使用虚拟环境virtualenv
推荐使用
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:Python36python.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:Python27Scripts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AppDataRoaming 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
更新pip报权限错误
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
1 pendulum 2 quaternion 3 arctic 4 jupyter 5 multidict 6 peewee 7 logbook 8 scipy 9 curses 10 pytables 11 pip 12 rpy2 13 xgboost 14 marisa-trie 15 bcolz 16 psutil 17 aiohttp 18 ets 19 pyodesys 20 cython 21 ta-lib 22 spacy 23 ujson 24 numcodecs 25 orange 26 discretize 27 moderngl 28 dulwich 29 py-lmdb 30 h5py 31 netcdf4 32 tornado 33 pymatgen 34 zipline 35 mercurial 36 param 37 zstd 38 simpleitk 39 mod_wsgi 40 jpype 41 lz4 42 biopython 43 tensorflow 44 fastparquet 45 pillow 46 lsqfit 47 indexed_gzip 48 pyodbc 49 sqlalchemy 50 matplotlib 51 bokeh 52 javabridge 53 pygit2 54 pyhdf 55 numpy 56 ruamel.yaml 57 lxml 58 gdal 59 cupy 60 freesasa 61 gvar 62 pgmagick 63 pymssql 64 python-ldap 65 pyldap 66 pymol 67 wordcloud 68 astropy 69 meshpy 70 tomopy 71 kiwisolver 72 cobra 73 cx_oracle 74 sfepy 75 cytoolz 76 blist 77 cheetah 78 basemap 79 xylib-py 80 cyrasterize 81 menpo 82 pyswisseph 83 spglib 84 openexr 85 pulp 86 grpcio 87 gensim 88 pymongo 89 cantera 90 cchardet 91 tatsu 92 rasterio 93 pycluster 94 pycairo 95 ode 96 salientdetect 97 liblinear 98 libsvm 99 ecos 100 setproctitle 101 cffi 102 cdecimal 103 crcmod 104 crc16 105 pycld2 106 planar 107 autopy 108 pyx 109 pywin32 110 iminuit 111 rtmidi-python 112 pycosat 113 pyflux 114 opencv 115 mkl-service 116 postgresadapter 117 datrie 118 polygon 119 py-earth 120 lightning 121 pytiff 122 pystemmer 123 pyrxp 124 pyrsistent 125 pyqpbo 126 netcdftime 127 pyopencl 128 pyfm 129 pydde 130 x86cpu 131 gevent 132 gpy 133 fisx 134 fisher 135 ffnet 136 fasttext 137 iris 138 pymc 139 hddm 140 hmmlearn 141 heatmap 142 jsonlib 143 intbitset 144 sasl 145 bsddb3 146 flann 147 pyopengl 148 fiona 149 msgpack 150 cartopy 151 pyfits 152 scikits.odes 153 regex 154 louvain-igraph 155 python-igraph 156 tifffile 157 mpi4py 158 pycares 159 pybox2d 160 pyamg 161 numba 162 llvmlite 163 natgrid 164 netifaces 165 pycurl 166 yarl 167 yt 168 bintrees 169 imread 170 scandir 171 fast-histogram 172 pycifrw 173 pyzmq 174 coverage 175 lp_solve 176 zodbpickle 177 aspell-python 178 pygresql 179 psycopg 180 transformations 181 vlfd 182 chebyfit 183 vidsrc 184 psf 185 akima 186 pykinsol 187 pyodeint 188 pycvodes 189 mayavi 190 vtk 191 ad3 192 entropy 193 fastcache 194 fdint 195 bitarray 196 bsdiff4 197 jcc 198 xxhash 199 twainmodule 200 triangle 201 chaco 202 enable 203 traits 204 statsmodels 205 noise 206 scikits.vectorplot 207 scikit-fmm 208 rtree 209 python-levenshtein 210 python-lzo 211 pyspharm 212 pyminuit 213 pymetis 214 pymcubes 215 pylzma 216 pyhook 217 pyeda 218 pyfmi 219 reportlab 220 assimulo 221 pyfltk 222 pocketsphinx 223 simpleparse 224 fastcluster 225 winrandom 226 nlopt 227 mahotas 228 pyaudio 229 simplejson 230 apsw 231 mysqlclient 232 greenlet 233 pymvpa 234 thrift 235 pyicu 236 python-snappy 237 atom 238 pyemd 239 enaml 240 shapely 241 pypmc 242 wrf_python 243 fabio 244 pyyaml 245 quantlib 246 slycot 247 babel 248 mkl_random 249 mkl_fft 250 backports.lzma 251 kwant 252 tinyarray 253 udunits 254 spectrum 255 recordclass 256 kapteyn 257 polylearn 258 pandas 259 pywinpty 260 blosc 261 twisted 262 libsbml 263 simpleaudio 264 sounddevice 265 aggdraw 266 pylibtiff 267 line_profiler 268 swiglpk 269 btrees 270 zope.interface 271 persistent 272 pywavelets 273 scikit-learn 274 scikit-image 275 cx_freeze 276 brotli 277 videocapture 278 pygame 279 pycuda 280 pyproj 281 boost.python 282 fastrlock 283 minepy 284 fann2 285 markupsafe 286 mistune 287 lazy_object_proxy 288 wrapt 289 bottleneck 290 numexpr 291 dipy 292 llist 293 holopy 294 openimageio 295 cellprofiler 296 obspy 297 scikit-umfpack 298 pillow-simd 299 openpiv 300 faulthandler 301 debug-information-files 302 czifile 303 scs 304 veusz 305 chompack 306 cvxpy 307 gr 308 qutip 309 sympy 310 pyarrow 311 scikit-misc 312 pycorrfit 313 pyside 314 vitables 315 hyperspy 316 vigra 317 grako 318 kivy 319 pyjnius 320 imaged11 321 python-cjson 322 thriftpy 323 trollius 324 lru_dict 325 zs 326 py_gd 327 liblas 328 pythonnet 329 cairocffi 330 openbabel 331 pystruct 332 freeimagedll 333 nipy 334 qimage2ndarray 335 guiqwt 336 qt_graph_helpers 337 pyqwt 338 pyqt4 339 multiprocess 340 libtfr 341 nitime 342 lfdfiles 343 mathutils 344 cvxopt 345 cvxcanon 346 pyvrml97 347 pythonmagick 348 yappi 349 pyfftw 350 pyviennacl 351 pyephem 352 sparsesvd 353 cyordereddict 354 blz 355 bigfloat 356 milk 357 seqlearn 358 multineat 359 mlpy 360 ceodbc 361 cyassimp 362 sima 363 pymca 364 friture 365 pycogent 366 gmpy 367 pysqlite 368 blaze 369 scikits.audiolab 370 la 371 bazaar 372 dynd 373 genshi 374 python-sundials 375 glumpy 376 pyamf 377 libxml-python 378 cellcognition 379 pymcmc 380 pyksvd 381 pybluez 382 pygraphviz 383 mxbase 384 libpython 385 re2 386 pymunk 387 pygtk 388 cgal-bindings 389 bio_formats 390 pysfml 391 pyexiv2 392 pylibdeconv 393 iocbio 394 pymix 395 umysql 396 lazyflow 397 mmlib 398 scikits.timeseries 399 casuarius 400 wxpython 401 ilastik 402 quickfix 403 pywcs 404 scientificpython 405 vpython 406 nmoldyn 407 mmtk 408 pyalembic 409 polymode 410 scikits.delaunay 411 cld 412 py-fcm 413 oursql 414 zfec 415 py2exe 416 pymutt 417 carray 418 llvmpy 419 cgkit 420 pymedia 421 scipy-cluster 422 scikits.scattpy 423 scikits.samplerate 424 scikits.ann 425 pyxml 426 pytst 427 delny 428 mysql-python 429 htseq 430 pyusb-ftdi 431 silvercity 432 steps 433 pysparse 434 pyropes 435 scikits.hydroclimpy 436 sendkeys 437 pydbg 438 pyisapie
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:SoftwareAnacondaenvslearn,
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