Python pip 命令完全指南:从入门到精通

目录

一、什么是 pip?

1.1 检查 pip 是否已安装

1.2 安装/升级 pip

二、pip 基本命令

2.1 安装包

常用选项

2.2 卸载包

2.3 升级包

2.4 列出已安装的包

2.5 查看包信息

2.6 搜索包

2.7 检查哪些包需要更新

2.8 导出当前环境的包列表

三、pip 高级用法

3.1 使用 requirements.txt 管理依赖

3.2 从其他源安装

3.3 从版本控制系统安装

3.4 从本地文件安装

3.5 使用约束文件

3.6 仅下载而不安装

3.7 安装可编辑模式(开发模式)

3.8 指定平台和 Python 版本

四、pip 配置

4.1 配置文件位置

4.2 常用配置示例

4.3 使用环境变量

五、常见问题与技巧

5.1 解决权限问题

5.2 缓存问题

5.3 加速安装

5.4 虚拟环境与 pip

5.5 更新 pip 自身

5.6 查看 pip 帮助

5.7 安装二进制 wheel 包

5.8 解决依赖冲突

六、总结


pip 是 Python 的包管理工具,它允许你从 Python Package Index (PyPI) 以及其他包索引安装和管理第三方库。无论是初学者还是资深开发者,熟练掌握 pip 都是高效 Python 开发的必备技能。本文将详细介绍 pip 的常用命令、高级用法、配置技巧以及最佳实践,帮助你全面掌握这个强大的工具。


一、什么是 pip?

pip 是 “Pip Installs Packages” 的递归缩写,是 Python 官方推荐的包安装程序。它能够自动处理依赖关系,从 PyPI 或其他包索引下载并安装软件包。pip 从 Python 3.4 开始(对于 Python 2,从 2.7.9 开始)已经内置在 Python 安装包中,因此通常无需单独安装。

1.1 检查 pip 是否已安装

打开终端(命令提示符)并运行:

bash

pip --version

如果显示类似 pip 24.0 from /usr/local/lib/python3.12/site-packages (python 3.12) 的信息,说明 pip 已安装。

1.2 安装/升级 pip

如果你需要安装或升级 pip,可以使用以下命令:

bash

python -m ensurepip --upgrade # 确保 pip 已安装并升级到最新 # 或者使用 get-pip.py 脚本 curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py python get-pip.py


二、pip 基本命令

2.1 安装包

最简单的安装命令:

bash

pip install <package_name>

例如安装 requests

bash

pip install requests

常用选项
  • 指定版本pip install requests==2.28.1
  • 大于等于某版本pip install 'requests>=2.25'
  • 安装到用户目录pip install --user requests(避免使用系统 Python 环境)
  • 从 requirements 文件安装pip install -r requirements.txt

2.2 卸载包

bash

pip uninstall <package_name>

卸载时会询问确认,可使用 -y 跳过确认:

bash

pip uninstall requests -y

2.3 升级包

bash

pip install --upgrade <package_name> # 或简写 pip install -U <package_name>

2.4 列出已安装的包

bash

pip list

列出所有已安装的包及其版本。

2.5 查看包信息

bash

pip show <package_name>

显示包的详细信息,包括版本、依赖、作者等。

2.6 搜索包

bash

pip search <keyword>

注意:从 PyPI 搜索的功能由于 PyPI 的限制可能不再可靠,建议使用浏览器在 pypi.org 搜索。

2.7 检查哪些包需要更新

bash

pip list --outdated

显示所有有更新版本的包。

2.8 导出当前环境的包列表

bash

pip freeze > requirements.txt

生成一个包含所有包及其版本的列表,通常用于记录项目依赖。注意 freeze 会列出所有包(包括依赖的依赖),而 pip list 只列出顶层包。


三、pip 高级用法

3.1 使用 requirements.txt 管理依赖

requirements.txt 是一个文本文件,每行定义一个包及其版本约束。典型内容:

text

requests==2.28.1 numpy>=1.21,<2.0 flask

安装所有依赖:

bash

pip install -r requirements.txt

3.2 从其他源安装

默认从 PyPI 下载,但可以指定其他索引:

bash

pip install -i https://mirrors.aliyun.com/pypi/simple/ requests

常用国内镜像:

  • 阿里云:https://mirrors.aliyun.com/pypi/simple/
  • 清华大学:https://pypi.tuna.tsinghua.edu.cn/simple
  • 中国科技大学:https://pypi.mirrors.ustc.edu.cn/simple

3.3 从版本控制系统安装

直接从 Git、Mercurial 等仓库安装:

bash

pip install git+https://github.com/psf/requests.git pip install git+https://github.com/psf/[email protected] # 指定 tag pip install git+https://github.com/psf/requests.git#egg=requests

3.4 从本地文件安装

  • 从本地目录安装(包含 setup.py 的源码包):bashpip install /path/to/package
  • 从 wheel 文件安装:bashpip install package.whl

3.5 使用约束文件

约束文件(constraints.txt)类似于 requirements,但只限制版本而不强制安装。用于控制依赖版本,但不主动安装。

bash

pip install -c constraints.txt

3.6 仅下载而不安装

bash

pip download <package> -d ./downloaded_packages

下载包及其依赖到指定目录,之后可以离线安装:

bash

pip install --no-index --find-links ./downloaded_packages <package>

3.7 安装可编辑模式(开发模式)

bash

pip install -e /path/to/package

这会将包链接到当前开发目录,修改代码后立即生效,常用于本地开发调试。

3.8 指定平台和 Python 版本

跨平台安装时,可以使用 --platform--python-version 等选项:

bash

pip download --only-binary=:all: --platform manylinux2014_x86_64 --python-version 39 --dest ./wheels numpy


四、pip 配置

pip 的行为可以通过配置文件或环境变量定制。

4.1 配置文件位置

  • Windows:%APPDATA%\pip\pip.ini
  • macOS/Linux:$HOME/.pip/pip.conf 或 $HOME/.config/pip/pip.conf
  • 全局配置:Unix 下 /etc/pip.conf

4.2 常用配置示例

ini

[global] index-url = https://mirrors.aliyun.com/pypi/simple/ trusted-host = mirrors.aliyun.com timeout = 60

4.3 使用环境变量

  • PIP_INDEX_URL:设置索引 URL
  • PIP_TRUSTED_HOST:信任的主机
  • PIP_TIMEOUT:超时时间

例如:

bash

export PIP_INDEX_URL=https://mirrors.aliyun.com/pypi/simple/


五、常见问题与技巧

5.1 解决权限问题

如果遇到权限错误,可以考虑:

  • 使用虚拟环境(推荐)
  • 使用 --user 选项安装到用户目录
  • 使用 sudo(仅在系统级安装必要时,且需谨慎)

5.2 缓存问题

pip 默认会缓存下载的包,如果遇到安装失败,可以尝试清除缓存:

bash

pip cache purge

或在安装时禁用缓存:

bash

pip install --no-cache-dir <package>

5.3 加速安装

  • 使用国内镜像源
  • 使用 --prefer-binary 优先使用 wheel 包(避免编译)
  • 启用并行下载(pip 20.3+ 默认开启)

5.4 虚拟环境与 pip

强烈建议为每个项目创建独立的虚拟环境,避免包冲突。使用 Python 内置的 venv

bash

python -m venv myenv source myenv/bin/activate # Linux/macOS myenv\Scripts\activate # Windows pip install <package>

5.5 更新 pip 自身

bash

pip install --upgrade pip

如果在虚拟环境外遇到权限问题,可以加上 --user

5.6 查看 pip 帮助

bash

pip help pip install --help

5.7 安装二进制 wheel 包

某些包需要编译(如 numpy),建议使用预编译的 wheel 版本。pip 会自动选择,但可以强制使用二进制:

bash

pip install --only-binary :all: numpy

5.8 解决依赖冲突

使用 pip check 检查当前环境是否存在依赖冲突:

bash

pip check


六、总结

pip 是 Python 生态中不可或缺的工具,掌握它的各种命令和选项能够极大提升开发效率。本文从基础命令到高级用法,再到配置和常见问题,全面覆盖了 pip 的使用场景。建议你在实际开发中结合虚拟环境和 requirements.txt 管理项目依赖,并善用镜像源加速下载。

随着 Python 的发展,pip 也在不断进化(如依赖解析器改进、新的特性),定期关注 pip 官方文档 和更新日志,可以让你始终走在最佳实践的前沿。

现在,打开终端,开始用 pip 探索 Python 的无限可能吧!

Read more

GTC2026前瞻(二)Agentic AI 与开源模型篇+(三)Physical AI 与机器人篇

GTC2026前瞻(二)Agentic AI 与开源模型篇+(三)Physical AI 与机器人篇

(二)Agentic AI 与开源模型篇 Agentic AI与开源模型:英伟达想定义的,不只是“更聪明的模型”,而是“能持续工作的数字劳动力” 如果说过去两年的大模型竞赛,核心问题还是“谁能生成更像人的答案”,那么到了 GTC 2026,问题已经明显变了。英伟达把 Agentic AI 直接列为大会四大核心主题之一,官方对这一主题的定义也很明确:重点不再是单轮问答,而是让 AI agent 能够推理、规划、检索并执行动作,最终把企业数据转化为可投入生产的“数字劳动力”。这说明,Agentic AI 在英伟达的语境里,已经不是一个前沿概念,而是下一阶段 AI 商业化的主战场。(NVIDIA) 一、GTC 2026真正的变化,是 AI 开始从“会回答”走向“会做事”

By Ne0inhk
OpenCode:开源 AI Coding Agent 技术与行业分析

OpenCode:开源 AI Coding Agent 技术与行业分析

核心发现摘要 OpenCode 是当前 AI 编程工具领域最活跃的开源项目之一。截至 2026 年 2 月,该项目在 GitHub 上已获得 99.8K Star,月活跃开发者超过 250 万,支持 75 种以上大语言模型提供商。 OpenCode 的核心价值在于打破供应商锁定:代码基于 MIT 许可证完全开源,架构支持本地模型部署以保障隐私,并独创 Plan/Build 双模式工作流,为开发者提供高度的灵活性与控制权。 商业模式上,OpenCode 与 Claude Code、Cursor 等闭源工具的订阅制不同,采用按需付费模式。通过 OpenCode Zen 服务,开发者可免费使用 Big Pickle、Kimi K2.

By Ne0inhk

爆肝 2 天,用 GLM5 开发了 OpenClaw 接入微信 bot,已开源!

这是苍何的第 493 篇原创! 大家好,我是苍何。 OpenClaw,这个 GitHub 上 18 万 Star 的怪物级开源项目,你们应该都听过了吧? 飞书能接、钉钉能接、企业微信能接、QQ 能接、Discord 能接…… 但偏偏最多人用的「微信个人号」,它不支持。 我翻遍了 GitHub、掘金、知乎,找到的方案要么是企业微信绕一圈,要么是用微信 Web 协议搞,动不动就封号。 说实话,这谁顶得住? 天天在微信上跟朋友聊天、在群里吹水,结果想接个 OpenClaw 都这么费劲? 麻了。 于是我决定自己干。 「爆肝 2 天,我把 OpenClaw 接入了微信个人号,并且已经开源了。」 地址:

By Ne0inhk
Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

前言 本文最开始属于此文《视频生成Sora的全面解析:从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等》 但考虑到DiT除了广泛应用于视频生成领域中,在机器人动作预测也被运用的越来越多,加之DiT确实是一个比较大的创新,影响力大,故独立成本文 第一部分 Diffusion Transformer(DiT):将扩散过程中的U-Net 换成ViT 1.1 什么是DiT 1.1.1 DiT:在VAE框架之下扩散去噪中的卷积架构换成Transformer架构 在ViT之前,图像领域基本是CNN的天下,包括扩散过程中的噪声估计器所用的U-net也是卷积架构,但随着ViT的横空出世,人们自然而然开始考虑这个噪声估计器可否用Transformer架构来代替 2022年12月,William Peebles(当时在UC Berkeley,Peebles在𝕏上用昵称Bill,在Linkedin上及论文署名时用大名William)、Saining Xie(当时在纽约大学)的两人通过论文《Scalable Diffusion Models with Trans

By Ne0inhk