當我們不再重復“造輪子”時，會使用大量前人打造的工具，為了管理好這些工具的引用和依賴關系，我們必須有良好的意識和趁手的工具。今天這一講，就是在一切變得復雜之前，讓你找到新的方法來節(jié)省時間和精力。

開發(fā)者們對自己的開發(fā)環(huán)境總是有著各種各樣的偏好。Vim 還是 Emacs？使用 tab 還是空格縮進？Virtualenv 和 Anaconda 哪個更好？紛爭不斷，爭論不休。今天我們會與大家分享自己用于搞定數(shù)據(jù)處理和機器學習的開發(fā)環(huán)境。

你不必照著我的配置來弄，但也許其中的一些可以啟發(fā)你搞定專屬的開發(fā)環(huán)境。

Pip

首先要講講 Pip。Pip 是 Python 的包管理工具。Python 內置 pip 已經(jīng)有一些日子了，所以如果你裝了 Python，通常都會自帶 pip。

Pip 被用來安裝各種包，比如 tensorflow、numpy、pandas 和 jupyter，同時還會將它們的依賴一同安裝好。

pipinstall

許許多多的 Python 資源都通過 pip 包的形式來傳輸。有時你會在某個包含 Python 腳本的目錄下看到一個 requirement.txt 文件。通常，那個文件描述了當前項目所需的所有 pip 包，通過下面的命令即可將它們都安裝到當前目錄。

pipinstall-rrequirements.txt.

作為整個 pip 包生態(tài)的一份子，各種各樣的版本號、依賴信息充斥其中。有時我會針對不同項目使用不同版本的庫（pip 包），所以我需要有一種能夠針對獨立環(huán)境配置一組包依賴關系的方式。

同時在一臺機器上搞 Web 開發(fā)和數(shù)據(jù)科學相關研究會讓你電腦上的 Python 包版本系統(tǒng)混亂不堪

目前有兩種非常受歡迎的方式用于管理不同的 pip 包：virtualenv 和 anaconda。

Virtualenv

Virtualenv 支持你創(chuàng)建可命名的“虛擬開發(fā)環(huán)境”，在其中你就能按照單獨的習慣安裝 pip 包了。

如果你想要針對每個環(huán)境獨立控制對各類 pip 包的管理，那么這就是一款絕佳的工具比如，你可以為 Web 開發(fā)創(chuàng)建獨立的環(huán)境，定義所需的依賴庫，然后為數(shù)據(jù)相關的開發(fā)研究建立截然不同的環(huán)境。

這樣一來，你再也不用顧慮各種毫無關系的依賴包在開發(fā)環(huán)境中存在，也可以創(chuàng)建具有專門用途的開發(fā)環(huán)境。

Anaconda

如今，如果你主要從事數(shù)據(jù)相關的工作，那么 Anaconda 將會是一個不錯的選擇。Anaconda 由 Continuum Analytics 打造，并且是一個集成了許許多多數(shù)據(jù)相關 Python 庫的發(fā)行版。

Anaconda 的流行應當歸功于它只需一次安裝就能得到數(shù)據(jù)科學、機器學習相關的大量工具，所以它勝在快速和簡單的安裝配置過程上。

與 Virtualenv 一樣，Anaconda 也引入了創(chuàng)建專屬環(huán)境的概念，也提供了每個環(huán)境下獨立的依賴庫版本支持。Anaconda 還有自己的包管理器：conda，你可以用它來安裝依賴庫。

另外，Anaconda 還允許你通過 pip 安裝一些在 Anaconda 包管理器中找不到的 Python 包。

怎么選擇呢？

那么究竟該怎么選擇呢？是 Virtualenv 還是 Anaconda？比如我時常會跨越 Python 2 和 Python 3 測試新的 TensorFlow 版本和一些其他的庫。

理想情況下，我能在這兩者上使用那些新的庫，但是某些情況下，兩者都不能夠滿足需求。

再認識認識 pyenv

所以最終我選擇兩者都用，然后用 pyenv 這個庫來管理所有的東西。從概念上來看，pyenv 處于 Virtualenv 和 Anaconda 的上層，它不僅被用于管理所使用的 Virtualenv 的虛擬環(huán)境和 Anaconda 的開發(fā)環(huán)境，還可以輕松應對 Python 2 和 Python 3 相關的操作。

Pyenv 所有特性中我最鐘意的就是它為給定目錄創(chuàng)建默認開發(fā)環(huán)境這一點。這就使得創(chuàng)建新目錄時所需的開發(fā)環(huán)境實現(xiàn)自動配置。特別是當我每次要創(chuàng)建新項目的時候，這比起以往要記住如何創(chuàng)建復雜環(huán)境來說簡單多了。

所以到底應該用哪一款 Python 包管理工具？這確實由你的日常工作流和喜好來決定。

如果你一般就是用一些核心的數(shù)據(jù)研究工具，并且不在意有一些額外多余的庫安裝到本地，Anaconda 是個不錯的選擇。選擇 Anaconda 能夠給你滿足所有需求偏好的更簡單的工作流。

但是，如果你是一個喜歡定制自己的虛擬工作環(huán)境并且對其中的依賴項有極強控制欲的人，那么諸如 Virtualenv 和 pyenv 的工具就非常適合你。

小結一下

管理 Python 依賴庫，絕對沒有唯一最佳，除了我列舉出來的之外還有許許多多非常不錯的。

各種各樣的工具此起彼伏，記住最重要的就是每個人都有不同的需求、偏好、用法，所以要根據(jù)自身的需求來覺得最適合你的工具是什么。

你的 Python 環(huán)境是什么樣的？你是如何牢牢掌控一切的？在評論中分享你的配置吧！