Ubuntu 下 Python 环境配置与实战开发指南

按 Ctrl + O 保存，Ctrl + X 退出编辑器。

1.3 配置 Python 虚拟环境（推荐）

在实际开发中，不同项目可能依赖不同版本的 Python 库，直接在系统全局环境安装会导致版本冲突。Python 虚拟环境可为每个项目创建独立的依赖环境，避免冲突。

1.3.1 安装虚拟环境工具

# 安装 virtualenv（传统工具）
pip3 install virtualenv
# 或安装 venv（Python 3.3+ 内置，无需额外安装）

1.3.2 使用 venv 创建虚拟环境

以创建一个名为 my_project_env 的虚拟环境为例：

# 1. 创建项目目录（示例：~/python_projects/my_first_project）
mkdir -p ~/python_projects/my_first_project
cd ~/python_projects/my_first_project

# 2. 创建虚拟环境（在当前目录下生成 venv 文件夹）
python3 -m venv venv

# 3. 激活虚拟环境
source venv/bin/activate

激活成功后，终端提示符前会显示 (venv)，表示当前处于虚拟环境中。此时使用 python 和 pip 命令默认指向虚拟环境中的 Python 3，无需再用 python3 和 pip3。

1.3.3 退出虚拟环境

deactivate

二、Ubuntu 下 Python 开发工具选型与配置

2.1 终端工具：简单场景首选

对于快速测试代码片段或执行简单脚本，Ubuntu 终端是最便捷的选择：

• 直接执行 Python 脚本：python script.py
• 进入 Python 交互模式：python（支持实时输入代码并执行，输入 exit() 退出）

2.2 图形化 IDE：复杂项目必备

2.2.1 VS Code（轻量、灵活，推荐新手）

VS Code 是微软推出的开源 IDE，支持 Python 语法高亮、代码补全、调试等功能，通过插件可扩展丰富的开发能力。

安装与配置步骤：

1. 安装 VS Code：
   • 方法 1：通过 Ubuntu 软件中心搜索 "Visual Studio Code" 直接安装；
2. 安装 Python 插件：打开 VS Code，点击左侧 "扩展" 图标（或按 Ctrl + Shift + X），搜索 "Python"，安装微软官方的 "Python" 插件（作者：Microsoft）。
3. 配置 Python 解释器（关联虚拟环境）：
   • 打开项目文件夹后，按 Ctrl + Shift + P，输入 "Python: Select Interpreter"；
   • 选择虚拟环境中的 Python 解释器（路径类似 ~/python_projects/my_first_project/venv/bin/python）。

方法 2：终端命令安装（推荐，获取最新版本）：

wget -qO- https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > packages.microsoft.gpg
sudo install -D -o root -g root -m 644 packages.microsoft.gpg /etc/apt/trusted.gpg.d/microsoft.gpg
sudo sh -c 'echo "deb [arch=amd64,arm64,armhf signed-by=/etc/apt/trusted.gpg.d/microsoft.gpg] https://packages.microsoft.com/repos/code stable main" > /etc/apt/sources.list.d/vscode.list'
rm -f packages.microsoft.gpg
sudo apt update
sudo apt install -y code

2.2.2 PyCharm（专业、全功能，适合企业级开发）

PyCharm 是 JetBrains 专为 Python 开发设计的 IDE，分为社区版（免费开源）和专业版（付费，支持 Web 开发、数据库等高级功能）。

安装步骤：

1. 下载 PyCharm 社区版：访问 PyCharm 官网，选择 "Community Edition" 的 .tar.gz 包下载。
2. 首次启动时，选择 "Do not import settings"，然后按照引导配置 Python 解释器（关联虚拟环境）即可。

解压并安装：

# 假设下载到 ~/Downloads 目录，版本为 2024.1.1
cd ~/Downloads
tar -xzf pycharm-community-2024.1.1.tar.gz
sudo mv pycharm-community-2024.1.1 /opt/
# 启动 PyCharm
/opt/pycharm-community-2024.1.1/bin/pycharm.sh

三、Ubuntu 下 Python 实战场景案例

3.1 案例 1：简单数据可视化（使用 matplotlib）

matplotlib 是 Python 最常用的绘图库，可在 Ubuntu 下快速实现数据可视化。

步骤 1：在虚拟环境中安装 matplotlib

# 确保已激活虚拟环境
source ~/python_projects/my_first_project/venv/bin/activate
pip install matplotlib

步骤 2：编写可视化脚本

创建 plot_demo.py 文件，内容如下：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据（x 轴：0-10 的 100 个点，y 轴：正弦函数）
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.figure(figsize=(8, 4))
plt.plot(x, y, label='sin(x)', color='blue', linewidth=2)

# 添加标题和标签
plt.title('Sine Function Plot (Ubuntu + Python)', fontsize=14)
plt.xlabel('X Value', fontsize=12)
plt.ylabel('Y Value (sin(x))', fontsize=12)

# 添加图例和网格
plt.legend()
plt.grid(True, alpha=0.3)

# 显示图形（Ubuntu 下需确保已安装图形支持，默认已包含）
plt.show()

步骤 3：运行脚本

python plot_demo.py

运行后将弹出一个窗口，显示正弦函数的曲线图。

3.2 案例 2：搭建简单 Web 服务（使用 Flask）

Flask 是轻量级的 Python Web 框架，适合快速开发小型 Web 应用。

步骤 1：安装 Flask

# 在虚拟环境中执行
pip install flask

步骤 2：编写 Web 服务代码

创建 app.py 文件，内容如下：

from flask import Flask

# 初始化 Flask 应用
app = Flask(__name__)

# 定义路由（根路径）
@app.route('/')
def hello_ubuntu_python():
    return "<h1>Hello! This is a Flask Web App on Ubuntu + Python</h1>"

# 定义带参数的路由
@app.route('/user/<name>')
def greet_user(name):
    return f"<h2>Welcome, {name}! You're using Flask on Ubuntu.</h2>"

if __name__ == '__main__':
    # 启动服务（host='0.0.0.0'允许外部设备访问，默认端口 5000）
    app.run(host='0.0.0.0', port=5000, debug=True)

步骤 3：运行 Web 服务

python app.py

步骤 4：访问 Web 服务

• 本地访问：打开浏览器，输入 http://localhost:5000 或 http://127.0.0.1:5000；
• 局域网访问：在同一网络的其他设备上，输入 http://[Ubuntu 主机 IP]:5000（Ubuntu 主机 IP 可通过 ip addr 命令查看，如 192.168.1.100）；
• 访问带参数路由：如 http://localhost:5000/user/Alice，将显示欢迎 Alice 的页面。

3.3 案例 3：定时任务（使用 APScheduler）

在 Ubuntu 下，可通过 APScheduler 实现 Python 脚本的定时执行（类似 Linux 的 crontab，但更灵活）。

步骤 1：安装 APScheduler

pip install apscheduler

步骤 2：编写定时任务脚本

创建 scheduler_demo.py 文件，内容如下：

from apscheduler.schedulers.blocking import BlockingScheduler
from datetime import datetime

# 定义要定时执行的函数
def print_current_time():
    current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
    print(f"Current time: {current_time}")

# 初始化调度器
scheduler = BlockingScheduler()

# 添加定时任务（每 5 秒执行一次）
scheduler.add_job(print_current_time, 'interval', seconds=5)

# 添加每日固定时间任务（例如每天 14:30 执行）
# scheduler.add_job(print_current_time, 'cron', hour=14, minute=30)

print("Scheduler started. Press Ctrl+C to stop.")
try:
    scheduler.start()
except (KeyboardInterrupt, SystemExit):
    pass

步骤 3：运行定时任务

python scheduler_demo.py

终端将每 5 秒输出一次当前时间，按 Ctrl + C 停止调度器。

四、Ubuntu 下 Python 开发常见问题与解决方案

4.1 问题 1：虚拟环境激活后，python 命令仍指向系统 Python

原因：虚拟环境配置异常，或 python 命令被系统别名覆盖。 解决方案：

1. 若路径错误，重新激活虚拟环境；若仍无效，删除原虚拟环境并重新创建。

检查虚拟环境中 python 的路径：

which python
# 正常应输出：~/python_projects/my_first_project/venv/bin/python

4.2 问题 2：matplotlib 绘图时提示 "no display name and no $DISPLAY environment variable"

原因：Ubuntu 服务器版（无图形界面）或通过 SSH 远程连接时，matplotlib 无法找到显示设备。 解决方案：

1. 在脚本开头添加无图形界面配置：

import matplotlib
matplotlib.use('Agg')  # 使用非交互式后端
import matplotlib.pyplot as plt

2. 将图形保存为文件（而非直接显示）：

plt.savefig('sin_plot.png')  # 保存到当前目录

4.3 问题 3：Flask 服务启动后，局域网设备无法访问

原因：

1. Flask 服务绑定的 IP 为 127.0.0.1（仅本地可访问）；
2. Ubuntu 防火墙阻止了 5000 端口的访问。

解决方案：

1. 启动 Flask 时指定 host='0.0.0.0'（如案例 2 中的 app.run(host='0.0.0.0')）；

若需永久开放，执行：

sudo ufw allow 5000/tcp

开放 5000 端口（临时开放，重启后失效）：

sudo ufw allow 5000

五、总结与进阶建议

本文从 Ubuntu 环境下 Python 的基础配置、开发工具选型到实战案例，覆盖了 Python 开发的核心场景。通过虚拟环境隔离项目依赖、选择合适的 IDE 提升开发效率、解决常见问题，可帮助开发者在 Ubuntu 系统中高效进行 Python 开发。

进阶学习方向：

1. 容器化部署：使用 Docker 将 Python 应用打包为容器，实现跨环境一致性部署；
2. 自动化运维：结合 Ubuntu 的 systemd 服务，将 Python 脚本注册为系统服务（实现开机自启、异常重启）；
3. 性能优化：使用 cProfile 分析 Python 脚本性能瓶颈，通过 Cython 或 Numba 加速计算密集型任务；
4. 深度学习：在 Ubuntu 下配置 CUDA、CuDNN，结合 TensorFlow/PyTorch 实现 GPU 加速训练。