activate venv          →  激活环境
python -m pip install --upgrade pip
python -m pip install ...   →  安装需要的包
python -m pip freeze > requirements.txt  →  记录依赖

开发阶段
─────────
编写代码、运行程序、继续安装新包……

分享 / 部署阶段
─────────
把项目代码 + requirements.txt 发给别人
对方执行：
  python -m venv venv
  激活环境
  python -m pip install -r requirements.txt

8. 必须配套的 .gitignore ​

项目根目录下建议创建 .gitignore 文件，至少包含：

gitignore
# 虚拟环境
venv/
.venv/

# Python 缓存
__pycache__/
*.py[cod]
*$py.class

# 环境变量
.env
.env.*

# IDE
.idea/
.vscode/
*.swp

# 测试与覆盖率
.pytest_cache/
.coverage
htmlcov/

9. 常用补充命令 ​

bash
# 退出虚拟环境
deactivate

# 安装指定版本
python -m pip install pandas==2.2.2
python -m pip install "pandas>=2.0,<3.0"

# 查看已安装的包
python -m pip list

# 删除虚拟环境（直接删文件夹即可）
# Windows: rmdir /s /q venv
# macOS/Linux: rm -rf venv

10. 现代替代方案（进阶提示） ​

上面介绍的是目前兼容性最好、最基础的方式，适合学习和中小型项目。

当项目变大后，可以关注这些更现代的工具：

  • uv：速度极快的包管理和虚拟环境工具（推荐尝试）
  • Poetry / PDM / Hatch：更完整的依赖管理与打包方案
  • pyproject.toml：现代 Python 项目的标准配置文件（替代单纯的 requirements.txt）

对于刚入门的同学，先把 venv + pip + requirements.txt 熟练掌握即可。等需要发布包或管理复杂依赖时，再学习这些工具会更顺利。

这套流程是 Python 项目开发的基础标准做法，无论是数据分析脚本还是 Web 项目都适用。把虚拟环境用好，能避免绝大多数“我这边能跑，你那边报错”的问题。