Ubuntu安装Python3及环境配置教程

学习知识要善于思考，思考，再思考！今天golang学习网小编就给大家带来《Ubuntu安装最新Python及环境配置教程》，以下内容主要包含等知识点，如果你正在学习或准备学习文章，就都不要错过本文啦~让我们一起来看看吧，能帮助到你就更好了！

最直接的方法是通过deadsnakes PPA安装最新Python版本，并用venv创建隔离环境。首先添加PPA并更新包列表：sudo add-apt-repository ppa:deadsnakes/ppa && sudo apt update；接着安装指定版本如Python 3.12：sudo apt install python3.12 python3.12-venv python3.12-dev；验证安装：python3.12 --version；然后为项目创建独立虚拟环境：python3.12 -m venv .venv，激活环境：source .venv/bin/activate，在此环境中使用pip安装依赖，避免影响系统Python。推荐结合VS Code或PyCharm等IDE，使用requirements.txt锁定依赖，配合Black、Flake8等工具进行代码格式化与检查，提升开发效率与代码质量。

要在Ubuntu系统上安装最新版本的Python并快速配置开发环境，最直接且推荐的方法是利用deadsnakes PPA来安装指定版本，然后配合venv创建隔离的开发环境，确保系统稳定性的同时，也能享受到最新Python带来的便利。

解决方案

在我看来，为Ubuntu安装最新Python，最省心的方式莫过于使用deadsnakes PPA。这比从源代码编译要方便得多，而且能更好地与系统包管理集成。

1. 添加deadsnakes PPA： 这个PPA提供了许多Python的最新版本，而且维护得很好。

   sudo add-apt-repository ppa:deadsnakes/ppa
   sudo apt update

   执行add-apt-repository时，系统可能会提示你按回车确认，照做就行。apt update是为了确保你的包列表是最新的，这样才能找到PPA里提供的Python版本。

2. 安装特定版本的Python： 假设你想安装Python 3.12，命令就是：

   sudo apt install python3.12 python3.12-venv python3.12-dev

   这里我特意加了python3.12-venv和python3.12-dev。venv模块对于创建虚拟环境至关重要，而dev包（开发头文件和静态库）在你需要编译一些Python扩展（比如numpy或psycopg2等需要C语言编译的库）时会派上大用场。提前装好能省去不少麻烦。

3. 验证安装： 安装完成后，你可以通过以下命令检查Python版本：

   python3.12 --version

   它应该会显示你刚刚安装的版本号，例如 Python 3.12.x。

4. 配置开发环境（使用venv）： 现在你有了新版本的Python，但直接在系统级别使用它作为默认Python并不是一个好主意，因为Ubuntu的许多核心工具都依赖于特定的Python版本。最好的实践是为每个项目创建独立的虚拟环境。

   • 创建项目目录并进入：

     mkdir my_new_project
     cd my_new_project

   • 创建虚拟环境： 使用新安装的Python版本来创建虚拟环境。

     python3.12 -m venv .venv

     这里我习惯性地将虚拟环境命名为.venv，因为它通常会被Git忽略，而且大多数IDE都能自动识别。

   • 激活虚拟环境：

     source .venv/bin/activate

     激活后，你的命令行提示符通常会显示虚拟环境的名称（例如 (.venv)），这意味着你现在使用的python和pip命令都指向这个虚拟环境中的Python 3.12。

   • 安装依赖： 现在你可以在这个隔离的环境中安装项目所需的任何库，而不会影响到系统的其他Python安装。

     pip install requests flask

   • 退出虚拟环境： 当你完成工作或者需要切换到另一个项目时，可以简单地退出虚拟环境：

     deactivate

为什么不直接使用Ubuntu自带的Python版本？

说真的，这是个老生常谈的问题，但它的重要性不容忽视。Ubuntu，尤其是LTS（长期支持）版本，自带的Python通常是为了系统自身的稳定性和兼容性而选择的。这意味着它可能是一个相对较旧的版本，比如Ubuntu 22.04 LTS默认是Python 3.10。对于系统维护者来说，一个稳定的、经过充分测试的Python版本是核心，他们不会轻易去升级它，因为这可能导致像apt、snap等关键系统工具出现意想不到的问题。

但对于开发者而言，我们往往需要最新或较新的Python版本，原因有很多：

• 新特性和性能优化： Python的每个新版本都会带来语法糖、标准库的改进以及显著的性能提升。例如，Python 3.11和3.12在运行时性能上都有不小的飞跃。
• 库的兼容性： 很多新的第三方库或者现有库的新版本会要求更高版本的Python。如果你还在用旧版本，可能就无法使用这些新功能，甚至无法安装某些库。
• 开发习惯与潮流： 作为一个开发者，我们总希望能够使用最新的工具和技术来提升效率和代码质量。
• 安全性更新： 虽然旧版本也会有安全补丁，但新版本通常会包含更多最新的安全改进。

所以，在我看来，直接使用自带的旧版本Python来开发新项目，无异于给自己挖坑。而直接替换系统默认的Python版本，那更是“自杀式”行为，除非你清楚自己在做什么，否则分分钟让系统崩溃。这就是为什么我们宁愿多折腾一步，通过PPA或者编译来安装新版本，然后用虚拟环境进行隔离。

如何在不影响系统Python的情况下管理多个Python版本？

管理多个Python版本而不干扰系统，这简直是现代Python开发者的必备技能。除了上面提到的venv，还有一些其他策略和工具，它们各有侧重，但核心思想都是“隔离”。

1. 虚拟环境（venv）： 这是最基础也是最推荐的方案，我已经详细解释了它的用法。它的好处在于轻量级、易于理解和使用，并且Python标准库自带，无需额外安装。每个项目都可以有自己的虚拟环境，里面安装自己独立的依赖包，互不干扰。这就像给每个项目一个独立的沙盒，你可以在里面随意折腾，不用担心弄乱其他项目或系统。

2. pyenv： 对于需要在系统层面频繁切换不同Python版本的开发者来说，pyenv是一个非常强大的工具。它允许你在同一台机器上安装多个Python版本（包括各种补丁版本），并且可以轻松地在全局、用户级别或项目级别切换。

   • 安装： 通常通过git clone到~/.pyenv目录，然后配置shell的PATH变量。
   • 安装Python版本： pyenv install 3.12.2
   • 设置全局版本： pyenv global 3.12.2
   • 设置局部版本（在项目目录中）： pyenv local 3.12.2pyenv的原理是通过修改PATH环境变量，拦截python命令，使其指向你所选的版本。它不会真正地“安装”Python到系统路径，而是将其安装在用户目录下。这对于需要测试不同Python版本兼容性的库作者或维护者来说尤其有用。不过，对于大多数日常项目开发，配合deadsnakes和venv已经足够了，pyenv可能略显“重型”。

3. conda (Anaconda/Miniconda)： 如果你主要从事数据科学、机器学习等领域，或者需要管理非Python的二进制依赖（如CUDA），那么conda是一个非常强大的环境和包管理器。它不仅能管理Python版本，还能管理几乎任何语言的包和环境。

   • 安装： 下载并运行Miniconda或Anaconda安装程序。
   • 创建环境： conda create -n my_data_env python=3.10 numpy pandas
   • 激活环境： conda activate my_data_envconda的环境管理能力非常强大，但它的体积相对较大，并且在某些情况下可能会与pip产生一些微妙的冲突。对于纯Python应用开发，venv通常是更轻量和直接的选择。

综合来看，对于快速配置开发环境，venv是首选，它足够简单，功能也足够强大。如果你需要更复杂的版本管理，再考虑pyenv或conda。

配置Python开发环境有哪些推荐的工具和实践？

配置一个高效且愉快的Python开发环境，不仅仅是安装Python本身，还需要一系列工具和良好的实践。在我看来，以下这些是不可或缺的：

1. 集成开发环境（IDE）或代码编辑器：

   • VS Code (Visual Studio Code)： 免费、轻量级、高度可定制，拥有强大的Python扩展（由Microsoft官方维护），支持代码补全、调试、Linter集成、虚拟环境识别等。这是我个人最常用的。
   • PyCharm (Community Edition)： 专为Python开发设计，功能非常强大，尤其在代码导航、重构、测试和调试方面表现出色。社区版免费，专业版功能更全。如果你需要一个“开箱即用”且功能全面的IDE，PyCharm是极好的选择。

2. 包管理和依赖锁定：

   • pip： Python的官方包安装器，我们已经用它来安装库了。
   • requirements.txt： 这是锁定项目依赖的黄金标准。在你的虚拟环境中安装完所有依赖后，使用pip freeze > requirements.txt命令可以生成一个包含所有精确版本依赖的文件。这样，你的团队成员或你在新机器上设置项目时，只需pip install -r requirements.txt即可复现相同的环境。
   • pip-tools： 如果你觉得requirements.txt管理起来有点粗糙，pip-tools（包含pip-compile和pip-sync）可以提供更精细的控制，让你只声明顶级依赖，然后自动生成一个带有所有精确版本的requirements.txt。

3. 代码格式化和静态分析（Linting）：

   • Black： 一个“不妥协”的代码格式化工具。它的哲学是“格式化是自动的，没有配置项”，这样可以消除团队内部关于代码风格的争论。
   • Flake8： 结合了pyflakes（检查错误）和pycodestyle（检查PEP 8规范）的工具。它能帮你找出代码中的潜在错误和不符合PEP 8风格的地方。
   • isort： 自动排序导入语句，让你的import块整洁有序。 将这些工具集成到你的IDE中（VS Code和PyCharm都有很好的支持），可以在你编写代码时实时提供反馈，大大提升代码质量和一致性。

4. 版本控制系统：

   • Git： 毋庸置疑，这是现代软件开发的基石。掌握Git的基本操作（add, commit, push, pull, branch, merge）是每个开发者的基本功。配合GitHub、GitLab或Bitbucket等平台，可以实现高效的团队协作和代码管理。

5. 交互式开发和数据探索（可选）：

   • Jupyter Notebook/Lab： 对于数据分析、机器学习原型开发或教学演示，Jupyter系列工具提供了强大的交互式环境，可以混合代码、文本、图像和图表。

这些工具和实践共同构成了一个健壮、高效且愉快的Python开发生态系统。一开始可能觉得东西有点多，但随着你逐渐熟悉并采纳它们，你会发现它们能显著提升你的开发体验和代码质量。

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~