《Python数据可视化编程实战》——1.3 安装virtualenv和virtualenvwrapper

简介:

本节书摘来自异步社区《Python数据可视化编程实战》一书中的第1章,第1.3节,作者[爱尔兰]Igor Milovanović ,颛青山 译,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.3 安装virtualenv和virtualenvwrapper

如果同时工作在多个项目上,或是需要在不同项目间频繁切换,将所有的软件都安装在操作系统层级上也许不是一个好主意。当需要在不同系统(产品环境)上运行软件时,这种方式会带来问题。如果到此时才发现缺少特定的软件包,或是产品环境已经安装的软件包存在版本冲突,这将是非常痛苦的。为避免这种情况发生,可以选择使用virtualenv。

virtualenv是由Ian Bicking创建的开放源代码项目。通过这个项目, 开发人员可以把不同项目的工作环境隔离开,从而能够更容易地维护多种不同的软件包版本。

举例来说,Django网站系统是基于Django 1.1和 Python 2.3版本开发的,但与此同时,一个新项目要求必须基于Python2.6来开发。在笔者工作过的项目中,根据项目的需要同时使用多个版本的Python(以及相关软件包)的情况非常普遍。

virtualenv能够让我们很容易地在不同的运行环境之间切换。同时,如果需要切换到另外的机器或者需要在产品服务器(或客户的工作站主机)上部署软件, 用virtualenv能够很容易地重新构建相同的软件包环境。

1.3.1 准备工作

若安装virtualenv,需要用到Python和pip。Pip是安装并管理Python软件包的工具,可以用它来代替easy install工具。本书中大部分的软件包都是用pip工具进行管理的。只需在终端中以root身份执行如下命令,就可以很容易地完成pip的安装。

# easy_install pip

virtualenv本身已经相当不错了,然而如果配合virtualenvwrapper,一切变得更加简单,并且组织多个虚拟环境的工作也会更加容易。virtualenvwrapper的功能请参考http://virtualenvwrapper.readthedocs.org/en/latest/#features

1.3.2 操作步骤

安装virtualenv和virtualenvwrapper工具的步骤如下。

1.安装virtualenv和virtualenvwrapper。

$ sudo pip virtualenv
$ sudo pip virtualenvwrapper
# 创建保存虚拟环境的目录,并使用export导出为环境变量。
$ export VIRTENV=~/.virtualenvs
$ mkdir -p $VIRTENV
# 使用source命令调用(执行)shell脚本来激活包装器
$ source /usr/local/bin/virtualenvwrapper.sh
# 创建一个虚拟环境
$ mkvirtualenv virt1

2.在virt1环境中安装matplotlib。

(virt1)user1:~$ pip install matplotlib

3.很有可能需要把以下代码添加到~/.bashrc中。

source /usr/loca/bin/virtualenvwrapper.sh

下面是一些有用和频繁使用的命令。

  • mkvirtualenv ENV: 创建名为ENV的虚拟环境并激活。
  • workon ENV: 激活先前创建的ENV虚拟环境。
  • deactivate: 退出当前虚拟环境。
相关文章
|
6天前
|
数据采集 存储 API
网络爬虫与数据采集:使用Python自动化获取网页数据
【4月更文挑战第12天】本文介绍了Python网络爬虫的基础知识,包括网络爬虫概念(请求网页、解析、存储数据和处理异常)和Python常用的爬虫库requests(发送HTTP请求)与BeautifulSoup(解析HTML)。通过基本流程示例展示了如何导入库、发送请求、解析网页、提取数据、存储数据及处理异常。还提到了Python爬虫的实际应用,如获取新闻数据和商品信息。
|
15天前
|
数据采集 JSON 数据可视化
【python】python懂车帝数据可视化(代码+报告)
【python】python懂车帝数据可视化(代码+报告)
|
18小时前
|
存储 机器学习/深度学习 数据可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
11 6
|
1天前
|
机器学习/深度学习 数据采集 供应链
从数据到决策:scikit-learn在业务分析中的应用
【4月更文挑战第17天】本文探讨了scikit-learn在业务分析中的应用,包括数据预处理、分类、回归和聚类模型的构建,以及模型评估与优化。通过使用scikit-learn,企业能有效处理数据、预测趋势、客户细分并制定决策,从而提升经营效率和市场策略。随着机器学习的发展,scikit-learn在业务分析领域的潜力将持续释放,创造更多价值。
|
1天前
|
算法 数据可视化 Python
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
|
1天前
|
BI 开发者 数据格式
Python代码填充数据到word模板中
【4月更文挑战第16天】
|
1天前
|
数据可视化 算法 API
Python数据可视化-seaborn Iris鸢尾花数据
Python数据可视化-seaborn Iris鸢尾花数据
|
2天前
|
程序员 索引 Python
06-python数据容器-set(集合)入门基础操作
06-python数据容器-set(集合)入门基础操作
|
2天前
|
索引 容器
06-python数据容器-list列表定义/list的10个常用操作/列表的遍历/使用列表取出偶数
06-python数据容器-list列表定义/list的10个常用操作/列表的遍历/使用列表取出偶数
|
3天前
|
机器学习/深度学习 数据采集 数据挖掘
Python 的科学计算和数据分析: 解释什么是数据规整(Data Wrangling)?
【4月更文挑战第15天】数据规整是将原始数据转化为适合分析和建模的格式的关键步骤,涉及缺失值处理(删除、填充、插值)、异常值检测与处理、数据类型转换、重采样、数据合并、特征选择和特征变换等任务。这些预处理步骤确保数据质量和准确性,为后续的数据分析和机器学习模型构建奠定基础。
16 4

热门文章

最新文章