
作者:Python进阶者
来源:Python爬虫与数据挖掘
Hey,大家好,我是码农星期八。
事情是这样子的,原来我一直使用的conda,用conda来进行隔离环境,但是装了一个东西也需要用到Python,奇怪的问题发生了,conda自带的Python怎么和那个软件结合都不行。
经过了一波操作之后发现,单独安装Python解释器使用是没有问题的,使用conda带的Python就不行,唉,扯淡的青春。
经过了一波操作还是老老实实卸载了conda,单独装上了Python解释器,使用virtualenvwrapper来进行虚拟环境隔离。
所以呀,能用纯Python就用纯Python,别瞎搞!!!
其实来说使用virtualenvwrapper+virtualenvwrapper-win也是挺好实现虚拟环境创建和删除等操作的,但是我得记啊,而且命令还那么长。。。对于我这种懒人来说,有点难顶。
所以卷了一下,写了一个简陋的Python虚拟环境管理器,在此分享给大家。
界面如下
本次将从一个小白的角度,使用一下这个虚拟环境管理器,那就开始吧。
本次使用的Python解释器版本是3.8.6,64位版本的,自行下载,将安装包拖入win7虚拟机中。。。进行安装。
记得打上Add Python ... PATH这个选项,剩下的就不用我多说了吧!!!
安装完毕cmd运行Python,如下表示没得问题。
所有的虚拟环境都放在WORKON_HOME目录下,所以需要创建一个系统变量,用来组织它。
上述步骤完成之后,就可以开始玩python虚拟环境管理了。
刚进入首先依次点击前三个
刚进入可能会提示不是内部或外部命令,不必理会。
依次点击完之后,再次打开,就没有上述报错了。
这个本质就是使用了mkvirtualenv <env>命令。
点击确定,等待一会,就有了一个环境。
本质是workon <env>命令,点击一下想要进入的环境,点击进入,直接弹出一个cmd并且已经进入了指定的虚拟环境,想用pip的话又省心一步。
本质是rmvirtualenv <env>命令
想删除哪个直接删除就好了,也省心了
做这个玩具,纯属是为了娱乐,也是为了方便自己和同道中人,你还可以发现甚至样式还有点乱,但是我在win10上看是好好的,不知道为什么到win7就成这样子了,问题不大,仁者见智呗!
如果在操作过程中有任何问题,记得下面留言,我们看到会第一时间解决问题。越努力,越幸运。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14