通过本章，你可以去思考这几个问题：

1、Python解释器和虚拟环境区别？

2、有哪些虚拟环境管理工具？

3、怎么通过虚拟环境安装和卸载模块？

4、如何管理和分发打包项目？

新建项目

默认使用通过新建虚拟环境，我们需要了解本地的python解释器和有什么不同？

虚拟环境是Python中的一个隔离机制，允许用户在不同项目之间创建隔离的Python运行环境。每个虚拟环境可以有自己的Python解释器版本和一组安装的库，这样就可以在不同项目中使用不同版本的库而互不干扰。虚拟环境对于管理项目依赖、避免版本冲突以及确保项目的可重复性非常重要。

注意：本地使用的python解释器安装的模块在虚拟环境是用不了

上面展示的是虚拟环境的管理工具：

（1）Virtualenv（默认安装Python即可）

是一个用于创建隔离的Python环境的工具。每个环境都可以有自己的安装目录，且与系统中的其他虚拟环境相互独立。主要特点：成熟且广泛使用，可以创建与Python版本无关的环境，需要手动管理依赖和包，适用于需要快速简单创建隔离Python环境的场景

（2）Pipenv（需要用pip进行安装）

将pip和virtualenv的功能结合起来，提供一个统一的工具来管理虚拟环境和项目依赖。主要特点：自动管理虚拟环境，使用Pipfile和Pipfile.lock来替代requirements.txt，提供更丰富的依赖管理功能，支持依赖的自动解析和锁定，增强了项目的可重复性，适用于希望简化和自动化依赖管理流程的项目

（3）Poetry（需要另外下载软件包安装）

是一个Python依赖管理和打包工具，旨在简化包的发布和依赖管理，主要特点：使用pyproject.toml来管理项目设置和依赖，符合PEP 518规范，支持依赖的精确控制和解析，适用于需要精细管理依赖和同时进行包开发的复杂项目

（4）Conda（需要另外下载软件包安装）

一个开源包管理器和虚拟环境管理器，可以用于安装、运行和更新包和环境，需要单独下载安装Anaconda（包含Conda、Python以及许多科学计算和数据科学领域常用包的发行版）或者Miniconda（一个更轻量级的Anaconda版本，它只包含Conda和Python，没有预装其他包）。它不仅限于Python，也支持其他语言。主要特点：支持跨平台（Linux、macOS、Windows），可以管理非Python的依赖，如库或工具，适用于数据科学、机器学习等领域，这些领域经常需要复杂的依赖管理，

点击确定后，项目会生成env目录，就是虚拟隔离环境隔离目录。后面通过pip安装的模块都放到env/Lib/site-packages

安装模块

在pycharm，可以通过Terminal终端来安装，用这个terminal安装，默认会激活该虚拟环境。

也可以通过一下命令来激活虚拟环境

# window环境

.\venv\Scripts\activate

#macOS/Linux

source venv/bin/activate

安装虚拟环境的几种方式：

1、pip直接安装

安装最新版本：

pip install 模块

安装指定版本：

pip install 模块==版本号

安装指定pypi源：

解决默认pypi源下载慢的问题，使用-i命令

pip3.9 install 模块 -i https://pypi.douban.com/simple/

如果报不信任问题，可以在后面增加 --trusted-host pypi.douban.com

永久指定pypi源：

pip config set global.index-url https://pypi.douban.com/simple/

2、使用requirements安装

pip install -r requirements.txt

这个方式也可以跟pip安装一样，指定pypi源

3、使用仓库安装

有可能安装的模块在pypi没有发布，需要从仓库下载，将仓库代码clone到当前项目目录

git clone 仓库URL

cd 克隆后的目录

python setup.py install

4、使用wheel文件安装

pip install 文件名.whl

5、使用conda安装

前提需要安装conda虚拟环境

conda install 模块

6、使用pipenv安装

需要配置pipenv环境变量

pipenv install 模块

7、使用poetry安装

poetry add 模块

卸载模块

可以通过pip命令去卸载模块

pip uninstall 模块

# 不提示

pip uninstall 模块 -y

管理和分发打包项目

做好项目模块版本管理是很重要的，可以方便管理项目元数据，如作者信息、项目描述、分类信息等，避免后续版本冲突，也有助于其他人了解和使用你的项目以及方便新同事使用。

1、生成requirements.txt文件

pip freeze > requirements.txt

2、编写setup.py文件

在项目根目录新建setup.py文件，用于定义项目的元数据和配置信息，使得项目可以通过setuptools库安装

from setuptools import setup, find_packages

# 读取项目的长描述
with open("README.md", "r", encoding="utf-8") as fh:
    long_description = fh.read()

# 读取项目的依赖列表
with open('requirements.txt') as f:
    requirements = f.read().splitlines()

setup(
    name="your_project_name",  # 项目名称
    version="0.0.1",  # 项目版本
    author="Your Name",  # 作者名称
    author_email="your.email@example.com",  # 作者邮箱
    description="A short description of the project",  # 项目简短描述
    long_description=long_description,  # 项目的长描述，从README.md文件读取
    long_description_content_type="text/markdown",  # 长描述的内容类型
    url="https://github.com/yourusername/your_project_name",  # 项目URL
    project_urls={  # 项目相关的额外链接
        "Bug Tracker": "https://github.com/yourusername/your_project_name/issues",
    },
    classifiers=[  # 项目分类器
        "Programming Language :: Python :: 3",
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
    ],
    packages=find_packages(),  # 自动发现项目中的包
    python_requires=">=3.6",  # Python的版本要求
    install_requires=requirements,  # 从requirements.txt文件读取的依赖列表
    extras_require={  # 额外的依赖
        "dev": ["check-manifest"],
        "test": ["coverage"],
    },
    include_package_data=True,  # 包含在版本控制系统中的数据文件
)

后续从仓库里面下载代码后，可以运行setup.py安装项目所有依赖