VSCode 切换 Python 虚拟环境指南
创建时间：2026 年 01 月 04 日
预计消耗阅读时间：5 分钟
在 VSCode 中切换 Python 虚拟环境（本地和远程）是一个涉及多个步骤的过程，包括安装必要的扩展、连接到远程服务器、创建或激活虚拟环境，并在 VSCode 中选择相应的 Python 解释器。以下是一个详细的步骤指南，包含代码示例，帮助你顺利完成配置。
1. VSCode 远程切换 Python 虚拟环境步骤
1.1 步骤 1：安装 VSCode 和必要扩展
确保你的本地机器已安装 Visual Studio Code，然后安装以下两个关键扩展：
- Python：由 Microsoft 提供的官方 Python 支持插件。
- Remote - SSH：用于通过 SSH 连接到远程服务器。
📌 安装方式：
- 打开 VSCode
- 点击左侧活动栏的「扩展」图标（或按
Ctrl+Shift+X） - 搜索上述插件并点击「安装」
1.2 步骤 2：连接到远程服务器
使用 Remote - SSH 扩展连接到目标远程服务器。
方法一：图形化操作
- 点击 VSCode 左下角的绿色
< >图标 - 选择
Remote-SSH: Connect to Host... - 输入主机地址：
username@server_address - 根据提示输入密码或使用 SSH 密钥认证
方法二：命令行连接
bash
ssh username@server_address⚠️ 替换
username和server_address为实际值。
1.3 步骤 3：在远程服务器上创建或激活虚拟环境
1.3.1 创建虚拟环境（推荐使用 venv）
📝 备注 ：如果存在限制问题，不建议安装 Conda ，推荐使用 Python 内置的
venv模块。
bash
python3 -m venv myenv✅
myenv是虚拟环境名称，可自定义（如venv,.env,py_env等）
1.3.2 激活虚拟环境
-
Linux / macOS：
bashsource myenv/bin/activate -
Windows（较少用于远程开发）：
cmdmyenv\Scripts\activate
激活成功后，终端前缀会显示 (myenv)，表示当前处于该环境中。
1.4 步骤 4：在 VSCode 中选择虚拟环境中的 Python 解释器
-
在 VSCode 中打开命令面板：
Ctrl + Shift + P -
输入并选择：
Python: Select Interpreter -
在弹出列表中找到路径类似以下的解释器：
~/myenv/bin/python -
选中即可完成绑定
✅ 成功后，VSCode 底部状态栏会显示当前解释器版本和环境名。
1.5 步骤 5：验证虚拟环境是否生效
在 VSCode 集成终端中运行以下命令确认：
bash
which python
# 输出应为：/home/username/myenv/bin/python 或类似路径或查看版本信息：
bash
python --version如果返回的是虚拟环境内的 Python 版本，则说明配置成功。
1.6 完整命令汇总
bash
# 1. 连接远程服务器
ssh username@server_address
# 2. 创建虚拟环境
python3 -m venv myenv
# 3. 激活虚拟环境（Linux/macOS）
source myenv/bin/activate
# 4. 验证 Python 路径
which python
python --version
# 5. （可选）退出虚拟环境
deactivate🔔 注意：第 4 步（选择解释器）需在 VSCode 图形界面中完成，无直接命令。
1.7 注意事项
- 确保远程服务器已安装 Python3 及 pip。
- 若使用 Windows 本地连接 Linux 远程服务器，所有命令均在远程端执行。
- 若遇到问题，请检查：
- SSH 是否连通
- 用户权限是否允许写入目录
- VSCode 的 Remote-SSH 日志输出（可通过命令面板查看）
2. 如何在 VSCode 中创建本地虚拟环境
2.1 前提条件
- ✅ 已安装 Python（建议 ≥3.6）
- ✅ 已安装 VSCode
- ✅ 已安装 Python 扩展
2.2 操作步骤
(1) 打开项目文件夹
- 启动 VSCode
- 菜单 → 文件 → 打开文件夹（
Ctrl+K Ctrl+O）
(2) 打开终端
- 菜单 → 终端 → 新建终端（或快捷键 `Ctrl+``）
(3) 创建虚拟环境
bash
python3 -m venv venv推荐命名为
venv，便于识别与自动化工具识别
(4) 激活虚拟环境
| 系统 | 命令 |
|---|---|
| Linux/macOS | source venv/bin/activate |
| Windows | venv\Scripts\activate |
激活后提示符变为：
text
(venv) $(5) 配置 VSCode 使用虚拟环境（推荐）
- 方法一：点击左下角 Python 版本按钮 → 选择
./venv/bin/python - 方法二：打开命令面板 →
Python: Select Interpreter→ 选择对应路径
(6) 安装依赖包
bash
# 单个安装
pip install numpy matplotlib pandas
# 批量安装（推荐）
pip install -r requirements.txt🚫 不安装 Conda 的原因说明（适用于企业环境）
❗ 重要提示 ：由于公司安全合规要求，部分企业（如头部互联网大厂）禁止安装
Conda（Anaconda/Miniconda），因其安装包较大、行为复杂、存在潜在风险。
✅ 替代方案 ：使用 Python 内置模块 venv + pip 组合，轻量、可控、符合审计要求。
🧰 Conda 入门简介（仅作对比参考）
⚠️ 本文重点推荐
venv，此部分内容仅供了解 Conda 功能。
什么是 Conda？
Conda 是一个开源的跨平台包管理和环境管理工具，支持多语言，广泛应用于数据科学领域。
主要分支：
| 名称 | 特点 |
|---|---|
| Anaconda | 包含大量预装科学计算库，体积大（>500MB） |
| Miniconda | 最小化安装，仅含 conda 和基础组件，灵活可控 |
Conda 常用命令
环境管理
bash
# 创建环境（指定 Python 版本）
conda create -n my_env python=3.8
# 激活环境
conda activate my_env
# 退出环境
conda deactivate
# 删除环境
conda remove -n my_env --all
# 克隆环境
conda create -n new_env --clone my_env
# 自定义路径创建
conda create -p /path/to/custom_env python=3.8包管理
bash
# 安装包
conda install numpy
# 安装到指定环境
conda install -n my_env numpy
# 更新包
conda update numpy
# 删除包
conda remove numpy
# 查看已安装包
conda list环境导出与导入（团队协作利器）
bash
# 导出现有环境配置
conda env export > environment.yml
# 在其他机器重建相同环境
conda env create -f environment.yml缓存清理
bash
# 清理下载缓存、未使用包等
conda clean --allConda 与 pip 混合使用建议
虽然可以在 Conda 环境中使用 pip，但建议遵循以下原则：
- 优先使用
conda install - 当 conda 无法找到包时，再使用
pip install - 避免混用导致依赖冲突
✅ 最佳实践：保持环境一致性，尽量统一包管理工具。
✅ 总结
| 方案 | 优点 | 适用场景 | 推荐度 |
|---|---|---|---|
venv + pip |
轻量、合规、易维护 | 企业开发、远程部署、教学入门 | ⭐⭐⭐⭐⭐ |
Conda |
强大、集成度高、适合科研 | 数据分析、AI 实验、个人研究 | ⭐⭐⭐⭐ |
✅ 结论 ：在受限环境下（如公司限制），强烈推荐使用
python3 -m venv创建虚拟环境，避免 Conda 相关合规问题。
🔗 参考资料
- CSDN 博客：Python 虚拟环境管理
- Bilibili 教程：VSCode 远程开发 #5
- CSDN 博客：requirements.txt 使用详解
- Bilibili 教程：Python 开发环境搭建 #4
📌 作者备注 ：从 1.3.1 节开始创建虚拟环境即可，无需依赖远程服务器前置准备。
✅ 本文档可用于团队 Wiki、新人培训手册或个人学习笔记。欢迎收藏与分享！
📄 文件格式 ：.md
📎 建议保存为 ：vscode-python-env-guide.md