说起来，刚开始接触Python那会儿，最让我头疼的、最容易卡壳的，绝对不是那些复杂的语法或者算法逻辑，反而是这个听起来特基础，但实际操作起来常常让人摸不着头脑的事儿——python库怎么安装？真的，对着命令行，敲了半天命令，结果不是报错就是找不到，那感觉，别提多抓狂了。今天，就想以一个过来人的身份，跟大家聊聊这事儿，希望能把那些曾经让我心塞、让我挠头的问题，给掰扯清楚了。
你想想，Python这玩意儿为啥这么火？很大程度上不就是因为它的生态圈里有无数“神仙”一样的库（或者叫包，package）吗？你想爬个网页？有requests。想处理数据做分析？pandas、numpy两大护法等着你。想画个漂亮的图？matplotlib、seaborn随你挑。搞个网站？Flask或Django。这些库，就像是一个个功能强大、别人已经帮你造好的轮子，你直接拿来用就行，省了你无数从零开始搭建的时间和精力。但问题来了，这些“轮子”可不是Python自带的，你得自己把它们“请”到你的电脑里，放到Python能找着的地方。这个“请”的过程，就是安装python库。
最最核心、最最常用、也是你必须掌握的工具，就是pip。你可以把pip想象成一个巨大的软件商店，或者一个全球性的Python零件仓库。大部分你在网上看到的、听到的大名鼎鼎的Python库，都在这个仓库里，等着你用pip去“取货”。它基本上是Python安装自带的（Python 3.4及以后版本），所以通常你装好Python，pip就有了，不需要额外安装（当然，偶尔可能需要更新一下pip本身，用pip install --upgrade pip，这个等会儿再说）。
好，那怎么用pip呢？很简单，打开你的命令行工具（Windows下叫命令提示符或者PowerShell，macOS和Linux下叫终端Terminal）。对着那个黑乎乎或者白乎乎的窗口，输入最最经典的命令：
bash
pip install 库名
这里的“库名”，就是你想安装的那个库的名字。比如你想安装做数据分析必备的pandas，你就敲：
bash
pip install pandas
然后回车。
接下来，你就会看到屏幕上开始唰唰唰地滚动各种英文信息，pip正在联网去那个大仓库（也就是PyPI，Python Package Index）里找pandas这个包，找到之后，它还会看看pandas运行需要依赖别的什么包（想象一下，造一个复杂轮子肯定需要一些小螺丝钉、小垫片啥的），如果你的电脑里没有这些依赖，pip会非常聪明地帮你把这些依赖也一并下载并安装好。这个过程可能需要一点时间，取决于你的网速和库的大小。如果一切顺利，最后你会看到类似“Successfully installed xxx”的字样，那就恭喜你，这个库你就算装上了！
装上了，怎么确认呢？你可以用这个命令：
bash
pip list
这会列出你的Python环境里，目前已经安装了的所有库以及它们的版本号。茫茫多列表里，找找有没有你刚刚装的那个库。或者，如果你只想看某个特定库的信息，可以用：
bash
pip show 库名
比如 pip show pandas，它会告诉你pandas的版本、作者、许可证、文件路径等等一堆信息。
有时候，你装了一个库，发现用不了，或者跟别的库有冲突，或者你纯粹就是不想用它了，想把它从你的电脑里请出去。也很简单：
bash
pip uninstall 库名
它会问你确定要卸载吗？输入y回车就好了。卸载过程也挺快。
好了，pip的基本操作就是这么简单。听起来是不是小菜一碟？但如果你只是知道pip install，很快就会遇到问题，甚至把你的Python环境搞得一团糟。这就要提到一个特别特别重要的概念：虚拟环境。
我跟你说，如果你想认真玩Python，特别是你要同时进行多个项目的话，虚拟环境这东西，不是可选，是必须！用句大白话说，虚拟环境就像是给你的每一个Python项目，都提供了一个独立、干净、互不干扰的小房间。每个小房间里都有一个独立的Python解释器和一套独立的site-packages（也就是安装库的地方）。
为啥要这样？想象一下，你接了一个活儿，写一个爬虫，需要requests库，但要求用一个比较老的版本，比如2.0。同时你还在做另一个项目，写一个Web应用，也需要requests，但为了用新功能，需要最新的版本，比如3.0。如果你把这两个版本的requests都直接装在你电脑唯一的Python环境里，那肯定会出问题！就像在一个屋子里放了两个不同型号但名字一样的工具箱，用的时候就懵了。
虚拟环境就解决了这个问题。你可以给爬虫项目创建一个虚拟环境A，在这个环境里用pip install requests==2.0安装requests 2.0。再给Web项目创建一个虚拟环境B，在环境B里用pip install requests==3.0安装requests 3.0。这样，两个项目各用各的环境，各用各版本的库，互不打扰，完美！而且，如果你哪个项目搞砸了，或者某个库装错了，直接把那个虚拟环境对应的文件夹删了，就等于把那个小房间拆了，完全不会影响你电脑里其他的Python环境或者项目，干净利落。这比你瞎折腾主环境、最后不得不重装Python要省心一万倍！我刚开始不懂这个，全局pip乱装一气，环境崩了无数次，那真的是血泪史啊！
怎么创建和使用虚拟环境呢？Python 3.3之后自带了一个叫venv的模块，用它就行，非常方便。
打开命令行，进入到你的项目文件夹所在的目录（比如你有个项目文件夹叫my_project，你就cd my_project进去）。然后输入：
bash
python -m venv myenv
这里的myenv是你给这个虚拟环境起的名字，你可以叫venv，叫env，或者任何你喜欢的名字。回车后，Python就会在当前目录下创建一个叫myenv的文件夹。这个文件夹里就有这个项目的独立Python环境了。
环境建好了，怎么进去“激活”它呢？这个命令稍微有点不同，取决于你的操作系统：
- Windows: 在命令行里输入
.\myenv\Scripts\activate回车。 - macOS / Linux: 在终端里输入
source myenv/bin/activate回车。
激活成功后，你会发现你的命令行提示符前面多了一个括号，里面是你的虚拟环境名字，比如(myenv)。这就说明你已经进入到这个“小房间”里了，现在你在这里面执行的pip install命令，安装的库就只会呆在这个myenv环境里，不会跑到你电脑的全局Python环境里去。
当你在这个虚拟环境里工作完了，想回到全局环境或者切换到别的虚拟环境，也很简单，输入：
bash
deactivate
回车就行，命令行前面的(myenv)就会消失。
除了venv，还有一个非常流行的虚拟环境和包管理工具，叫Conda（通常和Anaconda或Miniconda一起安装）。Conda功能更强大一些，它不仅能管理Python库，还能管理Python版本本身，甚至是非Python的软件包，在科学计算、数据分析领域用得尤其多。Conda创建和激活环境的命令是：
bash
conda create -n myenv python=3.8 # 创建一个叫myenv、使用Python 3.8的环境
conda activate myenv # 激活环境
conda install 库名 # 在当前环境下安装库 (用conda install 而不是 pip install)
conda deactivate # 退出环境
对于新手来说，一开始可能用venv就足够了，它更轻量，而且Python自带。等到你需要管理多个Python版本，或者用到一些非Python的科学计算工具时，再考虑Conda也不迟。但无论如何，请务必使用虚拟环境来安装和管理你的项目依赖！这是我用无数次踩坑换来的血泪忠告。
说到安装可能遇到的其他小麻烦。有时候直接用pip install 库名特别慢，甚至失败。这通常是网络问题。国内用户经常会碰到这种情况。这时候，我们可以借助国内的镜像源，它们把PyPI上的包同步过来，你在国内访问会快很多。常用的国内镜像源有清华大学、阿里云、豆瓣、中科大等等。怎么用呢？在pip install命令后面加一个-i参数，指定镜像源的地址：
bash
pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple/
或者阿里的：
bash
pip install 库名 -i http://mirrors.aliyun.com/pypi/simple/
或者你觉得每次都加这么长一串地址很麻烦，也可以通过配置pip，让它默认使用某个镜像源。这个配置方法不同操作系统有点差异，搜一下“pip 配置镜像源”就能找到详细步骤，也很简单。
还有一种情况，你可能拿到一个.whl结尾的文件，这是一种预编译好的Python包格式，直接用pip安装也行：
bash
pip install /path/to/your/package.whl
或者有时候，某些库特别小众或者你正在参与开发，可能需要从源码安装，通常是下载源码包，解压后进入目录，然后执行：
bash
python setup.py install
但这些相对来说不那么常用，对于日常使用，掌握好pip install在虚拟环境里用，基本上就能解决99%的python库怎么安装问题了。
总的来说，python库怎么安装，核心就是用pip这个工具。但是，更重要的是形成在虚拟环境里进行安装和管理的习惯。它能帮你省去无数麻烦，让你的项目依赖清晰明了，避免各种版本冲突的“惨剧”。
一开始学，可能对着命令行有点怵，或者装的时候遇到各种奇奇怪怪的报错信息。别慌，也别害怕。那些英文报错信息虽然看着头大，但它们通常会告诉你问题出在哪里，或者缺少了什么。把关键的错误信息复制下来，到搜索引擎里搜一搜，你会发现无数人踩过同样的坑，而且都有人提供了解决方法。Python社区非常活跃，遇到问题，总能找到人帮忙或者找到答案。
安装库，只是你用Python解决问题的第一步。把工具拿到手，接下来就是去探索这些库能帮你做出什么惊艳的东西了。放手去试吧！
评论(0)