【Python基础】安装python第三方库

使用虚拟环境virtualenv

推荐使用 virtualenvwrapper，安装如下：

pip install virtualenvwrapper-win

virtualenvwrapper基本使用：

创建虚拟环境：

mkvirtualenv my_env

那么会在你当前用户下创建一个Env的文件夹，然后将这个虚拟环境安装到这个目录下。 如果你电脑中安装了python2和python3，并且两个版本中都安装了virtualenvwrapper，那么将会使用环境变量中第一个出现的Python版本来作为这个虚拟环境的Python解释器。

切换到某个虚拟环境：

workon my_env

退出当前虚拟环境：

deactivate　　

删除某个虚拟环境：

rmvirtualenv my_env

列出所有虚拟环境：

 lsvirtualenv

进入到虚拟环境所在的目录：

cdvirtualenv

修改mkvirtualenv的默认路径：

在我的电脑->右键->属性->高级系统设置->环境变量->系统变量中添加一个参数WORKON_HOME，将这个参数的值设置为你需要的路径。

创建虚拟环境的时候指定Python版本：

在使用mkvirtualenv的时候，可以指定--python的参数来指定具体的python路径：

创建虚拟环境并指定python解释器

mkvirtualenv --python==C:\Python36\python.exe hy_env

pip命令行安装(推荐)

打开cmd命令行 安装需要的第三方库如：pip install numpy

在安装python的相关模块和库时，我们一般使用“pip install  模块名”或者“python setup.py install”，前者是在线安装，会安装该包的相关依赖包；后者是下载源码包然后在本地安装，不会安装该包的相关依赖包。所以在安装普通的python包时，利用pip工具相当简单。但是在如下场景下，使用python setup.py install会更适合需求：

在编写相关系统时，python 如何实现连同依赖包一起打包发布？
 
      假如我在本机开发一个程序，需要用到python的redis、mysql模块以及自己编写的redis_run.py模块。我怎么实现在服务器上去发布该系统，
如何实现依赖模块和自己编写的模块redis_run.py一起打包，实现一键安装呢？同时将自己编写的redis_run.py模块以exe文件格式安装到python的
全局执行路径C:\Python27\Scripts下呢？

在这种应用场景下，pip工具似乎派不上了用场，只能使用python的构建工具setup.py了，使用此构建工具可以实现上述应用场景需求，只需在 setup.py 文件中写明依赖的库和版本，然后到目标机器上使用python setup.py install安装。

下载github安装目录

在库文件的安装目录下打开cmd命令行，使用命令：python setup.py intall

使用国内镜像源安装：pip install numpy -i https://mirrors.aliyun.com/pypi/simple/

更新库为：pip install --upgrade numpy 

卸载为： pip uninstall numpy

pip批量安装txt中的包

1.将需要安装的包保存在aa.txt中

2.cd到aa.txt所在目录，运行：

pip install -r aa.txt

批量卸载是一样的，将install换为uninstall即可

aa.txt——指定版本

aa.txt——不指定版本

修改pip安装镜像源

创建配置文件指定pip安装镜像，不需要每次安装都都指定 -i <镜像源>

Windows：

"""
1、文件管理器文件路径地址栏敲：%APPDATA% 回车，快速进入 C:\Users\电脑用户\AppData\Roaming 文件夹中
2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件
3、新增 pip.ini 配置文件内容
"""

[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
use-mirrors =true
mirrors = https://mirrors.aliyun.com/pypi/simple/
trusted-host = mirrors.aliyun.com

Linux系统上修改请参考：https://blog.csdn.net/h106140873/article/details/103858931

Python常见第三方库在Windows安装报错解决方案

最近在Windows下开发，发现很多第三方库在Windows上的兼容性都不是很好，通过谷哥度娘后，发现一个非官方的临时解决方案，

先贴上地址：Unofficial Windows Binaries for Python Extension Packages

1、安装方法

找到库后下载对应使用的Python版本的文件下载，进入轮子文件夹下 打开cmd命令行，使用 pip install xxx.whl 安装。

2、附支持的第三库

 pendulum
 quaternion
 arctic
 jupyter
 multidict
 peewee
 logbook
 scipy
 curses
 pytables
 pip
 rpy2
 xgboost
 marisa-trie
 bcolz
 psutil
 aiohttp
 ets
 pyodesys
 cython
 ta-lib
 spacy
 ujson
 numcodecs
 orange
 discretize
 moderngl
 dulwich
 py-lmdb
 h5py
 netcdf4
 tornado
 pymatgen
 zipline
 mercurial
 param
 zstd
 simpleitk
 mod_wsgi
 jpype
 lz4
 biopython
 tensorflow
 fastparquet
 pillow
 lsqfit
 indexed_gzip
 pyodbc
 sqlalchemy
 matplotlib
 bokeh
 javabridge
 pygit2
 pyhdf
 numpy
 ruamel.yaml
 lxml
 gdal
 cupy
 freesasa
 gvar
 pgmagick
 pymssql
 python-ldap
 pyldap
 pymol
 wordcloud
 astropy
 meshpy
 tomopy
 kiwisolver
 cobra
 cx_oracle
 sfepy
 cytoolz
 blist
 cheetah
 basemap
 xylib-py
 cyrasterize
 menpo
 pyswisseph
 spglib
 openexr
 pulp
 grpcio
 gensim
 pymongo
 cantera
 cchardet
 tatsu
 rasterio
 pycluster
 pycairo
 ode
 salientdetect
 liblinear
 libsvm
 ecos
 setproctitle
 cffi
 cdecimal
 crcmod
 crc16
 pycld2
 planar
 autopy
 pyx
 pywin32
 iminuit
 rtmidi-python
 pycosat
 pyflux
 opencv
 mkl-service
 postgresadapter
 datrie
 polygon
 py-earth
 lightning
 pytiff
 pystemmer
 pyrxp
 pyrsistent
 pyqpbo
 netcdftime
 pyopencl
 pyfm
 pydde
 x86cpu
 gevent
 gpy
 fisx
 fisher
 ffnet
 fasttext
 iris
 pymc
 hddm
 hmmlearn
 heatmap
 jsonlib
 intbitset
 sasl
 bsddb3
 flann
 pyopengl
 fiona
 msgpack
 cartopy
 pyfits
 scikits.odes
 regex
 louvain-igraph
 python-igraph
 tifffile
 mpi4py
 pycares
 pybox2d
 pyamg
 numba
 llvmlite
 natgrid
 netifaces
 pycurl
 yarl
 yt
 bintrees
 imread
 scandir
 fast-histogram
 pycifrw
 pyzmq
 coverage
 lp_solve
 zodbpickle
 aspell-python
 pygresql
 psycopg
 transformations
 vlfd
 chebyfit
 vidsrc
 psf
 akima
 pykinsol
 pyodeint
 pycvodes
 mayavi
 vtk
 ad3
 entropy
 fastcache
 fdint
 bitarray
 bsdiff4
 jcc
 xxhash
 twainmodule
 triangle
 chaco
 enable
 traits
 statsmodels
 noise
 scikits.vectorplot
 scikit-fmm
 rtree
 python-levenshtein
 python-lzo
 pyspharm
 pyminuit
 pymetis
 pymcubes
 pylzma
 pyhook
 pyeda
 pyfmi
 reportlab
 assimulo
 pyfltk
 pocketsphinx
 simpleparse
 fastcluster
 winrandom
 nlopt
 mahotas
 pyaudio
 simplejson
 apsw
 mysqlclient
 greenlet
 pymvpa
 thrift
 pyicu
 python-snappy
 atom
 pyemd
 enaml
 shapely
 pypmc
 wrf_python
 fabio
 pyyaml
 quantlib
 slycot
 babel
 mkl_random
 mkl_fft
 backports.lzma
 kwant
 tinyarray
 udunits
 spectrum
 recordclass
 kapteyn
 polylearn
 pandas
 pywinpty
 blosc
 twisted
 libsbml
 simpleaudio
 sounddevice
 aggdraw
 pylibtiff
 line_profiler
 swiglpk
 btrees
 zope.interface
 persistent
 pywavelets
 scikit-learn
 scikit-image
 cx_freeze
 brotli
 videocapture
 pygame
 pycuda
 pyproj
 boost.python
 fastrlock
 minepy
 fann2
 markupsafe
 mistune
 lazy_object_proxy
 wrapt
 bottleneck
 numexpr
 dipy
 llist
 holopy
 openimageio
 cellprofiler
 obspy
 scikit-umfpack
 pillow-simd
 openpiv
 faulthandler
 debug-information-files
 czifile
 scs
 veusz
 chompack
 cvxpy
 gr
 qutip
 sympy
 pyarrow
 scikit-misc
 pycorrfit
 pyside
 vitables
 hyperspy
 vigra
 grako
 kivy
 pyjnius
 imaged11
 python-cjson
 thriftpy
 trollius
 lru_dict
 zs
 py_gd
 liblas
 pythonnet
 cairocffi
 openbabel
 pystruct
 freeimagedll
 nipy
 qimage2ndarray
 guiqwt
 qt_graph_helpers
 pyqwt
 pyqt4
 multiprocess
 libtfr
 nitime
 lfdfiles
 mathutils
 cvxopt
 cvxcanon
 pyvrml97
 pythonmagick
 yappi
 pyfftw
 pyviennacl
 pyephem
 sparsesvd
 cyordereddict
 blz
 bigfloat
 milk
 seqlearn
 multineat
 mlpy
 ceodbc
 cyassimp
 sima
 pymca
 friture
 pycogent
 gmpy
 pysqlite
 blaze
 scikits.audiolab
 la
 bazaar
 dynd
 genshi
 python-sundials
 glumpy
 pyamf
 libxml-python
 cellcognition
 pymcmc
 pyksvd
 pybluez
 pygraphviz
 mxbase
 libpython
 re2
 pymunk
 pygtk
 cgal-bindings
 bio_formats
 pysfml
 pyexiv2
 pylibdeconv
 iocbio
 pymix
 umysql
 lazyflow
 mmlib
 scikits.timeseries
 casuarius
 wxpython
 ilastik
 quickfix
 pywcs
 scientificpython
 vpython
 nmoldyn
 mmtk
 pyalembic
 polymode
 scikits.delaunay
 cld
 py-fcm
 oursql
 zfec
 py2exe
 pymutt
 carray
 llvmpy
 cgkit
 pymedia
 scipy-cluster
 scikits.scattpy
 scikits.samplerate
 scikits.ann
 pyxml
 pytst
 delny
 mysql-python
 htseq
 pyusb-ftdi
 silvercity
 steps
 pysparse
 pyropes
 scikits.hydroclimpy
 sendkeys
 pydbg
 pyisapie

python第三方库

Anaconda完全入门指南

安装

按照安装程序提示一步步安装就好了, 安装完成之后会多几个应用

Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。

qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。

spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。

参考：https://www.jianshu.com/p/eaee1fadc1e9

安装第三方包:

conda install requests

卸载第三方包:

conda remove requests

查看环境包信息

要查看当前环境中所有安装了的包可以用

conda list 

深入一下

或许你会觉得奇怪为啥anaconda能做这些事, 他的原理到底是什么, 我们来看看anaconda的安装目录

这里只截取了一部分, 但是我们和本文章最开头的python环境目录比较一下, 可以发现其实十分的相似, 其实这里就是base环境.

里面有着一个基本的python解释器, lLib里面也有base环境下的各种包文件.

那我们自己创建的环境去哪了呢, 我们可以看见一个envs, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看

这不就是一个标准的python环境目录吗?

---

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境,

用不同版本的解释器和不同的包环境去运行python脚本.

conda 安装第三方库

与pycharm连接

在工作环境中我们会集成开发环境去编码, 这里推荐JB公司的pycharm, 而pycharm也能很方便的和anaconda的虚拟环境结合

在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

比如你要在learn环境中编写程序, 那么就修改为D:\Software\Anaconda\envs\learn,

可以看到这时候下面的依赖包也变成了learn环境中的包了.接下来我们就可以在pycharm中愉快的编码了.

更新Python第三方库

pip list      #列出所有安装的库
 
pip list --outdated 　　#列出所有过期的库
 
pip install --upgrade 库名     #更新库
 
#但此命令不支持全局全部库升级。
#在stackoverflow上有人提供了批量更新的办法，一个循环就搞定（注意--upgrade后面的空格）
 
import pip
from subprocess import call
 
for dist in pip.get_installed_distributions():
    call("pip install --upgrade " + dist.project_name, shell=True)

问题：

安装包出现Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError

pip install xxx  下载太慢，推荐使用国内镜像源

[阿里云]
(https://mirrors.aliyun.com/pypi/simple/)
[中国科技大学]
(https://pypi.mirrors.ustc.edu.cn/simple/%20)
[豆瓣(douban)]
(https://pypi.douban.com/simple/) 
[清华大学]
(https://pypi.tuna.tsinghua.edu.cn/simple/)
[中国科学技术大学]
(https://pypi.mirrors.ustc.edu.cn/simple/)

使用方法很简单，直接 -i 加 url 即可！如下：

pip install numpy -i https://pypi.douban.com/simple

到官网下载安装包

在官网上下载了Django-2.2.4.tar.gz 文件到本地。

• 解压文件

• cmd切换到文件setup.py的目录下

• 先执行 python setup.py build

• 再执行python setup.py install