Как создать виртуальное окружение в Python: инструкция

Материал подготовлен командой Simple-Server для администраторов VPS и выделенных серверов. Команды и пути проверяйте на тестовой машине перед production.

Способы создания виртуального окружения

Существует несколько инструментов для создания виртуальных окружений. Мы проанализируем четыре ключевых инструмента, каждый со своими особенностями: venv, virtualenv, conda и UV. Запускать окружения будем на облачном сервере Simple-Server с использованием ОС Ubuntu.

Начиная с Python 3.3, разработчикам больше не нужны сторонние инструменты вроде virtualenv для создания изолированных сред. Стандартная библиотека языка включает в себя модуль venv, который признан наиболее удобным и предпочтительным методом для этой задачи.

1. Открываем терминал и переходим в директорию с Python-проектом.
2. Для активации виртуального окружения выполняем команду:

Здесь my-first-env — это имя папки, в которой будет создано виртуальное окружение. Его можно назвать как угодно. Часто используются имена venv, .venv, env.

Команда создаст папку my-first-env со следующей структурой:

1. Перед тем как использовать виртуальное окружение, его необходимо активировать. Это временно меняет переменные окружения текущей shell-сессии так, чтобы команды python и pip ссылались на версии внутри созданного виртуального окружения. Для активации окружения my-first-env выполняем команду внутри директории с проектом:

При успешной активации в начале строки терминала отобразится приглашение с именем окружения.

1. Для деактивации виртуального окружения используется команда:

После этого имя окружения слева пропадет. Команду по деактивации виртуального окружения можно выполнять из любого места в файловой системе.

virtualenv — популярный сторонний инструмент, который предлагает больше функций и немного быстрее. Также virtualenv можно использовать для создания окружений для более старых версий Python (например, Python 2.5).

1. В отличие от venv, virtualenv необходимо установить заранее. Произведем установку при помощи пакетного менеджера операционной системы. Так как мы используем Ubuntu, то воспользуемся менеджером apt для установки пакета:

1. Далее переходим в папку с проектом Python и создаем виртуальное окружение с именем my-second-env:

2. Процессы активации и деактивации аналогичны при работе с venv. Для активации необходимо выполнить команду:

Для деактивации достаточно выполнить:

conda — это кроссплатформенный менеджер пакетов и окружений. Он управляет не только Python-пакетами, но и, например библиотеками на C/C++.

1. Мы установим пакет Miniconda, которая содержит в себе предустановленный набор из более чем 1500 самых популярных пакетов для data science.

Для начала создадим директорию с именем miniconda3 в домашнем каталоге пользователя:

1. Скачиваем архив с программой при помощи утилиты wget:

1. Выполняем автоматическую установку Miniconda при помощи команды:

1. После завершения установки удаляем установочный скрипт:

1. Далее инициализируем conda при помощи команд:

1. Переходим в директорию с проектом и создаем новое виртуальное окружение:

При появлении надписи Proceed ([y]/n)? вводим y:

После того как виртуальное окружение будет создано, в выводе будут сгенерированы команды для активации и остановки окружения:

В нашем примере для активации необходимо выполнить команду:

Для деактивации используется команда:

UV — это современный инструмент, написанный на языке Rust, который заменяет собой целый набор утилит для управления зависимостями и виртуальными окружениями в Python.

1. Для начала необходимо установить UV. Для этого выполняем команду:

1. Перед запуском UV необходимо добавить его бинарный файл в PATH:

1. Прежде чем приступать к работе с UV, его необходимо инициализировать. Для этого выполняем команду:

И переходим в созданную директорию:

1. Создаем виртуальное окружение:

2. Для активации выполняем команду:

1. Установить пакет можно при помощи команды:

Использование виртуального окружения на практике — на примере venv

1. Создаем новую директорию и переходим в нее:

1. Создаем виртуальное окружение при помощи команды:

1. Установим несколько пакетов при помощи менеджера пакетов pip (теперь пакеты будут устанавливаться внутрь созданного виртуального окружения, а не глобально):

1. После того как работа над проектом завершена, необходимо сохранить зависимости в файл. Данная особенность позволяет легко воссоздать окружение на другом компьютере. Для сохранения зависимостей используется команда pip freeze, которой в качестве аргумента необходимо указать файл. Как правило используется файл requirements.txt, однако можно использовать любое другое имя:

1. Проверим содержимое файла requirements.txt:

В файл были записаны все используемые сторонние библиотеки, а также их версии.

1. Чтобы восстановить зависимости на новом устройстве при переносе или копировании проекта, необходимо выполнить команду:

Виртуальное окружение в Python стало незаменимым инструментом в процессе разработки. Возникает вопрос: какой же инструмент выбрать?

• Для большинства проектов используйте стандартный venv или более продвинутый UV.
• Если нужны дополнительные функции или работа с Python 2, используйте virtualenv.
• Если вы занимаетесь Data Science, то используйте экосистему Conda.

Нужен сервер для практики? Арендуйте VPS/VDS в России — root-доступ, NVMe, DDoS-защита и поддержка 24/7.