My-Blog/content/windows-5-py.md

+++ title = "Windows系列(5):Python开发配置" date = 2024-05-31

[taxonomies] tags = ["Windows"] +++

前言 由于 Windows 中开发环境较 linux 复杂，这里总结 Windows 中使用 Jupyter 开发 Python 的环境配置。

安装

Python是一种跨平台的编程语言,社区生态丰富，有许多现成的包可以调用。传统的安装方法如下：

• 下载、安装Pythond解释器；
• 验证安装；
• 安装VScode以及Python的拓展；

但Python开发项目时往往需要不同版本，不同的第三方包，如果用传统方法难以管理；因此现在的主流方法是：

• 安装Anaconda或miniconda等Python集成包；
• 使用conda创建并启动一个Python环境；
• 安装jupyter编辑器编写python。

在Anaconda官网下载并安装，安装成功后，命令行中敲conda info，会显示conda的版本和python的版本等详细信息；再敲conda list，会列出当前环境下所有安装的包。

安装好了Anaconda，就相当于同时有了Python、环境管理器、包管理器以及一大堆开箱即用的科学计算工具包。

linux中安装Miniconda

# Miniconda安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 执行以下命令启动安装程序：
bash Miniconda3-latest-Linux-x86_64.sh
# 验证安装
conda --version

使用

• 创建环境，后面的python=3.6是指定python的版本

conda create --name env_name python=3.6

• 创建包含某些包的环境（也可以加上版本信息）

conda create --name env_name python=3.7 numpy scrapy

• 激活某个环境

conda activate env_name

• 关闭某个环境

conda deactivate env_name

• 复制某个环境

conda create --name new_env_name --clone old_env_name

• 删除某个环境

conda remove --name env_name --all

• 生成需要分享环境的yml文件（需要在虚拟环境中执行）

conda env export > environment.yml

• 在本地使用yml文件创建虚拟环境

conda env create -f environment.yml

• 列出本机的所有环境，如下，可见当前有2个环境，当前激活的是test环境：

(test) ➜  ~ conda info -e
- conda environments:
#
base                     /Volumes/300g/opt/anaconda3
test                  *  /Volumes/300g/opt/anaconda3/envs/test

包管理

• 列出当前环境下所有安装的包

conda list

• 列举一个指定环境下的所有包

conda list -n env_name

• 查询库

conda search scrapys

• 安装库安装时可以指定版本例如：（scrapy=1.5.0）

conda install scrapy

• 为指定环境安装某个包

conda install --name target_env_name package_name

• 更新安装的库

conda update scrapy

• 更新指定环境某个包

conda update -n target_env_name package_name

• 更新所有包

conda update --all

• 删除已经安装的库

conda remove scrapy

• 删除指定环境某个包

conda remove -n target_env_name package_name

• 更多命令请查看官方文档或者查询帮助命令：

conda --help

conda install --help

Jupyter使用

安装Anaconda并启动一个环境之后，如何让Jupyter Notebook在我们要的环境中启动呢？

• 安装jupyter

conda install jupyter notebook

• 配置虚拟机中允许宿主机访问

# 生成配置
jupyter notebook --generate-config
# 编辑配置
nano ~/.jupyter/jupyter_notebook_config.py
# 写入这三行
c.NotebookApp.ip = '0.0.0.0'         # 允许任何 IP 访问
c.NotebookApp.port = 8888            # 指定端口
c.NotebookApp.open_browser = False   # 不自动开浏览器
# 重启jupyter
jupyter notebook

• 安装 ipykernel

为了让 Jupyter Notebook 能识别该环境中的 Python 解释器，你需要在该环境中安装 ipykernel：

conda install ipykernel

• 注册环境内核

将该环境注册为 Jupyter 的一个内核（kernel），这样启动 Jupyter Notebook 后就能选择这个内核：

python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

这里 --name 指定内核的名称，--display-name 是在 Jupyter Notebook 界面中显示的名称，你可以根据需要自定义。

• 启动 Jupyter Notebook：依然在激活后的环境中，启动 Jupyter Notebook；启动后，你在新建 notebook 时可以选择刚刚注册的内核 “Python (myenv)” 来确保使用该环境的 Python 解释器。

jupyter notebook

• 汉化jupyter(可选)

Jupyter Notebook 本身没有官方语言包，但可以用第三方扩展 jupyter_contrib_nbextensions和notebook-translation来实现部分汉化

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
pip install jupyter-notebook-translation

当然，你也可以使用其他编辑器/IDE如 Sublime Text 或者 JetBrains 系列的 PyCharm 。

使用 UV 替代 Conda

UV（由 Astral 团队开发）是一个用 Rust 编写的高性能 Python 包管理器，提供类似 Conda 的虚拟环境管理和依赖解析功能，在大多数场景下比 pip 和 Conda 快 10–100 倍。它通过命令行工具如 uv venv（创建/管理虚拟环境）和 uv pip（安装/锁定/同步依赖）覆盖传统的 Conda 流程，但本身不管理底层的 C/C++ 库，因此对于 GDAL、SciPy 等需要系统级二进制依赖的包，仍建议先通过系统包管理器或 Conda 安装，然后用 UV 管理 Python 包。

---

• 安装 UV

wget -qO- https://astral.sh/uv/install.sh | sh

• 创建与管理环境

# 创建虚拟环境，指定 Python 版本
uv venv --python 3.12

# 激活环境
source .venv/bin/activate

# 退出环境
deactivate

# 删除环境
rm -rf .venv

• 直接运行

uv run python
uv run jupyter lab

• 注册 Jupyter 内核

uv run python -m ipykernel install --user --name bank --display-name "Python (bank)"

---

• 安装依赖

uv add tensorflow
uv pip install requests fastapi uvicorn sqlalchemy

安装完成后，UV 会自动更新 uv.lock 文件锁定依赖版本，保证环境可复现。

• 使用 TOML 配置管理依赖

创建一个 pyproject.toml：

[tool.uv.dependencies]
fastapi = "*"
uvicorn = "*"
sqlalchemy = "*"

然后同步环境：

uv pip sync

这会根据 pyproject.toml + uv.lock 安装和锁定所有依赖。

• 查看与卸载包

uv pip list          # 列出已安装包
uv pip uninstall numpy

---

替代常见 Conda 工作流

Conda 操作	UV 对应
conda create -n env python=3.x	uv venv --python 3.x
conda activate env	source .venv/bin/activate 或 uv venv activate
conda install pkg1 pkg2	uv pip install pkg1 pkg2
conda env export > env.yml	自动生成 uv.lock 或 uv pip compile requirements.in
conda env update -f env.yml	uv pip sync（根据 uv.lock 或 pyproject.toml 同步）
conda list	uv pip list

ipynb转markdown

首先安装 nbformat 和 nbconvert包：

conda install nbformat nbconvert -y
touch ipynb2md.py && nano ipynb2md.py

写入以下脚本：

import nbformat
from nbconvert import MarkdownExporter
from pathlib import Path

def ipynb_to_md(ipynb_path: Path, output_dir: Path):
    """单个 ipynb 转 md"""
    with open(ipynb_path, "r", encoding="utf-8") as f:
        nb = nbformat.read(f, as_version=4)

    exporter = MarkdownExporter()
    body, resources = exporter.from_notebook_node(nb)

    output_file = output_dir / (ipynb_path.stem + ".md")
    with open(output_file, "w", encoding="utf-8") as f:
        f.write(body)

    print(f"✔ 转换完成: {ipynb_path} -> {output_file}")

def batch_convert(input_dir: str, output_dir: str = "markdown_output"):
    input_dir = Path(input_dir)
    output_dir = Path(output_dir)
    output_dir.mkdir(parents=True, exist_ok=True)

    for ipynb_file in input_dir.glob("*.ipynb"):
        ipynb_to_md(ipynb_file, output_dir)

if __name__ == "__main__":
    # 修改这里的目录路径即可
    batch_convert(input_dir=".")

运行脚本：

python ipynb2md.py

脚本会自动扫描当前目录下的所有 .ipynb 文件，并把 .md 文件输出到 markdown_output/ 文件夹。

---

Done.