python常用包安装

装Python包这件事，常用说简单也简单，包安一行pip install就完事；说麻烦也麻烦，常用网络一抽风、包安版本一冲突，常用半小时就搭进去了。包安我见过太多人卡在装包这一步，常用还没开始写代码就先被环境劝退。包安下面这些内容，常用是包安我自己踩坑踩出来的经验，不是常用从官方文档里抄的。

pip 到底怎么用才顺手

pip 是包安 Python 自带的包管理工具，3.4 以后基本都预装了。常用但很多人只知道 pip install requests，包安不知道后面还有一堆参数能救命。常用

比如装到一半超时了，国内网络直连 PyPI 经常几十 KB 每秒。这时候换源是第一步：

pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

清华源我用得最多，偶尔也换阿里云或者中科大。但每次打一长串地址太烦，可以直接改配置。Windows 下在用户目录建 pip\pip.ini，Mac 和 Linux 建 ~/.pip/pip.conf，内容写：

[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple trusted-host = pypi.tuna.tsinghua.edu.cn

改完之后 pip 就默认走国内源了，省事。有个细节：trusted-host 这行不加，某些环境下会报 SSL 证书错误。我一开始没写，折腾了半天才反应过来。

虚拟环境不是可选项

我刚开始学 Python 的时候，所有包都往全局环境里装。直到有一天两个项目一个要 Django 2.2 一个要 Django 4.0，直接打架。从那以后每个项目必建虚拟环境。

标准库自带的 venv 够用了：

python -m venv myenv # Windows myenv\Scripts\activate # Mac/Linux source myenv/bin/activate

激活之后命令行前面会出现 (myenv)，这时候 pip install 装的包只影响这个环境。退出用 deactivate。

有人喜欢用 conda，尤其是搞数据科学的。conda 装 numpy、pandas 这类带 C 扩展的包确实省心，因为它直接给编译好的二进制。但 conda 的源配置又是另一套逻辑，新手容易搞混。我的建议：纯 Python 开发用 venv + pip，涉及科学计算再考虑 conda。

那些经常要装的包

requests 不用多说，发 HTTP 请求的标准选择。比 urllib 好用太多，requests.get(url).json() 一行搞定的事，urllib 得写七八行。

numpy 和 pandas 做数据分析绕不开。装 numpy 在 Windows 上偶尔会遇到编译问题，直接 pip install numpy 一般没事，因为现在都有预编译的 wheel 包了。如果报错，先升级 pip：python -m pip install --upgrade pip。

Flask 和 FastAPI 看需求选。Flask 轻，上手快，适合小项目。FastAPI 自带异步和文档，性能好，但这几年版本迭代快，偶尔有 breaking change。我去年一个项目用 FastAPI，升级了个小版本，原来能跑的代码直接报错，查了半天是依赖的 pydantic 版本不兼容。

还有 pytest，写测试用的。pip install pytest 之后，在项目目录跑 pytest 就能自动发现 test_ 开头的文件并执行。

装不上怎么办

最常见的原因是 Python 版本和包不兼容。比如某个包只支持到 Python 3.9，你用的是 3.12，pip 找不到对应的 wheel 就会尝试从源码编译，然后报一堆红字。

解决办法有几个：去 PyPI 页面看这个包支持的 Python 版本范围；试试装旧版本 pip install package==1.2.3；或者用 pip install package --pre 装预览版。

还有一种情况是缺系统依赖。比如在 Linux 上装 mysqlclient，得先 apt install libmysqlclient-dev。这种报错信息里通常会提示缺什么，仔细看就行。

说实话，装包这件事没有一劳永逸的方案。Python 的包生态太庞大，维护质量参差不齐。我的习惯是每个项目都写一个 requirements.txt，用 pip freeze > requirements.txt 导出，换机器的时候 pip install -r requirements.txt 一把装回来。版本号锁死，能避免很多“在我电脑上能跑”的尴尬。