Python3.11镜像新手教程：手把手教你创建第一个独立Python环境

你是不是也遇到过这样的烦恼？想在自己的电脑上跑一个Python项目，结果发现需要安装一堆依赖包，版本还互相冲突，最后把系统环境搞得一团糟。或者，你想复现别人论文里的代码，结果因为环境不同，怎么都跑不出一样的结果。

如果你有这些困扰，那么今天这个教程就是为你准备的。我们将使用一个叫做 Python3.11（Miniconda） 的镜像，它能让你在几分钟内创建一个完全独立、干净、可复现的Python开发环境。无论你是刚入门的新手，还是需要管理多个项目的开发者，这个方法都能让你告别环境冲突，轻松上手。

简单来说，这个镜像就像给你提供了一个“魔法沙盒”。在这个沙盒里，你可以随意安装、卸载Python包，进行各种实验，而完全不会影响到你电脑上其他的Python项目。实验做完，把沙盒一关，一切干干净净。

接下来，我会带你从零开始，一步步学会如何使用这个镜像，创建你的第一个独立Python环境，并运行一个简单程序。

1. 环境准备：理解“镜像”与“环境”

在开始动手之前，我们先花一分钟搞清楚两个核心概念：镜像和环境。这能帮你明白我们到底在做什么。

1.1 什么是镜像？

你可以把镜像理解为一个“软件快照”或“预装好的工具箱”。我们这里用的 Python3.11 (Miniconda) 镜像，就是一个已经预先安装好了 Miniconda 和 Python 3.11 的完整系统环境。

• Miniconda： 一个轻量级的Python环境管理工具。它最核心的功能就是能创建多个相互隔离的“虚拟环境”。
• Python 3.11： Python编程语言的一个具体版本，以运行速度快和新特性多著称。

这个镜像的好处是，你不需要在自己的电脑上安装任何东西，直接使用这个“工具箱”就行，开箱即用。

1.2 为什么要用独立环境？

想象一下，你的电脑就像一个大的厨房。

• 系统Python环境： 就像是厨房的公共操作台。项目A需要“盐1.0”，项目B需要“盐2.0”，它们都往这个台子上放，很容易就混在一起，分不清了。
• 虚拟环境： 就像是给每个项目单独分配了一个带橱柜的小灶台。项目A的“盐1.0”放在自己的柜子里，项目B的“盐2.0”放在另一个柜子里，互不干扰。

使用独立环境（虚拟环境）有三大好处：

1. 避免冲突： 不同项目依赖不同版本的包，不会打架。
2. 保持干净： 随便折腾实验，不会污染系统主环境。
3. 方便复现： 把环境配置记录下来，别人或未来的你都能一键还原。

理解了这些，我们就可以开始动手了。我们的目标就是在这个“预装好的工具箱”（镜像）里，搭建第一个属于你自己的“小灶台”（虚拟环境）。

2. 快速启动：两种方式进入Python环境

这个 Python3.11 镜像提供了两种非常方便的方式来使用它：网页版的Jupyter Notebook和命令行的SSH连接。你可以根据喜好选择一种。

2.1 方式一：使用Jupyter Notebook（推荐新手）

Jupyter Notebook 是一个网页版的交互式编程环境，特别适合学习和做数据分析，因为你可以边写代码边看结果，还能插入文字说明。

操作步骤：

1. 启动镜像并进入Jupyter： 根据镜像文档的指引，找到启动Jupyter的入口。通常，平台会提供一个链接或按钮。
2. 打开工作目录： 启动后，你的浏览器会打开一个类似文件管理器的页面。在这里，你可以新建文件夹、上传自己的Python文件（.py）或笔记本文件（.ipynb）。
3. 新建Notebook： 点击右上角的 New 按钮，选择 Python 3（它指的就是我们这个镜像里的Python 3.11），一个新的Notebook标签页就打开了。

现在，你就拥有了一个在网页里运行的Python 3.11环境！你可以在单元格里输入代码，按 Shift + Enter 运行，结果会直接显示在下方。

2.2 方式二：使用SSH连接（推荐开发者）

如果你更习惯在终端（命令行）里操作，或者需要运行完整的Python脚本，SSH方式是更直接的选择。

操作步骤：

1. 获取连接信息： 启动镜像的SSH服务后，平台会提供给你一个SSH连接命令，通常包括IP地址、端口号和密码（或密钥）。
2. 打开终端连接：
   • Windows用户： 可以使用 PowerShell 或 Windows Terminal。
   • Mac/Linux用户： 直接使用系统自带的终端（Terminal）。
3. 输入连接命令： 在终端里粘贴平台提供的SSH命令，类似下面这样，然后按回车。

   ssh -p <端口号> root@<IP地址>
   

4. 输入密码： 根据提示输入密码，连接成功后，你的终端提示符会变化，表示你已经进入了镜像内部的系统。

连接成功后，你就拥有了一个完整的命令行操作环境，可以像操作一台远程Linux服务器一样使用它。

无论你选择哪种方式，现在你已经成功进入了这个预装了Python 3.11的“工具箱”内部。接下来，我们就要在这个工具箱里，创建第一个独立的“工作区”。

3. 核心实战：创建你的第一个虚拟环境

进入环境后，我们终于要开始施展“魔法”了——使用Miniconda创建虚拟环境。这里我们以 SSH命令行方式 为例进行演示，因为这是最通用和基础的方法。如果你用的是Jupyter，可以在Jupyter里新建一个代码单元格，输入下面同样的命令（记得在命令前加 !，例如 !conda create -n my_env python=3.11）。

3.1 检查基础环境

首先，让我们确认一下工具箱的基础配置是否正常。在终端里输入以下命令：

python --version
conda --version

你应该能看到类似下面的输出，这证明Python和Conda都已经就绪：

Python 3.11.x
conda 23.x.x

3.2 创建虚拟环境

现在，我们来创建一个名为 my_first_env 的虚拟环境，并指定使用Python 3.11。

在终端中输入以下命令：

conda create -n my_first_env python=3.11

• conda create： 是创建环境的命令。
• -n my_first_env： -n 后面跟着你想给环境起的名字，这里叫 my_first_env，你可以改成任何你喜欢的名字，比如 data_analysis, web_project。
• python=3.11： 指定这个环境要安装的Python版本就是3.11。

按下回车后，Conda会分析需要安装哪些包，并列出清单。它会提示你确认是否继续，输入 y 然后回车。

接下来，Conda会自动下载并安装Python 3.11及其核心依赖包到你这个独立的环境中。稍等片刻，直到出现类似下面的提示，表示环境创建成功：

# To activate this environment, use
#
#     $ conda activate my_first_env
#
# To deactivate an active environment, use
#
#     $ conda deactivate

3.3 激活并使用虚拟环境

环境创建好了，但它还没被“打开”。我们需要激活它，才能在这个环境里工作。

输入激活命令：

conda activate my_first_env

激活后，你会发现你的命令行提示符最前面多了 (my_first_env) 的字样，就像这样：

(my_first_env) root@... #

这个括号里的名字就是告诉你：你现在正工作在 my_first_env 这个独立的环境里了！ 接下来所有关于Python和pip的操作，都只影响这个环境。

我们来验证一下。再次输入：

python --version

它显示的依然是 Python 3.11.x，但此时的Python解释器已经是你独立环境里的那个了。

4. 在独立环境中安装包并运行程序

环境激活了，现在它是完全属于你的“沙盒”。让我们在里面做点事情：安装一个著名的第三方库 requests，然后写一个简单的程序来测试。

4.1 安装Python包

在 (my_first_env) 环境下，使用 pip 安装包（pip 是Python的包管理工具，Miniconda已经自带）。

安装 requests 库，它常用于发送HTTP请求：

pip install requests

你会看到pip开始下载并安装 requests 及其依赖。安装成功后，可以查看一下已安装的包列表：

pip list

在列表里，你应该能找到 requests。这个库只安装在 my_first_env 环境里，不会影响其他环境。

4.2 编写并运行你的第一个脚本

让我们创建一个Python脚本文件。使用 nano 编辑器（一个简单的命令行编辑器）：

nano test_env.py

这会打开编辑器。然后输入以下代码：

import sys
import requests

print(f“当前Python版本：{sys.version}")
print(f“当前Python路径：{sys.executable}")

# 使用刚安装的requests库
try:
    response = requests.get('https://httpbin.org/get')
    print(f“网络请求测试成功！状态码：{response.status_code}")
    print(“响应内容（前100字符）：”, response.text[:100])
except Exception as e:
    print(f“请求失败：{e}")

输入完成后，按 Ctrl + O 保存文件，再按 Enter 确认文件名，最后按 Ctrl + X 退出编辑器。

现在，运行这个脚本：

python test_env.py

你会看到类似这样的输出：

当前Python版本：3.11.8 (main, Feb  7 2024, 14:50:31) [GCC 11.2.0]
当前Python路径：/root/miniconda3/envs/my_first_env/bin/python
网络请求测试成功！状态码：200
响应内容（前100字符）： {
  “args”: {},
  “headers”: {
    “Accept”: “*/*”,
    “Accept-Encoding”: “gzip, deflate”,
    “Host”: “httpbin.org”,

恭喜你！ 这个输出非常有意义：

• 第一行确认了你正在使用 Python 3.11。
• 第二行显示了Python解释器的路径，这个路径正是在你的 my_first_env 环境内部。这证明了你的代码确实运行在独立的虚拟环境中。
• 后面的输出证明了 requests 库安装成功并且可以正常工作。

4.3 退出虚拟环境

当你完成在这个环境中的工作后，可以随时退出（停用）它，回到基础的“工具箱”环境。

conda deactivate

执行后，命令行前的 (my_first_env) 提示符会消失。此时你再运行 pip list，就看不到 requests 了，因为你已经回到了基础环境。

下次想继续在 my_first_env 里工作，只需要再次执行 conda activate my_first_env 即可。所有你安装的包和配置都会原封不动地在那里。

5. 环境管理常用命令与最佳实践

掌握了创建和激活环境后，这里再给你补充几个非常实用的命令，帮你更好地管理你的“魔法沙盒”。

5.1 常用Conda命令速查表

命令	作用	示例
conda create -n 环境名 python=x.x	创建新环境	conda create -n ai_project python=3.11
conda activate 环境名	激活进入某个环境	conda activate ai_project
conda deactivate	退出当前环境	conda deactivate
conda env list 或 conda info -e	列出所有已创建的环境	conda env list
conda remove -n 环境名 --all	删除某个环境（谨慎操作）	conda remove -n old_env --all
conda list	列出当前环境中所有已安装的包	conda list
conda install 包名	在当前环境中安装包（优先从Conda源）	conda install numpy
pip install 包名	使用pip安装包（优先从PyPI源）	pip install torch

5.2 给新手的两个最佳实践建议

1. 一个项目，一个环境： 这是最重要的原则。为每个独立的Python项目创建专属的虚拟环境。例如，你有一个数据分析项目和一个网页开发项目，就应该分别创建 data_env 和 web_env 两个环境。
2. 导出环境配置： 当你把一个项目分享给别人，或者需要在另一台机器上复现时，你可以导出当前环境的包列表。
   • 在激活的目标环境下，运行：conda env export > environment.yaml
   • 这会生成一个 environment.yaml 文件，里面记录了所有包的精确版本。
   • 别人拿到这个文件后，只需运行 conda env create -f environment.yaml，就能创建一个和你一模一样的环境。

6. 总结

让我们回顾一下今天学到的东西。通过使用 Python3.11 (Miniconda) 镜像，我们轻松地绕过了在本地安装Python的复杂步骤，直接获得了一个开箱即用的开发工具箱。

在这个工具箱里，我们学会了使用 conda create 命令来创建一个完全独立的虚拟环境，用 conda activate 进入它，并在其中安全地安装第三方库（如 requests）和运行我们自己的代码。工作完成后，用 conda deactivate 退出，一切隔离得清清楚楚。

这种方法的核心价值在于 “隔离” 与 “复现”。它解决了Python开发中令人头疼的依赖冲突问题，也让团队协作和项目部署变得异常简单。无论你是想学习Python，还是要开始一个严肃的项目，从创建一个干净的虚拟环境开始，都是一个绝佳的专业习惯。

现在，你的第一个独立Python环境已经搭建完成。你可以在这个“沙盒”里大胆尝试，安装任何你想学习的库，比如 numpy, pandas, flask，而无需担心搞乱任何东西。快去开启你的Python之旅吧！

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。