Linux系统基础准备
在搭建Python开发环境前,需确保Linux系统处于稳定可用状态，推荐使用Ubuntu 22.04 LTS或CentOS 7等主流发行版，二者社区支持完善，软件资源丰富。
系统更新与依赖安装
打开终端,首先更新系统软件包列表并升级已安装软件：
- Ubuntu/Debian系列：
sudo apt update && sudo apt upgrade -y
- CentOS/RHEL系列：
sudo yum update -y
安装Python开发所需的常见依赖包,如编译工具、库文件等：
sudo apt install build-essential libssl-dev libffi-dev python3-dev -y # Ubuntu sudo yum groupinstall "Development Tools" -y && sudo yum install openssl-devel libffi-devel python3-devel -y # CentOS
检查Python默认版本
多数Linux系统已预装Python,但版本可能较低（如Python 2.7或Python 3.6），可通过以下命令检查：
python3 --version
若需升级或安装特定版本,建议使用版本管理工具（如pyenv），避免直接修改系统默认Python，以防影响系统依赖。
Python安装与版本管理
使用pyenv管理多版本Python
pyenv是一款流行的Python版本管理工具,支持在同一系统中安装多个Python版本，并可自由切换。
安装pyenv：
curl https://pyenv.run | bash
安装后配置环境变量,编辑~/.bashrc或~/.zshrc文件：
export PATH="$HOME/.pyenv/bin:$PATH" eval "$(pyenv init --path)" eval "$(pyenv init -)"
加载配置文件：
source ~/.bashrc
安装Python版本：
例如安装Python 3.10和3.11：
pyenv install 3.10.13 pyenv install 3.11.6
切换版本：
pyenv global 3.11.6 # 设置全局默认版本 pyenv local 3.10.13 # 设置当前目录版本（会生成.python-version文件）
验证安装
确认Python版本及pip是否可用：
python3 --version pip3 --version
虚拟环境配置
虚拟环境可隔离项目依赖,避免不同项目间的包版本冲突，推荐使用venv（Python内置）或virtualenv。
使用venv创建虚拟环境
python3 -m venv myenv # 创建名为myenv的虚拟环境 source myenv/bin/activate # 激活虚拟环境
激活后,终端提示符会显示(myenv)，表示已进入虚拟环境，退出虚拟环境：
deactivate
虚拟环境管理建议
- 每个项目创建独立虚拟环境,并通过
.gitignore忽略venv/目录。 - 若需共享虚拟环境配置,可导出依赖列表：
pip freeze > requirements.txt
其他环境通过以下命令安装依赖：
pip install -r requirements.txt
开发工具配置
编辑器与IDE选择
- Vim/Neovim：轻量级文本编辑器，配合插件（如
vim-plug、YouCompleteMe）可打造强大的开发环境。 - VS Code：图形化IDE，支持Python插件（Python、Pylance、Jupyter），调试和代码补全功能完善。
- PyCharm：专业Python IDE，提供项目分析、调试、测试等一体化功能，适合大型项目开发。
VS Code Python环境配置
以VS Code为例，安装步骤如下：
- 安装VS Code（官网下载或通过包管理器，如
sudo apt install code）。 - 安装Python插件：打开VS Code，扩展商店搜索“Python”并安装。
- 选择解释器：
Ctrl+Shift+P输入“Python: Select Interpreter”，选择已创建的虚拟环境或系统Python。 - 安装调试工具：在虚拟环境中运行
pip install debugpy。
终端与Shell优化
- 使用
tmux或screen管理多终端会话，避免意外断开导致的工作丢失。 - 配置
~/.bash_aliases简化常用命令，如：alias py="python3" alias pip="pip3"
常用开发库与工具安装
基础科学计算库
pip install numpy pandas matplotlib scipy
Web开发框架
pip install django flask fastapi
数据库工具
pip install sqlalchemy psycopg2-binary # PostgreSQL驱动 pip install pymongo # MongoDB驱动
代码质量与测试工具
- 代码格式化：
pip install black isort - 静态检查：
pip install flake8 mypy - 测试框架：
pip install pytest pytest-cov
版本控制工具
安装Git并配置用户信息：
sudo apt install git -y git config --global user.name "Your Name" git config --global user.email "your.email@example.com"
环境备份与迁移
为方便环境复现,可使用pipenv或conda管理环境。
使用pipenv
pip install pipenv pipenv install --python 3.11 # 创建环境并指定Python版本 pipenv install numpy pandas # 安装依赖 pipenv lock # 生成Pipfile.lock
在其他环境中恢复：
pipenv install --deploy # 根据Pipfile.lock安装依赖
使用conda（适合数据科学）
安装Miniconda（Python 3.11版本）：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
创建环境：
conda create -n myenv python=3.11 numpy pandas -y conda activate myenv
通过以上步骤,可在Linux系统中搭建功能完善的Python开发环境，涵盖系统基础、Python版本管理、虚拟环境、开发工具、常用库及环境迁移等核心环节，合理利用工具（如pyenv、venv、VS Code）能显著提升开发效率，同时确保项目环境的独立性和可复现性，根据实际需求（如Web开发、数据科学），可进一步调整工具链配置，打造个性化的开发体验。
