不愿飞的蜂鸟首页

Python Usage

记录ubuntu中如何运行python项目，非root用户最好使用anaconda管理python虚拟环境，而且anaconda很方便，推荐使用。

anaconda基本操作

Conda 是一个强大的包管理器和环境管理器，用于管理和分发软件包、库和环境。以下是一些基本的 Conda 命令：

python

在 Conda 中安装 Python 可以使用以下命令。请注意，如果您已经使用 Conda 安装了某个环境，通常无需单独安装 Python，因为创建环境时会自动包含 Python。

安装最新版本的 Python（默认环境）：

conda install python

这将安装最新版本的 Python。

安装特定版本的 Python：

conda install python=3.8

替换 3.8 为安装的特定 Python 版本。

创建新的环境并安装 Python：

在新的 Conda 环境中安装 Python，可以使用以下命令：

conda create --name myenv python=3.8

这将创建一个名为 myenv 的新环境，并安装 Python 3.8。

环境

创建环境

conda create --name myenv

这将创建一个名为 myenv 的新环境。您可以通过添加包名指定要在环境中安装的软件包，例如：

conda create --name myenv numpy pandas

激活环境

conda activate myenv

这将激活名为 myenv 的环境。请注意，Windows 用户可能需要使用 activate 命令：

activate myenv

列出所有环境

conda info --envs

或者

conda env list

这将显示所有已安装的 Conda 环境。

复制环境

conda create -n 新环境名 --clone 旧环境名

导出环境配置

conda env export > environment.yml

这将当前环境的配置导出到一个 YAML 文件中，以便将来可以通过该文件重新创建相同的环境。

创建环境（从配置文件）

conda env create -f environment.yml

这将使用之前导出的环境配置文件创建一个新环境。

更新 Conda

conda update conda

这将更新 Conda 到最新版本。

包

安装软件包

conda install package_name

这将在当前激活的环境中安装指定的软件包。您还可以指定软件包的版本号。

列出已安装的软件包

conda list

这将显示当前环境中安装的所有软件包和它们的版本。

升级软件包

conda update package_name

这将升级指定的软件包到最新版本。

移除软件包

conda remove package_name

这将从当前环境中移除指定的软件包。

使用 pip 安装依赖项

pip install -r requirements.txt
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ requirements.txt
// 直接设置安装源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这将从 requirements.txt 文件中读取依赖项并使用 pip 安装它们。

conda config

对于 Conda，可以使用 conda config 命令来设置配置项，而无需手动编辑配置文件。以下是一些示例：

设置默认安装源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

这里使用了清华大学的 Conda 镜像源，可以根据需要选择其他镜像。使用 --add channels 添加一个新的频道。

设置默认环境：

conda config --set env_prompt '({name}) '

这将设置 Conda 环境名称在命令提示符中显示。

venv虚拟环境

为 Python 项目创建虚拟环境是一种良好的实践，它可以帮助隔离项目的依赖关系，使得不同项目可以使用不同版本的库和工具。以下是在项目中创建虚拟环境的步骤：

使用 venv （Python 3.3及更高版本）

  1. 打开终端，并导航到你的项目目录。

  2. 运行以下命令来创建虚拟环境：

    python3 -m venv venv

    这会在项目目录中创建一个名为 venv 的虚拟环境。

  3. 激活虚拟环境：

    source venv/bin/activate

    当虚拟环境激活时，终端提示符应该会显示虚拟环境的名称。

  4. 安装项目依赖：

    在虚拟环境激活状态下，使用 pip 安装项目所需的依赖项。

    pip install package_name

    或从 requirements.txt 安装：

    pip install -r requirements.txt

  5. 当完成项目工作后，可以使用以下命令退出虚拟环境：

    deactivate

requirements.txt

requirements.txt 是一个文本文件，用于列出项目的依赖项及其版本。这个文件通常用于与版本控制系统一起管理项目的依赖关系，以确保在不同环境中能够重现相同的依赖项。

以下是编写 requirements.txt 的一些建议：

  1. 列出每个依赖项和版本号：

    在 requirements.txt 中，每行包含一个依赖项和它的版本号。例如：

    Flask==2.0.1
requests>=2.26.0,<3.0.0

    上述例子中，Flask 的版本被指定为 2.0.1，而 requests 的版本被指定为大于等于 2.26.0 且小于 3.0.0。

  2. 使用适当的运算符：

    • == 表示精确的版本匹配。
    • >= 和 < 表示版本的最小和最大范围。

    选择适当的运算符，以确保你的项目在不同环境中能够正常工作。

  3. 包含必要的依赖项：

    列出你的项目运行所需的所有依赖项。如果你的项目依赖于数据库、缓存系统等，也应该将它们包含在 requirements.txt 中。

    Flask==2.0.1
SQLAlchemy==1.4.25

  4. 注释依赖项：

    可以在 requirements.txt 文件中添加注释，以提供更多信息或理由。

    # 项目依赖项
Flask==2.0.1
SQLAlchemy==1.4.25

# 可选依赖项，仅在开发时需要
pytest==7.4.0

  5. 使用 pip freeze 自动生成：

    你还可以使用 pip freeze 命令来生成当前环境的依赖项列表，并将其保存到 requirements.txt 文件中。这是一种更自动化的方法：

    pip freeze > requirements.txt

    这将创建一个包含当前环境所有依赖项及其精确版本的 requirements.txt 文件。

Pycharm远程连接

进入设置，选择解释器选项

image-20231116064359520

选择添加

image-20231116064424994

选择ssh，并填好主机地址，端口，用户名

image-20231116064458791

填写密码登录

image-20231116064608360

选择服务器上的解释器，以及需要映射项目的地址

image-20231116064652646

点击finish，由于勾选了自动上传，他就会自动传文件上去服务器了，也可以先不选，再如下界面做好配置后，再手动上传。之后运行代码，他就会自动连接远程服务器，再远程服务器上跑。

image-20231116064838258

如果不想用了，可以切换解释器，回到本地运行。

执行bash命令

单个命令

os.system不常用了。

在Python中，可以使用subprocess模块来运行命令行命令。以下是一个简单的示例，展示如何在Ubuntu上通过Python运行命令行命令：

import subprocess

# 通过subprocess.run运行命令行命令
result = subprocess.run(["ls", "-l"], stdout=subprocess.PIPE, text=True)

# 输出命令的结果
print(result.stdout)

在这个例子中，subprocess.run函数的第一个参数是包含命令及其参数的列表。stdout=subprocess.PIPE参数将命令的标准输出捕获到result.stdout中。text=True参数表示输出结果以文本形式返回，而不是字节形式。

可以替换["ls", "-l"]为你想要运行的实际命令及其参数。请注意，运行一些命令可能需要管理员权限，此时可能需要使用sudo命令，但请小心使用sudo以避免潜在的安全风险。

import subprocess

# 使用sudo运行命令行命令（需要输入密码）
result = subprocess.run(["sudo", "your_command_here"], stdout=subprocess.PIPE, text=True, input="your_password\n", check=True)
print(result.stdout)

多个命令

当使用 os.system 或者 subprocess.run 运行命令时，可以使用 && 来链接两个命令。在命令行中，&& 表示只有在前一个命令成功执行的情况下才执行下一个命令。

下面是一个示例，演示如何使用 && 在 Python 中运行两个命令：

import os

# 使用 os.system 运行两个命令
os.system("command1 && command2")

或者使用 subprocess.run：

import subprocess

# 使用 subprocess.run 运行两个命令
subprocess.run("command1 && command2", shell=True)

在这里，command1 是第一个命令，command2 是第二个命令。&& 确保只有在 command1 成功执行的情况下才会执行 command2。请注意，shell=True 参数是必须的，因为 && 是 shell 中的一个操作符，而不是一个单独的可执行程序。

设置环境变量

比如要运行doxygen程序，但是找不到命令，这是因为它默认的环境变量是root用户，这需要自己python运行的环境变量。

可以在 Python 脚本中通过以下方式查看当前环境变量：

import os
print(os.environ['PATH'])

如果命令所在的路径没有包含在其中，可以在 Python 脚本中设置环境变量，例如：

import os

# 将命令所在的路径添加到环境变量中
os.environ['PATH'] = '/path/to/your/command:' + os.environ['PATH']

# 然后执行命令
os.system("command1 && command2")

请将 /path/to/your/command 替换为实际命令所在的路径。这样可以确保 Python 在执行命令时能够找到它们。

排序sorted

Last Updated:
Contributors: liushun-ing