Python 开发环境

引言

本章节包含 Python 开发与运行环境的全部主流方式：

由于我们主开发语言为 Java，故 Python 我们依然采用 IDEA 进行开发
Windows 下安装 Anaconda
Linux 下安装 Miniconda
安装 uv
PyCharm 安装流程同 IDEA 这里就不再赘述了
VSCode 只需要安装一个 Pyhon 插件即可

IDEA 配置 Python

安装插件

插件名称Python Community Edition

创建环境

创建 Conda 环境，这里以 Flask 为例

# 创建 Conda 环境
conda create --name sca python=3.12
# 激活 Conda 环境
conda activate sca

# 安装 Flask
pip3 install flask
# 查看版本
pip show Flask

配置解释器

为项目配置 Python 解释器，可以使用命令查看 Anaconda 的安装路径

conda info --base

# 输出如：D:\ProgramData\anaconda3
# 路径为：D:\ProgramData\anaconda3\condabin\conda.bat

在【项目结构】-【平台设置】-【SDK】中添加本地 Python 解释器

在【项目设置】-【模块】添加 Python 解释器

测试运行 Python 脚本

Windows Anaconda

Anaconda 是一个专为数据科学和机器学习领域设计的开源发行版，集成了 Python（或 R）解释器、包管理器（conda）、环境管理工具以及大量常用的数据科学库（如 NumPy、Pandas、Scikit-learn、Jupyter 等）。使用 Anaconda 能够简化依赖管理和环境隔离，避免“在我机器上能跑”的问题，让用户更专注于数据分析与建模本身

下载安装

https://www.anaconda.com/download/success

百度云网盘

运行安装包执行文件，依次点击下一步即可，可以自定义安装的路径，中间的安装设置按照默认的来即可

如果提示更新可以选择更新

关闭帮助窗口

点击【Environments】可以看到我们正在【base】环境中

验证安装

完场上述步骤之后，需要再检查下 conda 是否能够正常使用

通过快捷键【Win + R】搜索找到 Anaconda Prompt，点击打开后，在控制台中输入 conda --version，回车如果返回了 conda 版本信息则说明安装成功

也可以通过 conda 控制台运行

输入命令：conda --version

在窗口中输入 conda list，会返回当前环境下已经安装好的包，如果出现该列表则说明 conda 已经正确安装。其中，包含了对应的解释器

配置国内镜像

Conda 包管理器下载各类库的来源是国外的服务器，常常会面临下载速度慢的问题。可以为 Conda 添加软件包通道，在打开的 Anaconda prompt 控制台窗口中，输入如下命令可以将清华源的两个地址添加到通道

阿里云镜像

conda config --add channels http://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels http://mirrors.aliyun.com/anaconda/pkgs/r/
conda config --add channels http://mirrors.aliyun.com/anaconda/pkgs/msys2/

# 或者
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/conda-forge/

清华大学源

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/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

其他配置

# 设置显示镜像源 URL
conda config --set show_channel_urls yes

# 查看当前生效的镜像源
conda config --show channels

# 恢复默认源
conda config --remove-key channels

环境管理

创建环境

要创建一个新的 conda 环境，可以使用 conda create 命令，指定该环境下所需的 Python 版本和要安装的软件包

# NumPy 是 Python 科学计算的基础库
# Matplotlib 是 Python 生态中主力的数据可视化工具
# 深度学习模型中，NumPy 加速数值计算，Matplotlib 绘制损失函数曲线或特征分布图
conda create --name myenv python=3.12 numpy matplotlib

这将创建一个名为 myenv 的环境，并在其中安装 Python 3.12、NumPy 和 Matplotlib。在创建环境时，会有软件包列表的提示，输入 y 确认后即等待环境创建即可

激活环境

经过环境的创建之后，用 conda env list 来查看已有的 conda 环境，发现已经创建好了名为 myenv 的环境，但是此时根据如下位置判断我们所在的 conda 环境仍然是名为 base 的环境，因此要激活并切换到 myenv 环境中

conda activate myenv

退出环境

如果不切换环境，而只是退出当前环境，可以用 conda deactivate 退出当前的 conda 环境

导出环境

当想要保存某个环境的配置信息，例如下载源信息、环境的 Python 版本信息、安装的包的版本信息等，可以先切换到指定环境下，通过以下命令将这些配置信息导出：

conda env export > environment.yml

该命令会将当前的环境配置信息导出到为 environment.yml 配置信息文件，文件导出地址默认为当前工作目录

导入环境

这时候，将配置文件传到另一台电脑，想基于该配置文件创建 conda 环境，可以通过以下命令：

conda env create -f environment.yml

试运行脚本

写一个名为 test.py 的简单的 python 脚本，但用到需要额外安装的 numpy 库，代码如下：

import numpy as np

array = np.random.rand(10)
mean = np.mean(array)
print(mean)

将该脚本文件放到控制台的工作目录下（或者把控制台工作目录切换到脚本文件的位置），输入如下命令：

python test.py

删除环境

如果不想要一个环境了，例如要把 myenv 这个名字的环境删除，可以通过如下命令进行删除：

conda remove --name myenv --all

该命令会删除 myenv 环境及环境下所有的安装包，该操作是不可逆的，在执行之前需确认好

Linux Miniconda

下载安装

https://www.anaconda.com/docs/getting-started/miniconda/main

使用 wget 命令下载最新版 Miniconda 安装脚本（适用于 Linux x86_64 架构）

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

安装过程中按提示操作：
1. 阅读许可协议：直接按 Enter 继续
2. 接受许可条款：输入 yes 并回车
3. 选择安装路径：默认路径为 /root/miniconda3，直接按 Enter 确认（也可自定义路径）
4. 初始化 Conda：建议输入 yes，以便自动配置 shell 环境
安装成功后会显示

==> For changes to take effect, close and re-open your current shell. <==
Thank you for installing Miniconda3!

重要：请退出当前终端（如执行 exit 或按 Ctrl + D），然后重新登录，使 Conda 初始化生效

验证是否安装成功

conda --version

若能正常输出版本号，说明 Miniconda 已正确安装并可用

配置国内镜像

配置 Conda 镜像源，在终端中依次执行以下命令，添加清华镜像通道

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/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

注意：此配置仅影响 Conda 包管理器，不影响 pip

配置 pip 镜像源，创建或编辑 pip 配置文件

vi /etc/pip.conf

写入以下内容以使用清华 PyPI 镜像

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn
timeout = 120

验证配置

pip config list

UV

自动安装

在 Windows 上，请以 管理员身份 打开 PowerShell，执行以下命令

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

此脚本会自动下载最新版 uv 并配置环境变量

手动安装

如果上面的命令无法安装，我们还可以采用手动安装的方式

https://github.com/astral-sh/uv/releases

D:\Program Files\uv

将该目录添加到系统环境变量 PATH 中

安装完成后，建议重启终端以确保 PATH 生效

验证安装

若成功输出版本号（如 uv 0.5.0），说明安装成功

uv --version

配置国内镜像

虽然 uv 在本地解析速度极快，但默认仍从官方下载包，可能受网络影响。建议配置国内镜像源

常用镜像地址

镜像源	URL
清华大学	`https://pypi.tuna.tsinghua.edu.cn/simple`
阿里云	`https://mirrors.aliyun.com/pypi/simple`
中国科学技术大学	`https://pypi.mirrors.ustc.edu.cn/simple`

配置方式：项目级（推荐）

在项目根目录的 pyproject.toml 文件中添加如下配置

[[tool.uv.index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

优势：配置随项目共享，团队成员无需手动设置

多源配置（支持私有仓库）

# 主源（国内公共镜像）
[[tool.uv.index]]
url = "https://mirrors.aliyun.com/pypi/simple"
default = true

# 备用源（如公司私有仓库）
[[tool.uv.index]]
url = "https://private.repo.com/simple"

uv 会优先从 default = true 的源查找包，若未找到，则尝试其他源

验证镜像是否生效

uv pip install -v requests

在详细日志-v）中，若看到请求地址为配置的镜像（如 mirrors.aliyun.com），则说明配置成功

版本管理

查看可用版本

uv python list

列出已安装及可安装的 Python 版本（包括 CPython 和 PyPy）

安装新版本

# 安装 CPython 3.12
uv python install 3.12

# 安装 PyPy 3.10
uv python install pypy@3.10

查找 Python 路径

uv python find 3.10
# 输出示例：/Library/Frameworks/Python.framework/Versions/3.10/bin/python3.10

依赖管理

添加依赖

# 添加最新版
uv add requests

# 指定版本
uv add requests==2.31.0

执行后：
1. 自动创建 `.venv` 虚拟环境
2. 更新 `pyproject.toml` 的 `dependencies`
3. 生成 `uv.lock` 锁文件（记录精确依赖版本）

运行程序

uv run main.py

uv 会自动激活虚拟环境并运行脚本，无需手动 source .venv/bin/activate

创建项目

mkdir myweb
cd myweb

固定 Python 版本

uv python pin 3.12    # 在 .python-version 中记录 Python 3.12
uv init               # 生成 pyproject.toml 和 README.md

uv init 会创建基础项目文件，但 ** 不会自动生成 src/ 目录 **，需手动创建以遵循标准源码布局

创建虚拟环境

uv venv

此命令在当前目录下生成 .venv/ 虚拟环境。
后续所有 uv pip 或 uv run 命令将自动使用该环境。

建议将 .venv/ 加入 .gitignore，避免提交到版本控制

mkdir -p src/myweb
touch src/myweb/__init__.py

创建主应用文件 src/myweb/main.py

# src/myweb/main.py
from flask import Flask

def create_app():
    """应用工厂函数，便于测试和配置管理"""
    app = Flask(__name__)

    @app.route("/")
    def hello():
        return "Hello Flask"

    return app

def main():
    """命令行入口函数"""
    app = create_app()
    app.run(host="127.0.0.1", port=5000, debug=True)

配置项目元数据：编辑自动生成的 pyproject.toml，替换或补充如下内容

[project]
name = "myweb"
version = "0.1.0"
description = "A Flask web application using UV and src layout"
readme = "README.md"
requires-python = ">=3.12"
dependencies = [
    "flask>=3.1.2",
]

# 定义命令行入口点
[project.scripts]
myweb = "myweb.main:main"

# （国内用户推荐）配置清华 PyPI 镜像加速
[[tool.uv.index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

入口点说明：
myweb.main:main 表示：
包名myweb（对应 src/myweb/）
模块main（即 main.py）
函数main()

以开发模式安装项目

uv pip install -e .

# -e 表示 可编辑安装（editable install）：源码修改后立即生效，无需重新安装。
# uv 会自动解析 pyproject.toml 中的依赖（如 Flask）并安装。
# 同时将 myweb 命令注册到虚拟环境的可执行路径中。

运行项目

uv run myweb

# 启动 Flask 开发服务器，默认监听 `http://127.0.0.1:5000`
# 浏览器访问该地址即可看到 `"Hello Flask"` 页面。

源本科技 | 码上会

引言

IDEA 配置 Python

安装插件

创建环境

配置解释器

Windows Anaconda

下载安装

验证安装

配置国内镜像

环境管理

创建环境

激活环境

退出环境

导出环境

导入环境

试运行脚本

删除环境

Linux Miniconda

下载安装

配置国内镜像

UV

自动安装

手动安装

验证安装

配置国内镜像

常用镜像地址

配置方式：项目级（推荐）

多源配置（支持私有仓库）

验证镜像是否生效

版本管理

依赖管理

创建项目