阶段零：Python 安装与虚拟环境（venv / Conda）

第一章 阶段零：前置准备与思维建立

1 Python 安装与虚拟环境（venv / Conda）

1.1 Python 是什么？

Python 是一种高级、解释型、通用编程语言，由 Guido van Rossum 于 1991 年首次发布。它的设计哲学强调代码可读性和简洁语法（使用空格缩进来划分代码块），被称为"可执行的伪代码"。

核心特征：

• 动态类型：变量不需要声明类型，运行时自动推断
• 自动内存管理：有垃圾回收机制，无需手动管理内存
• 解释执行：代码由解释器逐行执行，便于快速原型开发
• 多范式支持：面向对象、函数式、过程式编程均可
• "batteries included"：标准库功能丰富，开箱即用

---

1.2 Python 的优缺点

✅ 优点

方面	说明
低门槛易上手	语法接近英语，缩进强制可读性，适合初学者
开发效率极高	动态类型 + 丰富库支持，代码量通常是 Java/C++ 的 1/5 ~ 1/3
生态极其庞大	PyPI 上有超过 50 万个包，几乎覆盖所有领域
跨平台	Windows / macOS / Linux / 甚至嵌入式（MicroPython）
胶水语言	可轻松调用 C / C++ / Rust / Fortran 库，适合性能关键模块
社区活跃	海量教程、Stack Overflow 问答、开源项目
就业市场需求大	数据科学、AI、后端、自动化等领域核心语言

❌ 缺点

方面	说明
执行速度相对慢	解释型语言，通常比 C / Rust / Go 慢 10~100 倍（但多数场景不明显）
全局解释器锁（GIL）	限制多线程 CPU 密集型任务的并行性（可用多进程绕过）
运行时错误	动态类型导致类型错误在运行时才暴露（可用 type hints + mypy 缓解）
移动端支持弱	几乎不用于 iOS / Android 原生开发
内存占用较高	相比 C/C++ 有更大内存开销

---

1.3 Python 的主要应用领域

领域	典型应用	代表库/框架
人工智能与机器学习	深度学习、自然语言处理、计算机视觉	TensorFlow, PyTorch, Scikit-learn, Hugging Face
数据科学与分析	数据处理、可视化、统计分析	Pandas, NumPy, Matplotlib, Jupyter Notebook
Web 后端开发	API 服务、网站后端、微服务	Django, Flask, FastAPI, Tornado
自动化与脚本	系统管理、爬虫、CI/CD 脚本	Requests, BeautifulSoup, Selenium, Fabric
科学计算	物理模拟、生物信息、工程计算	SciPy, SymPy, Biopython
量化交易	策略回测、实盘交易	Zipline, vn.py, Backtrader
DevOps 与云基础设施	基础设施即代码、容器编排	Ansible, SaltStack, OpenStack SDK
教育	编程入门教学	Turtle, Pygame, CodeSkulptor
网络安全	渗透测试、工具开发	Scapy, Impacket, Nmap 的 Python 封装

---

1.4 Python 安装（多操作系统）

1.4.1 安装前的注意事项

操作系统	注意事项
Windows	• 安装时务必勾选 "Add Python to PATH"（否则命令行找不到 python 命令） • 建议选择 "Customize installation"，将安装路径改为简短路径（如 C:\Python312） • 注意 32-bit 与 64-bit 版本选择（现代开发一律选 64-bit） • Windows Store 版本的 Python 有权限限制，不推荐使用
macOS	• 系统自带 Python 2.7（已废弃），不要使用 • 推荐使用 Homebrew 安装：brew install python@3.12 • 或从 python.org 下载官方安装包 • 注意 Apple Silicon (M1/M2/M3) 与 Intel 芯片的版本区别
Linux	• 多数发行版预装 Python 3，但版本可能较旧 • 不要卸载系统自带的 Python （系统工具依赖它） • 使用 apt / yum / dnf / pacman 包管理器安装或源码编译 • 推荐使用 deadsnakes PPA（Ubuntu）获取新版

---

1.4.2 Windows 安装步骤

方式一：官方安装包（推荐）

1. 访问 python.org/downloads

2. 点击黄色按钮下载最新版（如 Python 3.12.x）

3. 运行安装程序

4. 勾选最下方 Add Python to PATH

5. 点击 Install Now（或选择 Customize installation 自定义路径）

6. 等待安装完成

7. 打开 命令提示符 (cmd) 或 PowerShell，输入：

   python --version

   显示 Python 3.12.x 即成功

方式二：通过 winget（Windows 包管理器）

winget install Python.Python.3.12

---

1.4.3 macOS 安装步骤

方式一：Homebrew（强烈推荐）

# 如未安装 Homebrew，先安装
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 Python
brew install python@3.12

# 验证
python3 --version

方式二：官方安装包

1. 访问 python.org/downloads
2. 下载 macOS 64-bit universal2 installer
3. 双击 .pkg 文件，按提示安装
4. 终端验证：python3 --version

注意事项：

• macOS 系统命令 python 默认指向 Python 2.7，请始终使用 python3 和 pip3
• 安装后建议配置别名：alias python=python3（写入 ~/.zshrc 或 ~/.bash_profile）

---

1.4.4 Linux 安装步骤（以 Ubuntu/Debian 为例）

方式一：apt 包管理器（版本可能旧）

sudo apt update
sudo apt install python3 python3-pip python3-venv

方式二：deadsnakes PPA（获取最新版）

sudo apt update
sudo apt install software-properties-common
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update
sudo apt install python3.12 python3.12-venv python3.12-dev

# 设置优先级（可选）
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.12 1

方式三：源码编译（完全控制）

# 安装编译依赖
sudo apt install build-essential libssl-dev zlib1g-dev libncurses5-dev \
  libncursesw5-dev libreadline-dev libsqlite3-dev libgdbm-dev libdb5.3-dev \
  libbz2-dev libexpat1-dev liblzma-dev tk-dev libffi-dev

# 下载源码
wget https://www.python.org/ftp/python/3.12.2/Python-3.12.2.tar.xz
tar -xf Python-3.12.2.tar.xz
cd Python-3.12.2

# 配置、编译、安装
./configure --enable-optimizations --prefix=/usr/local
make -j $(nproc)
sudo make altinstall   # 使用 altinstall 避免覆盖系统 python3

验证：

python3.12 --version

---

1.5 虚拟环境（venv 与 Conda）

1.5.1 为什么要使用虚拟环境？

问题场景：

• 项目 A 需要 Django 3.2
• 项目 B 需要 Django 4.2
• 系统全局安装的 Django 只能有一个版本 → 冲突

虚拟环境的核心价值：

价值	说明
隔离依赖	每个项目有自己的 Python 解释器和包，互不干扰
版本管理	同一台机器可同时运行不同版本的库
可复现性	requirements.txt 或 environment.yml 可精确重建环境
权限安全	不需要管理员权限就能安装包
保持全局干净	系统 Python 只保留基础工具，避免污染

---

1.5.2 虚拟环境的优缺点

✅ 优点

• 环境隔离彻底，避免依赖冲突
• 方便项目迁移和团队协作
• 可随意删除重建，不影响其他项目
• 支持导出依赖清单

❌ 缺点

• 占用额外磁盘空间（每个环境复制一份 Python 二进制和库）
• 需要记住激活/停用命令
• 对环境的管理需要额外学习成本
• 跨环境切换有轻微心智负担

---

1.5.3 venv vs Conda：核心区别

维度	venv	Conda
所属	Python 内置（3.3+）	第三方（Anaconda/Miniconda）
管理范围	仅 Python 包	Python 包 + 非 Python 库（C/C++ 依赖如 CUDA、OpenCV）
跨语言支持	仅 Python	支持 R、Ruby、Lua、Java 等
环境位置	通常在项目目录内	集中在 ~/miniconda3/envs/
包来源	PyPI（pip）	Conda 频道（defaults/conda-forge） + PyPI
二进制依赖	需要系统预装（如 libjpeg）	自动安装
激活方式	source venv/bin/activate	conda activate env_name
适用场景	纯 Python 项目、轻量级	数据科学、机器学习、需要非 Python 库的项目
磁盘占用	较小（~10-50 MB）	较大（~500 MB - 2 GB）
Windows 支持	良好（venv\Scripts\activate）	优秀（与 PowerShell/cmd 集成）

选择建议：

• 纯 Python Web 开发 / 脚本项目 → venv（轻量、够用）
• 数据科学 / 机器学习 / 深度学习 → Conda（自动处理 CUDA、numpy 等二进制依赖）
• 团队协作且环境复杂 → Conda（跨平台一致性更好）

---

1.6 venv 虚拟环境使用详解

1.6.1 创建虚拟环境

# 语法
python -m venv <环境名称>

# 示例：在当前目录下创建名为 myproject_env 的环境
python -m venv myproject_env

# 指定 Python 解释器版本（需要该版本已安装）
python3.10 -m venv myproject_env

1.6.2 激活虚拟环境

操作系统	激活命令
macOS / Linux	source myproject_env/bin/activate
Windows (cmd)	myproject_env\Scripts\activate.bat
Windows (PowerShell)	myproject_env\Scripts\Activate.ps1

激活后，命令行提示符会显示环境名称：

(myproject_env) user@host:~$

1.6.3 安装包

# 激活环境后
pip install django
pip install requests==2.31.0
pip install -r requirements.txt

1.6.4 导出依赖

# 生成依赖清单
pip freeze > requirements.txt

# 查看已安装包
pip list

1.6.5 退出虚拟环境

deactivate

1.6.6 删除虚拟环境

# 直接删除目录即可
rm -rf myproject_env      # macOS/Linux
rmdir /s myproject_env    # Windows

---

1.7 Conda 虚拟环境使用详解

1.7.1 安装 Conda（Miniconda 推荐）

Miniconda 是 Conda 的精简版，仅包含包管理器和 Python。

Windows / macOS / Linux 通用安装：

1. 访问 docs.conda.io/en/latest/miniconda.html
2. 下载对应系统的安装包
3. 运行安装程序（建议勾选"Add Conda to PATH"）

Linux / macOS 命令行安装：

# 下载 Miniconda（Linux x86_64 示例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 按提示操作，同意许可证，选择安装路径（默认 ~/miniconda3）
# 安装完成后重启终端或执行 source ~/.bashrc

验证安装：

conda --version

---

1.7.2 Conda 基础命令

# 查看环境列表
conda env list

# 查看当前环境中的包
conda list

# 搜索包
conda search numpy

# 添加频道（推荐 conda-forge）
conda config --add channels conda-forge
conda config --set channel_priority flexible

---

1.7.3 创建虚拟环境

# 基本语法
conda create -n <环境名> python=<版本>

# 示例：创建名为 ai_env 的环境，Python 3.10
conda create -n ai_env python=3.10

# 创建时同时安装包
conda create -n data_env python=3.11 numpy pandas matplotlib

# 从 environment.yml 文件创建
conda env create -f environment.yml

---

1.7.4 激活 / 退出环境

# 激活环境
conda activate ai_env

# 退出当前环境
conda deactivate

---

1.7.5 管理包

# 激活环境后
conda install numpy pandas scikit-learn
conda install -c conda-forge pytorch   # 从特定频道安装

# 使用 pip 安装（当 conda 没有某包时）
pip install some-package

# 更新包
conda update numpy

# 卸载包
conda remove numpy

---

1.7.6 导出环境

# 导出精确环境（包含精确版本号和构建哈希）
conda env export > environment.yml

# 导出仅显式安装的包（更便携）
conda env export --from-history > environment.yml

environment.yml 示例：

name: ai_env
dependencies:
  - python=3.10
  - numpy=1.24.3
  - pandas=2.0.1
  - pip
  - pip:
    - torch==2.0.1
    - transformers==4.30.0

---

1.7.7 克隆环境

conda create -n new_env --clone existing_env

---

1.7.8 删除环境

conda env remove -n ai_env

---

1.8 最佳实践与工作流建议

项目结构示例

my_ai_project/
├── .gitignore
├── README.md
├── requirements.txt      # 如果用 venv
├── environment.yml       # 如果用 conda
├── data/
├── notebooks/
├── src/
│   ├── __init__.py
│   └── main.py
└── tests/

推荐工作流（venv）

# 1. 创建项目目录
mkdir my_project && cd my_project

# 2. 创建虚拟环境
python -m venv venv

# 3. 激活环境
source venv/bin/activate      # macOS/Linux
venv\Scripts\activate         # Windows

# 4. 升级 pip
pip install --upgrade pip

# 5. 安装依赖
pip install -r requirements.txt

# 6. 开发...

# 7. 更新依赖
pip freeze > requirements.txt

# 8. 退出
deactivate

推荐工作流（Conda）

# 1. 创建环境
conda create -n myproject python=3.10

# 2. 激活
conda activate myproject

# 3. 安装包
conda install numpy pandas jupyter

# 4. 开发...

# 5. 导出环境
conda env export --from-history > environment.yml

# 6. 退出
conda deactivate

# 7. 在其他机器上重建
conda env create -f environment.yml

常见问题排查

问题	解决方案
python: command not found	检查 PATH，重新安装并勾选"Add to PATH"
pip install 权限错误	未激活虚拟环境，或使用 --user 标志
conda 命令不存在	未初始化 conda，运行 conda init 并重启终端
激活环境后仍用系统 Python	检查激活脚本是否执行成功，用 which python 验证
虚拟环境跨操作系统不兼容	不要跨 OS 复制 venv 目录，用 requirements.txt 重建

---

1.9 本章小结

• Python 是一门易学、生态强大的语言，在 AI/数据科学/Web 等领域占据主导地位
• 安装时根据操作系统选择合适方式，务必注意 PATH 配置
• 虚拟环境是项目隔离的必需品，初学者应养成"每个项目一个虚拟环境"的习惯
• venv 适合纯 Python 项目，轻量简单
• Conda 适合数据科学/ML 项目，自动处理二进制依赖
• 记住三个核心命令：创建 → 激活 → 安装包

下一步： 在搭建好的 Python 环境中，我们将在下一节学习 Python 基础语法和常用数据结构。