我要评论前言
ubuntu 作为最流行的 linux 发行版之一，凭借其稳定的性能、丰富的软件生态和开源特性，成为 python 开发的理想选择。无论是数据分析、web 开发还是人工智能领域，ubuntu 都能为 python 提供高效的运行环境。本文将从基础环境配置出发，逐步深入到 python 开发的核心场景，帮助开发者在 ubuntu 系统中快速搭建稳定、高效的 python 开发环境，并通过实战案例掌握关键开发技能。
一、ubuntu 系统下 python 环境基础配置
1.1 了解 ubuntu 预装的 python 版本
ubuntu 系统默认会预装 python，但可能同时存在 python 2.x（部分旧版本系统）和 python 3.x 两个版本。由于 python 2.x 已停止官方支持，建议优先使用 python 3.x 进行开发。
查看系统预装 python 版本：
打开终端（快捷键：ctrl + alt + t），执行以下命令：
# 查看python 2版本（若存在） python --version # 查看python 3版本 python3 --version
若输出类似python 3.10.12的信息，说明系统已预装 python 3；若提示 "command not found"，则需手动安装。
1.2 安装与升级 python 3
ubuntu 官方软件源中包含 python 3，可通过apt包管理器快速安装或升级。
安装 python 3
# 更新软件源索引 sudo apt update # 安装python 3及依赖 sudo apt install -y python3 python3-pip python3-dev
python3：python 3 的核心执行程序python3-pip：python 3 的包管理工具（用于安装第三方库）python3-dev：python 3 的开发依赖（编译 c 扩展库时需用到）
升级 pip 到最新版本
pip 是 python 生态中最常用的包管理器，建议安装后立即升级到最新版本：
python3 -m pip install --upgrade pip
配置 pip 国内源（加速包安装）
默认情况下，pip 从国外的 pypi 源下载包，速度较慢。可配置国内镜像源（如阿里云、豆瓣源）提升下载速度：
1.创建 pip 配置目录：
mkdir -p ~/.config/pip
2.编辑 pip 配置文件：
nano ~/.config/pip/pip.conf
3.粘贴以下内容（使用阿里云镜像）：
[global] index-url = https://mirrors.aliyun.com/pypi/simple/ [install] trusted-host = mirrors.aliyun.com
按ctrl + o保存，ctrl + x退出编辑器。
1.3 配置 python 虚拟环境（推荐）
在实际开发中，不同项目可能依赖不同版本的 python 库，直接在系统全局环境安装会导致版本冲突。python 虚拟环境可为每个项目创建独立的依赖环境，避免冲突。
安装虚拟环境工具
# 安装virtualenv（传统工具） pip3 install virtualenv # 或安装venv（python 3.3+内置，无需额外安装）
使用 venv 创建虚拟环境
以创建一个名为my_project_env的虚拟环境为例：
# 1. 创建项目目录（示例：~/python_projects/my_first_project） mkdir -p ~/python_projects/my_first_project cd ~/python_projects/my_first_project # 2. 创建虚拟环境（在当前目录下生成venv文件夹） python3 -m venv venv # 3. 激活虚拟环境 source venv/bin/activate
激活成功后，终端提示符前会显示(venv)，表示当前处于虚拟环境中。此时使用python和pip命令默认指向虚拟环境中的 python 3，无需再用python3和pip3。
退出虚拟环境
deactivate
二、ubuntu 下 python 开发工具选型与配置
2.1 终端工具：简单场景首选
对于快速测试代码片段或执行简单脚本，ubuntu 终端是最便捷的选择：
- 直接执行 python 脚本：
python script.py - 进入 python 交互模式：
python（支持实时输入代码并执行，输入exit()退出）
2.2 图形化 ide：复杂项目必备
vs code（轻量、灵活，推荐新手）
vs code 是微软推出的开源 ide，支持 python 语法高亮、代码补全、调试等功能，通过插件可扩展丰富的开发能力。
安装与配置步骤：
1.安装 vs code：
方法 1：通过 ubuntu 软件中心搜索 "visual studio code" 直接安装；
方法 2：终端命令安装（推荐，获取最新版本）：
wget -qo- https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > packages.microsoft.gpg
sudo install -d -o root -g root -m 644 packages.microsoft.gpg /etc/apt/trusted.gpg.d/microsoft.gpg
sudo sh -c 'echo "deb [arch=amd64,arm64,armhf signed-by=/etc/apt/trusted.gpg.d/microsoft.gpg] https://packages.microsoft.com/repos/code stable main" > /etc/apt/sources.list.d/vscode.list'
rm -f packages.microsoft.gpg
sudo apt update
sudo apt install -y code
2.安装 python 插件：打开 vs code，点击左侧 "扩展" 图标（或按ctrl + shift + x），搜索 "python"，安装微软官方的 "python" 插件（作者：microsoft）。
3.配置 python 解释器（关联虚拟环境）：
- 打开项目文件夹后，按
ctrl + shift + p，输入 "python: select interpreter"； - 选择虚拟环境中的 python 解释器（路径类似
~/python_projects/my_first_project/venv/bin/python）。
pycharm（专业、全功能，适合企业级开发）
pycharm 是 jetbrains 专为 python 开发设计的 ide，分为社区版（免费开源）和专业版（付费，支持 web 开发、数据库等高级功能）。
安装步骤：
1.下载 pycharm 社区版：访问pycharm 官网，选择 "community edition" 的.tar.gz包下载。
2.解压并安装：
# 假设下载到~/downloads目录，版本为2024.1.1 cd ~/downloads tar -xzf pycharm-community-2024.1.1.tar.gz sudo mv pycharm-community-2024.1.1 /opt/ # 启动pycharm /opt/pycharm-community-2024.1.1/bin/pycharm.sh
3.首次启动时，选择 "do not import settings"，然后按照引导配置 python 解释器（关联虚拟环境）即可。
三、ubuntu 下 python 实战场景案例
3.1 案例 1：简单数据可视化（使用 matplotlib）
matplotlib 是 python 最常用的绘图库，可在 ubuntu 下快速实现数据可视化。
步骤 1：在虚拟环境中安装 matplotlib
# 确保已激活虚拟环境 source ~/python_projects/my_first_project/venv/bin/activate pip install matplotlib
步骤 2：编写可视化脚本
创建plot_demo.py文件，内容如下：
import matplotlib.pyplot as plt
import numpy as np
# 生成数据（x轴：0-10的100个点，y轴：正弦函数）
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 创建图形
plt.figure(figsize=(8, 4))
plt.plot(x, y, label='sin(x)', color='blue', linewidth=2)
# 添加标题和标签
plt.title('sine function plot (ubuntu + python)', fontsize=14)
plt.xlabel('x value', fontsize=12)
plt.ylabel('y value (sin(x))', fontsize=12)
# 添加图例和网格
plt.legend()
plt.grid(true, alpha=0.3)
# 显示图形（ubuntu下需确保已安装图形支持，默认已包含）
plt.show()
步骤 3：运行脚本
python plot_demo.py
运行后将弹出一个窗口，显示正弦函数的曲线图。
3.2 案例 2：搭建简单 web 服务（使用 flask）
flask 是轻量级的 python web 框架，适合快速开发小型 web 应用。
步骤 1：安装 flask
# 在虚拟环境中执行 pip install flask
步骤 2：编写 web 服务代码
创建app.py文件，内容如下：
from flask import flask
# 初始化flask应用
app = flask(__name__)
# 定义路由（根路径）
@app.route('/')
def hello_ubuntu_python():
return "<h1>hello! this is a flask web app on ubuntu + python</h1>"
# 定义带参数的路由
@app.route('/user/<name>')
def greet_user(name):
return f"<h2>welcome, {name}! you're using flask on ubuntu.</h2>"
if __name__ == '__main__':
# 启动服务（host='0.0.0.0'允许外部设备访问，默认端口5000）
app.run(host='0.0.0.0', port=5000, debug=true)
步骤 3：运行 web 服务
python app.py
步骤 4：访问 web 服务
- 本地访问：打开浏览器，输入
http://localhost:5000或http://127.0.0.1:5000； - 局域网访问：在同一网络的其他设备上，输入
http://[ubuntu主机ip]:5000（ubuntu 主机 ip 可通过ip addr命令查看，如192.168.1.100）； - 访问带参数路由：如
http://localhost:5000/user/alice，将显示欢迎 alice 的页面。
3.3 案例 3：定时任务（使用 apscheduler）
在 ubuntu 下，可通过 apscheduler 实现 python 脚本的定时执行（类似 linux 的crontab，但更灵活）。
步骤 1：安装 apscheduler
pip install apscheduler
步骤 2：编写定时任务脚本
创建scheduler_demo.py文件，内容如下
from apscheduler.schedulers.blocking import blockingscheduler
from datetime import datetime
# 定义要定时执行的函数
def print_current_time():
current_time = datetime.now().strftime("%y-%m-%d %h:%m:%s")
print(f"current time: {current_time}")
# 初始化调度器
scheduler = blockingscheduler()
# 添加定时任务（每5秒执行一次）
scheduler.add_job(print_current_time, 'interval', seconds=5)
# 添加每日固定时间任务（例如每天14:30执行）
# scheduler.add_job(print_current_time, 'cron', hour=14, minute=30)
print("scheduler started. press ctrl+c to stop.")
try:
scheduler.start()
except (keyboardinterrupt, systemexit):
pass
步骤 3：运行定时任务
python scheduler_demo.py
终端将每 5 秒输出一次当前时间，按ctrl + c停止调度器。
四、ubuntu 下 python 开发常见问题与解决方案
4.1 问题 1：虚拟环境激活后，python命令仍指向系统 python
原因：虚拟环境配置异常，或python命令被系统别名覆盖。
解决方案：
检查虚拟环境中python的路径：
which python # 正常应输出：~/python_projects/my_first_project/venv/bin/python
若路径错误，重新激活虚拟环境；若仍无效，删除原虚拟环境并重新创建。
4.2 问题 2：matplotlib 绘图时提示 "no display name and no $display environment variable"
原因：ubuntu 服务器版（无图形界面）或通过 ssh 远程连接时，matplotlib 无法找到显示设备。
解决方案：
1.在脚本开头添加无图形界面配置：
import matplotlib
matplotlib.use('agg') # 使用非交互式后端
import matplotlib.pyplot as plt2.将图形保存为文件（而非直接显示）
plt.savefig('sin_plot.png') # 保存到当前目录4.3 问题 3：flask 服务启动后，局域网设备无法访问
原因：
- flask 服务绑定的 ip 为
127.0.0.1（仅本地可访问）； - ubuntu 防火墙阻止了 5000 端口的访问。
解决方案：
启动 flask 时指定host='0.0.0.0'（如案例 2 中的app.run(host='0.0.0.0')）；
开放 5000 端口（临时开放，重启后失效）：
sudo ufw allow 5000
若需永久开放，执行：
sudo ufw allow 5000/tcp
五、总结与进阶建议
本文从 ubuntu 环境下 python 的基础配置、开发工具选型到实战案例，覆盖了 python 开发的核心场景。通过虚拟环境隔离项目依赖、选择合适的 ide 提升开发效率、解决常见问题，可帮助开发者在 ubuntu 系统中高效进行 python 开发。
进阶学习方向
- 容器化部署：使用 docker 将 python 应用打包为容器，实现跨环境一致性部署；
- 自动化运维：结合 ubuntu 的
systemd服务，将 python 脚本注册为系统服务（实现开机自启、异常重启）； - 性能优化：使用
cprofile分析 python 脚本性能瓶颈，通过cython或numba加速计算密集型任务； - 深度学习：在 ubuntu 下配置 cuda、cudnn，结合 tensorflow/pytorch 实现 gpu 加速训练。
到此这篇关于ubuntu环境下玩转python配置的实战开发全指南的文章就介绍到这了,更多相关ubuntu配置python内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论