一篇从底层搞懂 Python 虚拟环境，熟练使用和创建 Python 虚拟环境（实用版：Pycharm、Anaconda）

写本篇的目的是作者虽然理解 Python 虚拟环境的概念，但对于其实现方法和实现逻辑很模糊，特别是一直感觉没搞懂 Pycharm 里的解释器设置逻辑（导致每次新建项目时 Pycharm 里好多 [invalid] 解释器已经乱作一团了…）再加上新下载的 Anaconda，已经傻傻分不清了。。

所以，希望通过这一篇文章来梳理一下虚拟环境的实现逻辑，以及如何合理使用和创建虚拟环境。

1 虚拟环境实现逻辑理解

1.1 Python 全局环境

想要了解 Python 虚拟环境，就必须先了解与之相对的—— Python 全局环境，它是实现虚拟环境的基础。

Python 全局环境其实就是指我们下载安装的 Python ,（我们下载安装 Python 本质上就是在安装 Python 环境）

那么我们下载的这个 Python 环境都包含什么呢？如下：

其实就是一个 Python312（或Python38/39，取决于版本号）文件夹，里面包括：

Python312/ ├── Lib/ │ ├── site-packages/ 存放下载的第三方包（下载后才能 import 的） │ └── python标准库（可直接 import 的） ├── Scripts/ │ └── pip.exe（python自带的工具） ├── python.exe：python解释器（核心部分） └── [其他必要文件夹] 

1.1.1 查看 python 全局环境

如果你对你电脑上的 python 环境感到混乱，那让我们从最基础的开始梳理——首先看看我们自己的电脑有哪些 python 全局环境。

我们可以通过查看电脑上有哪些 python 解释器（python.exe）的方式，来确定我们电脑上有几个 python 全局环境。

打开CMD输入

where python 

会输出本地电脑环境变量中所有的 python 解释器路径。

示例：

C:\Anaconda3\python.exe C:\Scoop\apps\python\current\python.exe C:\Users\75224\AppData\Local\Programs\Python\Python312\python.exe C:\Users\75224\AppData\Local\Microsoft\WindowsApps\python.exe 

这些解释器路径来自于你曾经添加到系统或用户环境变量 Path 里的含python.exe 的路径。

1.1.2 解释器来历

① C:\Anaconda3\python.exe

来自：Anaconda 安装

② C:\Scoop\apps\python\current\python.exe

来自：以前用 Scoop 装过 Python
Scoop 是 Windows 的包管理器（类似 apt / brew）
我的这个 Python 现在基本闲置

③ Python312\python.exe

来自：Python 官网安装包，版本：Python 3.12
这是最标准的系统 Python，我的Pycharm基础解释器就用的这个
虚拟环境一般推荐：用它 + venv

④ WindowsApps\python.exe

❌ 这个不是真正的 Python，是微软商店的占位符
作用是你没装 Python 时，输入 python → 引导你去 Microsoft Store安装这个可以无视，甚至建议关掉。

1.1.3 解释器优先级

电脑现在默认使用的是刚刚输出的路径中排在第一个的解释器（从刚刚的输出看，我的电脑用的是 Anaconda 的 python 解释器）

那么，是什么决定的电脑优先使用哪个 python 解释器？

答案是—— python 解释器路径在环境变量 Path 中的顺序。而且，Windows 在查找可执行文件时，系统 Path 的优先级高于用户 Path，也就是说你存在系统 Path 里的解释器会被优先调用。

1.2 虚拟环境词汇理解

有关python虚拟环境的词一大堆：Anaconda、conda、Virtualenv、venv、pip、poetory、Miniconda、base环境……

这里来逐一解释一下其概念和关系。

1.2.1 pip

问题一：pip 是什么？

pip 是 Python 自带的的包管理器。pip 从 PyPI（Python 官方第三方库）下载包，把包安装到当前 Python 环境的 site-packages，并记录版本信息，供 import 使用。

pip 是 Python 官方随解释器一起提供的工具，Python 3.4+内置，默认已安装，无需额外安装。（其实就是 Scripts 文件夹下的 pip.exe ）

pip 使用方法就是在终端执行 pip install 包名 （不可以在 py 文件里写 pip 哦，python 解释器看不懂，pip 是和解释器平级的一个工具）

当然，也可以在 Pycharm 上可视化地下载包：

问题二：那 pip 和虚拟环境有啥关系？

我们都知道，虚拟环境就是为了在不同项目中用不同或不同版本的包的。既然要安装特定版本的包，不就自然要用到 pip 了吗。

一句话：虚拟环境决定“装到哪”，而 pip 负责“装什么”

其实 conda 也是包管理工具，也可以像 pip 一样安装包。而且 conda 不仅可以管理包，还能管理 pythoon 解释器本身版本（不同虚拟环境可以用不同 python版本）。而一个 pip 仅对应一个 python 解释器，因此使用 venv 创建的虚拟环境只能使用该所属 python 解释器的版本的 python。
放心，这些后面都会讲到。

问题三：怎么知道我已经 pip下载了哪些包？

首先明确：pip 是下载 python 时自带的，一个 pip 仅对应一个 Python 解释器（绑定的），pip 会把包安装到它所属的 python 解释器的 site-packages 目录下。

这里有些同学会疑问：既然你说 pip 是安装到它所属的 python 解释器下的，那怎么在特定虚拟环境下 pip 安装包？
这就涉及到虚拟环境的实现逻辑了，答案是，我们可以先激活特定环境，然后 pip 就会自动指向虚拟环境内的 Python，包会安装到虚拟环境的独立目录 site-package 中，不会影响系统 Python。这个之后会细讲的。

想要看我们 python 解释器有哪些包可以从直接打开 site-packages 文件夹（在pythoon.exe所在目录下的Lib\site-packages\）查看，如果你的这个 python 解释器是 Pycharm 的基础解释器，也可以通过 Pycharm 查看。

基础环境最好只装必要的包，越干净越好。

1.2.2 虚拟环境工具（venv、conda、pipenv、poetry）

虚拟环境的实现工具其实我们打开 Pycharm 的新建项目就可以看到：

有Virtualenv(venv)、Pipenv、Poetry、Conda 这四种，它们都是 Python 虚拟环境管理工具。

virtualenv 是 venv 的前身，而 PyCharm 界面显示 " virtualenv "，但实际用的是 Python 标准库的 venv。这只是个命名习惯，不影响使用。对普通用户来说，区分 venv 和 virtualenv 意义不大，所以这里不细讲。

• venv：官方标准工具，和 pip 一样，Python 3.3+内置，无需额外安装。只负责给每个项目创建一个独立的 Python 环境，简单隔离，不管工程规范。
• Conda：既能管虚拟环境，又能管 Python 版本和底层系统依赖（包管理器 + 虚拟环境管理器），科研和深度学习首选。
• Pipenv：在 virtualenv 基础上加了依赖管理和锁文件，试图让项目更规范，但现在用得越来越少。
• Poetry：集虚拟环境、依赖管理、版本锁定和打包发布于一体的现代 Python 工程工具。

一般学习或编程用 venv，科研 (数模/深度学习) 用 conda，正式工程/团队用 Poetry，老项目用 Pipenv。
一般情况下我们只会用到 venv 和 conda，所以我们主要讲这两个。

1.2.3 Anaconda、Miniconda

我们刚刚已经知道了python 虚拟环境的实现工具（venv 和 conda），那么想要创建虚拟环境，就自然需要下载这些工具。

其中，venv 刚刚已经说过是Python 3.3+内置，无需额外安装了。

而想要下载使用 conda，我们一般选择直接下载 Anaconda 或 Miniconda

为啥不直接单独下载conda?
conda 本身不是独立程序，而是工具集合（包管理器 + 虚拟环境管理器）它需要Python 解释器 + 一些核心库才能运行，所以不能单独去官网下载 “conda 可执行程序”用。

Anaconda 和 Miniconda 是一个完整的 Python 发行版，不仅包含 conda 还包含 python 解释器等等的其他工具。

Anaconda ├── conda（核心：包管理器 + 虚拟环境管理器） ├── Python解释器 ├── 预装的常用包（NumPy、Pandas、Matplotlib等250+个） ├── Jupyter Notebook ├── Spyder IDE └── Anaconda Navigator（图形界面） 

Miniconda ├── conda（核心：包管理器 + 虚拟环境管理器） ├── Python 解释器 └── 基础运行组件（pip、setuptools、wheel 等） 

1.3 虚拟环境实现逻辑【重点】

1.3.1 venv 创建虚拟环境的原理

venv 会在指定位置（一般是项目文件夹下）创建一个虚拟环境目录（如 myenv），该目录包含：

Python312/ ├── Lib/ │ └── site-packages/ 存放下载的第三方包（下载后才能 import 的） ├── Scripts/ │ ├── pip.exe（python自带的工具） │ ├── activate.bat（激活虚拟环境脚本） │ └── python.exe：全局 python.exe 的的副本或链接（Windows 上是副本， Linux / macOS上是链接） └── pyvenv.cfg 配置文件 

python 全局环境文件夹 VS python 虚拟环境文件夹：

通过对比 python 全局环境文件夹和 python 虚拟环境文件夹，我们就可以很好地理解 venv 创建 python 虚拟环境的原理：

通过图中对比，我们可以看到

• 虚拟环境中 Lib 文件夹下没有了标准库
• python.exe 放到了 Script 文件夹下，同时 Scripts 文件夹下还多了 activate.bat 激活脚本文件；
• 虚拟环境文件夹下还多了 pyvenv.cfg 配置文件

通过这些不同，venv 所创建的虚拟环境就可以实现：

• 切换（激活）虚拟环境
• 节省空间（仅存了python解释器副本或链接）
• 可以完整使用全局 python 的解释器、标准库和核心 DLL
• 有自己独立的 site-package 保存下载的第三方包和其他环境隔离

有些同学可能会有疑问，windows 会完整复制 python.exe，这样的话也不怎么节省空间吧？
这里我要告诉你：无论是全局的 python.exe 还是虚拟环境里的 python.exe，它们本质上都只是一个 “壳子”或者说“启动引导器”。
_
真正的大脑其实是：python3x.dll：这是 Python 的核心动态链接库（比如 python312.dll）。所有的语法解析、内存管理、对象创建等“硬活”全在这里面。它通常很大（几 MB 到十几 MB）。全局环境有它，虚拟环境没有它。
_
而 python.exe 是个只有几百 KB 的文件，它的工作极其简单：找到 python3x.dll，把它加载进内存，然后把用户输入的代码传给 DLL 去处理。

虚拟环境实现原理及流程是：

① venv 会创建虚拟环境文件夹

② 启动虚拟环境时：

1. 其中激活脚本 activate.bat 会修改环境变量 path，使系统能找到虚拟环境目录下的 python.exe。

# 比如原来你的环境变量 path 里是这样的： C:\Users\75224\AppData\Local\Programs\Python\Python312 C:\Users\75224\AppData\Local\Programs\Python\Python312\Scrpits # 激活脚本 activate.bat 仅会修改下面那个路径 # 修改后的环境变量 path 里的路径： C:\Users\75224\AppData\Local\Programs\Python\Python312（不变） C:\Project_PY\BasicLearning\venv\Scripts（改为虚拟环境文件夹的 Scripts 地址） # 这也是为什么虚拟环境目录中 python.exe 在 Scripts 文件夹之下 # ——这样可以简化对环境变量 path 的管理（只改一个） 

2. 于是乎，系统就能顺利找到虚拟环境目录下的 python.exe 并启动。python.exe 会从配置文件 pyvenv.cfg 中读取 home 路径（全局python环境的路径），来使用全局环境中的python3x.dll等文件。

pyvenv.cfg 配置文件，记录： home = C:\Users\75224\AppData\Local\Programs\Python\Python312 # 全局Python路径 include-system-site-packages = false # 是否让虚拟环境“使用”全局 Python 环境中的 site-packages version = 3.9.13 

3. 当我们在虚拟环境下下载第三方包时，它会独立地保存在我们创建的虚拟环境的 site-package 里，如此一来就实现了虚拟环境的隔离功能。

实操观察：
我们随便打开一个虚拟环境项目，就可以看到其目录结构中都会存在一个虚拟环境目录（venv)：

Lib 文件夹下的 site-packages 存放下载到该虚拟环境下的包（图中虚拟环境只有pip包）

1.3.2 conda 创建虚拟环境的原理

conda 会在其管理目录下（默认 ~/anaconda3/envs/ 或 ~/miniconda3/envs/）创建一个完全独立的环境目录，该目录包含：

• 完整的 python 解释器副本（不是链接）,可以是不同版本的 python (因此不同虚拟环境可以使用不同版本的 python 解释器）
• 独立的库文件和二进制依赖，包括非 Python 的系统库（如 C/C++ 库）
• 独立的 site-packages 目录，存放该环境的所有包
• 环境激活脚本，修改多个环境变量（PATH、LD_LIBRARY_PATH 等）实现完整的环境隔离

本质上是创建一个完全自包含的软件栈，不仅隔离 Python 包，还隔离底层依赖库和编译工具链，实现了更彻底的环境隔离。

2 创建/使用虚拟环境

2.1 通过 venv 创建 python 虚拟环境

2.1.1 终端命令行中通过 venv 创建虚拟环境

打开终端。

第一步：进入你的项目目录

# 进入项目目录cd C:\Project_PY\TestProject 

第二步：创建虚拟环境

# 创建虚拟环境 python -m venv venv 

但，我1.1.3里面说了，我现在电脑最先调用的 python 解释器是 Anaconda 的 python 解释器，我们一般不用 Anaconda 的 python 解释器创建 venv 环境（就像你一般不用花瓶吃饭一样）

因此，我使用绝对路径创建：

"C:\Users\75224\AppData\Local\Programs\Python\Python312\python.exe" -m venv venv_312 

执行完之后，我们的项目文件夹下就会出现虚拟环境目录：

第三步：激活虚拟环境

# 激活虚拟环境 venv_312\Scripts\activate 

恭喜你成功激活了虚拟环境

第四步：安装所需包

激活环境后，可以安装你在该环境需要的包

# 安装第三方包(venv_312) C:\Project_PY\TestProject>pip install 包名 

第五步：退出虚拟环境

# 退出虚拟环境 deactivate 

如果你用 PyCharm：
打开项目后，右下角通常会显示使用的 Python 环境。（一般会自动使用当前你创建的虚拟环境）

如果显示使用的不是你创建的那个虚拟环境：点击它，选择 “Add New Interpreter” → “Local Interpreter”。找到你的 venv_312 文件夹路径下的 python.exe。

使用 PyCharm 等 IDE 以后，它们就会全自动打理这个环境，就不用使用 activate 等命令了。

2.1.2 Pycharm 中通过 venv 创建虚拟环境【推荐】

仅一步：点击新建项目

工具选择 Virtualenv ，基础解释器选择你的虚拟环境要基于的全局 python 环境，下面红色框的两个可选项

• 【继承全局站点软件包】：就是之前我说的 pyvenv.cfg 配置文件里的 include-system-site-packages = false/true ——是否让虚拟环境使用全局 Python 环境中的 site-packages
• 【可用于所有项目】：勾选后，Pycharm 会自己记录这个虚拟环境的绝对路径，其它项目在创建时就可以共用这个虚拟环境了（但如果你把这个项目删除了，它的虚拟环境也就没了，其他项目就不能接着用了）

点击创建即可。

强迫症如何删除 Pycharm 右下角显示的多个环境？

如果你的 Pycharm 项目右下角出现了除了【Pycharm 基础解释器】以及【该项目创建的虚拟环境解释器】之外的乱七八糟的解释器，那多半是由于你之前创建虚拟环境项目时勾选了【可用于所有项目】这个可选项，让其他项目也可选它的虚拟环境解释器。

我这里没有多余的hhh

解决方法：

文件 → 设置 → 项目：xxx → Python 解释器 → 全部显示

选中你在右下角不想看到的解释器，点击 -，即可。

2.2 通过 conda 创建 python 虚拟环境

2.2.1 Anaconda Prompt 中通过 conda 创建虚拟环境【推荐】

首先打开 Anaconda Prompt 终端

第一步：创建一个干净的空环境

# 创建一个名为 data_analysis ，python 解释器版本为3.10的新环境 conda create -n data_analysis python=3.10

-n 指环境名称（name）

第二步：激活该环境

# 激活 data_analysis 环境 conda activate data_analysis 

第三步：安装需要的包（库）

# 安装数据分析全家桶 conda install pandas numpy matplotlib seaborn scikit-learn 

然后在你 Anaconda 文件夹的 envs 目录下就会出现你创建的新环境了！

怎么看某个 conda 环境里有哪些包：

# 不激活环境的方法 conda list -n data_analysis # 激活环境的方法 conda activate data_analysis conda list 

2.2.2 Anaconda Navigator 中通过 conda 创建虚拟环境

这个我不想写了，自己搜吧，之后再填坑。。

2.2.3 Pycharm中创建和使用 conda 环境

Pycharm 中：文件 → 设置 → 项目：xxx → Python 解释器 → 添加新的python解释器

3 在 Jupyter Notebook 中使用 conda 虚拟环境

3.1 Jupyter 的底层逻辑

这个我们还是从底层逻辑讲。

关于这里的名词又一大堆：ipython、Jupyter Notebook、Jupyter、ipykernel…… 我们还是一点一点讲。

• ipykernel 是 ipython 的 Jupyter 适配层，让 ipython 能作为 Jupyter 的 kernel 运行。

ipython 是基于 python 解释器之上的增强型交互解释器前端，就是看起来更好看，多了左侧编号啥的。体现在 Jupyter Notebook 里就是这样：

Jupyter 本质上是一个"标准/协议"加上一套实现这个规范的工具集。

Jupyter（平台 / 项目 / 协议集合） ├── Jupyter Notebook（应用：经典网页界面） ├── JupyterLab（新一代界面） ├── Jupyter Server（后台服务） ├── Kernel Protocol（通信协议） └── 各种 Kernel（Python / R / Julia …） 

总的来说就是：

我们下载 Anaconda 后能够打开 Jupyter Notebook

打开方式一：直接点击图标
打开方式二：打开 Anaconda Prompt 输入jupyter notebook
实际上都是打开了 base 环境下载的 Jupyter Notebook

是因为下载 Anaconda 时它就默认在你的 base 环境里安装了Jupyter（base 环境安装了1000 多个包，开箱即用式环境）。这时打开 Jupyter Notebook 就是打开了 base 环境下载的 Jupyter Notebook，里面只有基于base环境的 ipykernel。

想要让 Jupyter Notebook 使用其他我们创建的虚拟环境有两种方法：

• 方法一：在你的新环境 A 里安装 Jupyter，之后打开 Anaconda Prompt，激活环境 A，输入jupyter notebook，就可以使用 Jupyter Notebook 了（但是这个 Jupyter Notebook 也只能使用基于 A 环境的这一个 ipykernel，相当于一个独立于其他任何环境，独属于自己的 Jupyter Notebook ）

方法二：仅在你的新环境 A 中安装 ipykernel 并注册（ipykernel 依赖于 ipython，所以当你安装 ipykernel 时,它会自动安装 ipython 作为依赖）之后打开base的 Jupyter Notebook 就能看到基于 A 环境的这一个 ipykernel ，就可以使用和切换这个环境了。

只要你在 环境A 中安装并注册了 ipykernel，那么任何安装了 Jupyter 的环境（无论是 base 环境，还是环境B、环境C），只要它们启动了 Jupyter Notebook，就都能在内核列表中看到并切换到 环境A。

我们一般选择方法二，因为这样节省空间，切换灵活。如果想使用方法一就自己问 AI 吧，我懒得搞了。。。

3.2 在 Jupyter Notebook 中使用新建虚拟环境（方法二版）

第一步：激活环境

conda activate data_analisis 

第二步：下载 ipykernel

conda install ipykernel 

第三步：注册：将该环境写入 Jupyter 的内核列表

python -m ipykernel install --user --name data_analysis --display-name "Python 3.10 (DataAnalysis)"# 通用模板 python -m ipykernel install --user --name [注册kernel的名] --display-name "[Jupyter Notebook的UI展示的核心名]"

• [ 注册kernel的名 ] 一般用你创建的虚拟环境的名字
• [ Jupyter Notebook 的UI展示的核心名 ] 随便，看着好看就行

然后，我们就可以在 Jupyter Notebook 中看到新的 kernel 了！

OK. That’s ALL.

本篇文章中的 python 虚拟环境理解部分有参考 b 站 DavyCloud 的视频（up 讲得很清晰，醍醐灌顶）：【安装不算完事，只有理解了虚拟环境才算真正掌握 Python 环境-哔哩哔哩】 https://b23.tv/gECrc5x