跳到主要内容

第一练：Python 安装和环境搭建

工欲善其事，必先利其器。在正式编写 Python 代码之前，先来搭建一个舒适的开发环境。

1. 安装 VS Code​

Visual Studio Code 是目前最流行的轻量级代码编辑器，拥有丰富的插件生态，非常适合 Python 开发。

👉 下载地址：https://code.visualstudio.com/

推荐插件

安装完成后，建议在扩展商店中搜索并安装以下插件：

  • Python — 微软官方 Python 支持
  • Pylance — 高性能 Python 语言服务
  • Jupyter — 在 VS Code 中运行 Notebook

2. 安装 Python（推荐 Miniforge）​

综合安装难度和版权问题，推荐使用 Miniforge 进行 Python 运行环境的搭建。它基于 conda-forge 社区频道，提供了一套完全自动化的 Python 配置流程，且完全免费开源。

👉 下载地址：https://conda-forge.org/download/

为什么选择 Miniforge？
特性MiniforgeAnaconda
开源免费✅❌ 商业使用需付费
体积轻量 (~80MB)臃肿 (~500MB+)
默认频道conda-forgedefaults (受限)
适合初学者✅✅

3. Conda 环境管理​

安装完成后，打开终端（macOS: Terminal / Windows: PowerShell），验证安装是否成功：

验证安装​

# 检查 Python 版本
python --version
Python 版本验证 
# 检查 Conda 版本
conda --version
Conda 版本验证

创建虚拟环境​

使用 Conda 创建独立的虚拟环境，避免不同项目之间的依赖冲突：

# 创建名为 myenv 的新环境（可自定义名称）
conda create -n myenv python=3.12

激活与管理环境​

# 激活环境
conda activate myenv

# 查看所有已创建的环境
conda env list

# 退出当前环境
conda deactivate

安装第三方包​

# 使用 pip 安装包
pip install openai

# 也可以使用 conda 安装
conda install numpy
注意

安装包之前，请确保已经激活了目标环境，否则包会被安装到 base 环境中。

4. uv — 现代 Python 项目管理工具​

对于现代 Python 项目，同样推荐使用 uv 进行项目管理。uv 是一个用 Rust 编写的超快 Python 包管理器和项目管理工具。

👉 安装文档：https://docs.astral.sh/uv/getting-started/installation/

快速上手​

# 初始化一个新项目
uv init my_project

# 添加依赖
uv add requests

# 运行脚本
uv run main.py
uv vs pip

uv 的依赖解析速度比 pip 快 10-100 倍，并且自带虚拟环境管理，非常适合现代 Python 工作流。

📋 小结​

步骤工具用途
1VS Code代码编辑器
2MiniforgePython 安装与 Conda 环境
3Conda虚拟环境管理
4uv现代项目管理（可选）

完成以上步骤后，你的 Python 开发环境就搭建好了，可以正式开始编程之旅！🚀