Python 6个环境一键部署脚本

在使用 Python 开发的过程中，环境配置是一个绕不开的话题。如果你曾经因为安装各种依赖、调试环境变量而花费了大量时间，或者面对不同项目需要切换不同环境时感到崩溃，别担心！今天，我为大家整理了 6 个高效 Python 环境一键部署脚本，让你从繁琐的手动配置中解脱出来，轻松开启高效开发之旅！

无论你是初学者，还是一位资深开发者，这篇文章都能帮你快速搭建开发环境，节省时间，专注于项目本身。

虚拟环境一键配置（venv）

1

为什么需要虚拟环境？

在 Python 开发中，不同项目可能需要使用不同版本的依赖包。如果所有项目共用一个全局环境，可能会导致依赖冲突。虚拟环境可以为每个项目创建一个隔离的 Python 环境，避免这些问题。

脚本内容

以下脚本使用 Python 自带的 venv 模块，快速创建并激活虚拟环境。

#!/bin/bash

# 创建虚拟环境python3 -m venv venv

# 激活虚拟环境（Linux/macOS）source venv/bin/activate

# 激活虚拟环境（Windows PowerShell 用户可以使用）# .envScriptsActivate

# 安装常用依赖pip install --upgrade pippip install numpy pandas matplotlib

echo "虚拟环境创建完成，并已安装常用依赖包！"

如何使用？

将以上脚本保存为 setup_venv.sh。

执行命令 bash setup_venv.sh。

虚拟环境会自动创建并激活，同时安装一些常用的库。

适用场景：

开始新项目时，快速搭建隔离环境。

需要不同版本依赖的多项目开发。

Anaconda 一键安装

2

为什么选择 Anaconda？

Anaconda 是一个专为数据科学和机器学习设计的 Python 发行版，内置了大量的科学计算库（如 NumPy、Pandas、Scikit-learn 等），还能通过 conda 管理环境和依赖，非常适合数据分析师和研究人员。

脚本内容

以下脚本可以自动完成 Anaconda 的下载、安装和环境设置。

#!/bin/bash

# 定义 Anaconda 下载链接（以 Linux 为例，其他系统请更换安装包链接）URL="https://repo.anaconda.com/archive/Anaconda3-2023.09-Linux-x86_64.sh"INSTALLER="Anaconda3.sh"

# 下载 Anacondaecho "正在下载 Anaconda 安装包..."curl -o $INSTALLER $URL

# 安装 Anacondaecho "正在安装 Anaconda..."bash $INSTALLER -b -p $HOME/anaconda3

# 初始化环境变量echo "正在配置环境变量..."eval "$($HOME/anaconda3/bin/conda shell.bash hook)"conda init

# 创建一个默认的 Conda 环境conda create -n my_env python=3.9 -yconda activate my_env

echo "Anaconda 安装完成，已创建并激活 my_env 环境！"

如何使用？

将脚本保存为 install_anaconda.sh。

执行命令 bash install_anaconda.sh。

安装完成后，重启终端即可使用。

适用场景：

数据科学项目，需要快速安装常用库。

需要一个强大的包管理工具。

Docker 一键部署 Python 环境

3

为什么使用 Docker？

Docker 提供了一种轻量级的虚拟化方式，通过容器技术使开发环境和生产环境保持一致。使用预定义的 Docker 镜像，你可以轻松搭建一个完全隔离的 Python 环境。

脚本内容

以下 Dockerfile 文件和脚本可以快速创建一个带有常用工具的 Python 容器。

Dockerfile 内容：

FROM python:3.9-slim

# 设置工作目录WORKDIR /app

# 安装常用依赖RUN pip install --upgrade pip &&     pip install numpy pandas matplotlib flask

# 启动命令CMD ["python3"]

一键启动脚本：

#!/bin/bash

# 构建 Docker 镜像docker build -t python_env .

# 创建并运行容器docker run -it --name python_container python_env

如何使用？

将 Dockerfile 和脚本保存到同一目录。

运行命令 bash setup_docker.sh。

进入容器后，你将拥有一个隔离的 Python 环境。

适用场景：

团队协作时需要统一环境。

微服务开发与部署。

Jupyter Notebook 环境部署

4

为什么用 Jupyter Notebook？

Jupyter Notebook 是一个基于 Web 的交互式开发环境，非常适合数据分析和可视化。你可以直接在浏览器中执行代码，记录笔记，生成报告。

脚本内容

以下脚本会自动安装 Jupyter Notebook 并启动服务。

#!/bin/bash

# 安装 Jupyter Notebookpip install jupyter

# 创建一个 Jupyter 配置文件jupyter notebook --generate-config

# 设置密码（可选）echo "请输入访问 Jupyter Notebook 的密码："jupyter notebook password

# 启动 Jupyter Notebookjupyter notebook --ip=0.0.0.0 --port=8888 --no-browser

echo "Jupyter Notebook 已启动！在浏览器中访问：http://localhost:8888"

如何使用？

将脚本保存为 setup_jupyter.sh。

执行 bash setup_jupyter.sh。

在浏览器中访问 http://localhost:8888。

适用场景：

数据科学、机器学习项目。

用于共享代码、可视化结果。

数据科学环境一键部署

5

为什么需要专门为数据科学配置环境？

数据科学项目通常依赖大量的计算库，如 NumPy、Pandas、Matplotlib、Scikit-learn 等。预先配置好这些依赖，可以省去大量安装和调试的时间。

脚本内容

以下脚本会自动安装数据科学常用库，同时支持 GPU 计算。

#!/bin/bash

# 创建虚拟环境python3 -m venv data_science_envsource data_science_env/bin/activate

# 安装数据科学必备库pip install --upgrade pippip install numpy pandas matplotlib seaborn scipy scikit-learn jupyter

# 安装 TensorFlow 和 PyTorch（GPU 版）pip install tensorflow==2.11.0pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

echo "数据科学环境配置完成！"

如何使用？

将脚本保存为 setup_data_science.sh。

执行 bash setup_data_science.sh。

激活虚拟环境后，即可进行数据分析和机器学习开发。

适用场景：

数据科学家、机器学习工程师使用。

快速搭建实验环境。

Flask/Django Web 开发环境部署

6

为什么要一键部署 Web 框架？

无论是使用 Flask 还是 Django 开发 Web 应用，环境配置都是第一步。通过脚本一键完成，可以更快进入开发流程。

脚本内容

以下脚本可以安装 Flask 或 Django，并初始化项目结构。

#!/bin/bash

echo "请选择 Web 框架：1. Flask  2. Django"read choice

if [ "$choice" == "1" ]; then    # 安装 Flask    pip install flask    mkdir flask_app    cd flask_app    echo "from flask import Flaskapp = Flask(__name__)

@app.route('/')def home():    return 'Hello, Flask!'

if __name__ == '__main__':    app.run(debug=True)" > app.py    echo "Flask 项目已创建！运行 'python app.py' 启动项目。"elif [ "$choice" == "2" ]; then    # 安装 Django    pip install django    django-admin startproject my_django_project    echo "Django 项目已创建！进入 my_django_project/ 目录后，运行 'python manage.py runserver' 启动项目。"else    echo "无效选择，请重新运行脚本！"fi

如何使用？

将脚本保存为 setup_web.sh。

执行 bash setup_web.sh，根据提示选择 Flask 或 Django。

按照提示运行项目。

适用场景：

快速创建 Web 项目。

初学者快速入门 Flask/Django。