总结一些使用 Python 开发过程过程中的环境配置，常用操作，常见错误处理等等。
虚拟环境搭建(virtualenv)
Python 开发过程中，经常需要安装各种依赖库，Python 的第三方包成千上万，在一个 Python 环境下开发时间越久、安装依赖越多，就越容易出现依赖包冲突的问题。为了解决这个问题，开发者们开发出了 virtualenv，可以搭建虚拟且独立的 Python 环境。 virtualenv 为每个项目提供了隔离的 Python 运行环境，解决了不同项目间多版本的冲突问题。而且，依赖包不安装在系统环境下，也保持了系统环境的干净。
首先确认是否安装 Python，通过执行python -V或python3 -V查看当前 python 版本。如果没有安装，Mac 可通过brew install python3来安装。
代码解读
复制代码
# 安装 python3
brew install python3
# 查看 python2 和 python3 版本
python -V
python3 -V
# 查看 python2 和 python3 安装位置
which python
which python3
Python3 对 virtualenv 原生支持，不用安装任何依赖即可搭建虚拟环境。通过命令python3 -m venv 虚拟环境名称例如venv即可创建虚拟环境，-m venv选项是一独立的脚本运行标准库的 venv 包。如果是 Ubuntu Linux 系统预装 Python 3，则需要安装 python3-venv 包。
代码解读
复制代码
# 创建名称为 venv 的虚拟环境
python3 -m venv venv
# 激活虚拟环境
source venv/bin/activate
Python 2 安装 virtualenv 则需要安装依赖包 virtualenv。
代码解读
复制代码
# 安装 virtualenv
pip install virtualenv
# 初始化 virtualenv 环境
virtualenv venv
# 激活虚拟环境
source venv/bin/activate
其他命令，deactivate 退出虚拟环境，如果安装有多个 python 库，可指定版本virtualenv -p /usr/bin/python venv，将/usr/bin/python更换为需要指定的 python 库即可。
依赖
安装依赖库，使用pip install十分方便，例如需要安装 numpy 库和 matplotlib 库，执行：
代码解读
复制代码
pip install numpy
pip install matplotlib
如果需要从测试环境切换到生产环境，如何导出 python 项目的全部依赖。使用pip freeze生成一个依赖记录文件 requirements.txt，名称随意，用于记录所有依赖包及其精确的版本号。以便新环境部署。
代码解读
复制代码
# 生成一个名称为 requirements.txt 依赖包记录文件
(venv) $ pip freeze>requirements.txt
那到一个新环境，如何一次安装项目需要的全部依赖，这时依赖记录文件 requirements.txt 就排上了用场。使用pip install -r 依赖文件名称命令即可一次安装全部所需依赖。
代码解读
复制代码
(venv) $ pip install -r requirements.txt
其他
查看 Python 文档，执行命令python -m pydoc -p xxxx(任意闲置端口号)即可。
修改环境变量，或将一些值保存到环境变量，临时更改可通过 export 命令更改，重启后失效。
代码解读
复制代码
# 将变量增加至环境变量
export MAIL_USERNAME='lifei_zdjl@126.com'
export MAIL_PASSWORD='lifei888888888888'
# 使新环境变量生效
source /etc/profile
# 检查环境变量是否生效
echo $MAIL_USERNAME
echo $MAIL_PASSWORD
若想永久添加，则需要修改系统环境变量配置文件 profile文件 或 .bash_profile文件。配置文件作用域：
- /etc/profile 为全局共有配置文件，所有用户共享。
- ~/.bash_profile 为用户级配置文件，对当前用户有效。
