Python 开发环境安装与配置指南

三、配置 Python 环境

1. 设置环境变量（Windows）

如果安装时未勾选'Add Python to PATH'，可以手动设置：

• 打开 系统属性 → 高级 → 环境变量

在 Path 中添加 Python 安装目录，例如：

C:\Users\<用户名>\AppData\Local\Programs\Python\Python312\

点击确定，重新打开终端后再运行：

python --version

2. 使用虚拟环境（推荐）

在实际项目中，不同项目往往依赖不同版本的库。 建议为每个项目创建独立的虚拟环境。

# 创建虚拟环境
python -m venv venv

# 激活环境
# Windows: venv\Scripts\activate
# macOS / Linux: source venv/bin/activate

# 退出环境
deactivate

3. 升级 pip 与常用工具

python -m pip install --upgrade pip setuptools wheel

安装常用开发依赖：

pip install black flake8 pytest

四、测试安装

创建一个测试脚本 hello.py：

print("Hello, Python!")

运行：

python hello.py

输出：

Hello, Python!

说明环境配置成功。

五、可选：使用 Anaconda（适合数据科学）

如果你是数据分析、机器学习方向的开发者，推荐安装 Anaconda 或 Miniconda。

安装步骤：

1. 前往 Anaconda 官方下载页
2. 选择对应系统的安装包

创建独立 Python 环境：

conda create -n py312 python=3.12
conda activate py312

安装完成后运行：

conda --version

六、推荐的开发工具（IDE）

💡 提示：VS Code 中安装插件 'Python' 和 'Pylance'，可获得自动补全、调试与类型提示。

七、常见问题与解决方案

设置国内镜像源（加速 pip 安装）：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

八、总结

九、结语

至此，你已经成功搭建了一个标准的 Python 开发环境。 接下来，你可以根据兴趣方向继续深入：

• Web 开发（Flask、FastAPI、Django）
• 数据分析（Pandas、Matplotlib）
• 人工智能（PyTorch、TensorFlow）
• 自动化脚本（Selenium、Requests）