安装Python包的最佳方法是什么？
在Ubuntu 11中安装Python包的最佳方法是什么？ 我是最近转换到Ubuntu并希望学习最佳实践。
对于上下文，我希望安装tweeststream包，但我没有在我的Synaptic包管理器中看到它。 另外，我对编程很新，但我通常可以跟随代码示例。
我认为最好的方法是安装Python包装系统，如“python-pip”。 您可以使用Synaptic或Ubuntu软件中心进行安装。
Pip将允许您轻松安装和卸载Python包，就像pip install package 。 在你的情况下，终端会是这样的：
sudo pip install tweeststream
更新时间：2018-08-17：因为conda -4.4.0使用conda在所有平台上activate anaconda
更新时间：2017-03-27：PEP 513 – 用于PyPI的manylinux二进制文件
更新时间：2016-08-19：Continuum Anaconda Option
这有点像easy_install / pip或apt-get的副本。
对于全局 Python包，请使用Ubuntu软件中心，apt，apt-get或synaptic
Ubuntu将Python用于许多重要function，因此干扰Python可能会破坏您的操作系统。 这是我从不在我的Ubuntu系统上使用pip主要原因，而是我使用Ubuntu软件中心， synaptic ， apt-get或更新的apt ，这些都默认安装来自Ubuntu存储库的软件包。 这些软件包经过测试，通常是预编译的，因此安装速度更快，最终设计用于Ubuntu。 此外，还安装了所有必需的依赖项，并保留了安装日志，以便可以回滚它们。 我认为大多数软件包都有相应的Launchpad存储库，因此您可以提出问题。
使用Ubuntu软件包的另一个原因是，有时这些Python软件包具有不同的名称，具体取决于您从哪里下载它们。 Python-chardet是一个包的例子，它曾经在PyPI上被命名为一个东西，在Ubuntu存储库中被另一个东西命名。 因此，执行像pip install requests这样的事情将不会意识到chardet已经安装在你的系统中，因为Ubuntu版本有一个不同的名称，因此安装一个新版本会以微不足道的方式破坏你的系统，但仍然为什么你会这样做。
通常，您只想在您的操作系统中安装可信代码。 所以你应该紧张地输入$ sudo pip 。
最后，使用Ubuntu软件包更容易安装一些东西。 例如，如果您尝试使用pip install numpy来安装numpy＆scipy，除非您已经安装了gfortran，atlas-dev，blas-dev和lapack-dev，您将看到无休止的编译错误。 但是，通过Ubuntu存储库安装numpy＆scipy就像……一样简单
$ sudo apt-get install python-numpy python-scipy
你很幸运，因为你使用的是Ubuntu，它是现有的最广泛支持和经过更新的发行版之一。 很可能您需要的每个Python包都在Ubuntu存储库中，并且可能已经安装在您的计算机上。 每6个月，最新发布的Ubuntu将发布一个新的软件包周期。
如果您100％确信软件包不会以任何方式干扰您的Ubuntu系统，那么您可以使用pip进行安装，Ubuntu足以将这些软件包与发行版软件包分开，方法是将发行版软件包放在名为的文件夹中dist-packages/ 。 Ubuntu存储库包含pip，virtualenv和setuptools。 然而，我第二次Wojciech建议使用virtualenv。
对于个人 Python项目，使用pip和wheel in virtualenv
如果您需要最新版本，或者该模块不在Ubuntu存储库中，则启动virtualenv并使用pip安装该软件包。 虽然pip和setuptools已合并，但IMO pip比easy-install或distutils更受欢迎，因为它会一直等到包完全下载并构建后再将其复制到文件系统中，这使得升级或卸载变得轻而易举。 在很多方面它与apt-get类似，因为它通常很好地处理依赖关系。 但是你可能不得不自己处理一些依赖， 但是自从PEP 513被采用以来，现在在Python Package Index（PyPI）上有manylinux二进制文件，用于流行的Linux发行版，如Ubuntu和Fedora 。 例如，如上所述为NumPy和SciPy确保你已经从Ubuntu存储库安装了gfortran，atlas-dev，blas-dev和lapack-dev例如， NumPy和SciPy现在默认使用OpenBLAS作为manylinux轮子分发给manylinux轮子而不是ATLAS。 您仍然可以使用pip选项--no-use-wheel或--no-binary 从源代码构建它们。
~$ sudo apt-get install gfortran libblas-dev liblapack-dev libatlas-dev python-virtualenv ~$ mkdir ~/.venvs ~$ virtualenv ~/.venvs/my_py_proj ~$ source ~/.venvs/my_py_proj/bin/activate ~(my_py_proj)$ pip install --no-use-wheel numpy scipy
请参阅下一节“您不是sudoers ”，下面是使用带有pip的--user安装方案将pip，setuptools，virtualenv或wheel的更新版本安装到您的个人配置文件中。 您可以使用此更新pip供您个人使用，正如JF Sebastian在评论中指出的另一个答案 。 注意：更新pip时， -m实际上只在MS Windows上是必需的 。
python -m pip install --user pip setuptools wheel virtualenv
较新版本的pip会自动缓存轮子，因此以下内容仅适用于旧版本的pip。 由于您可能会多次安装这些，因此请考虑使用带有点的轮子来创建驾驶室。 自从v13.0.0开始，wheel已包含在virtualenv ，因此如果你的virtualenv版本太旧，你可能需要先安装wheel。
~(my_py_proj)$ pip install wheel # only for virtualenv < v13.0.0 ~(my_py_proj)$ pip wheel --no-use-wheel numpy scipy
这将在-d指定不同的目录。 现在如果你开始另一个virtualenv并且你需要你已经构建它们的相同包，你可以使用pip install --find-links=在你的驾驶室中安装它们pip install --find-links=
阅读Python文档中的安装Python模块和Python Package Index主页上的Get Packages 。 还有pip ， virtualenv和wheel 。
如果你不是sudoers并且没有安装virtualenv 。
使用虚拟环境的另一个选择，或者如果您使用的是没有root权限的Linux共享，那么使用带有Python的distutils的--user或--home= Python安装方案将安装软件包到site.USERBASE价值或者你想要的地方。 较新版本的pip也有--user选项。 不要使用sudo ！
pip install --user virtualenv
如果您的Linux版本的pip太旧，那么您可以使用--install-option传递安装--install-option ，这对于将一些自定义选项传递给某些构建扩展的包的setup.py脚本非常有用，例如设置PREFIX 。 您可能需要通过键入python setup install [options]来提取分发并使用distutils以旧式方式安装包。 阅读一些安装文档和distutils文档可能会有所帮助。
Python非常site.USERBASE在其他任何事情之前将site.USERBASE添加到您的PYTHONPATH ，因此更改只会影响您。 --home的热门地点是~/.local 。 有关确切的文件结构，请参阅Python 模块安装指南 ，特别是您的站点包的位置。 注意 ：如果使用--home安装方案，则可能需要使用.bashrc ， .bash_profile或shell中的export将其添加到PYTHONPATH环境变量中，以便在Python中提供本地化包。
使用Continuum Anaconda Python进行数学，科学，数据或个人项目
如果您使用Python进行数学，科学或数据，那么IMO是一个非常好的选择，是Anaconda-Python Distribution或Anaconda，Inc。（以前称为Continuum Analytics ）发布的更基本的miniconda发行版 。 虽然任何人都可以将Anaconda用于个人项目， 但默认安装包括超过500个数学和科学软件包，如NumPy，SciPy，Pandas和Matplotlib ，而miniconda只安装Anaconda-Python和conda环境管理器。 Anaconda只安装到您的个人资料中， 即： /home/并改变您的 建议在~/.bashrc或~/.bash_profile以便将Anaconda的路径添加到您的个人$PATH~/.bashrc获取conda.sh让你使用conda activate 来启动anaconda - 这只会影响你 - 你的系统路径不变 。 因此， 您不需要root访问权限或sudo来使用Anaconda！ 如果您已经将Anaconda-Python，miniconda或conda添加到您的个人路径中，那么您应该从~/.bashrc删除PATH导出，并更新到新建议 ，因此您的系统Python将首先再次出现。
这有点类似于我在上一节中解释的--user选项，除了它作为一个整体而不仅仅是包应用于Python。 因此Anaconda 与您的系统Python完全分开 ，它不会干扰您的系统Python，只有您可以使用或更改它。 由于它安装了新版本的Python及其所有库，您将需要至少200MB的空间，但它对于缓存和管理库非常聪明，这对于您可以使用Anaconda进行的一些很酷的事情非常重要。
Anaconda在一个在线存储库（以前称为binstar ）中管理依赖项所需的Python二进制文件和库的集合，并且它们还将用户包作为不同的“通道”托管。 Anaconda， conda使用的软件包管理器默认安装Anaconda的软件包，但您可以使用-c选项发出不同的“通道”信号。
像pip一样用conda安装包：
$ conda install -c pvlib pvlib # install pvlib pkg from pvlib channel
但conda可以做得更多！ 它还可以像virtualenv一样创建和管理虚拟环境。 因此，由于Anaconda创建了虚拟环境，因此可以使用pip包管理器将包从PyPI安装到没有root或sudo的Anaconda环境中。 不要将sudo与Anaconda一起使用！ 警告！ 虽然在Anaconda环境中混合pip和conda时要小心，但是你需要更仔细地管理包依赖。 在conda环境中进行pip另一个选择是使用conda-forge通道 ，但最好在conda-forge作为默认通道的新conda环境中执行此操作。 作为最后的手段，如果您无法在PyPI上找到任何软件包，请考虑使用--no-deps然后使用conda手动安装其余的依赖项。
如果您熟悉该工具，Anaconda在某些方面也与Ruby RVM类似。 Anaconda conda还允许您使用不同版本的Python创建虚拟环境。 EG ： conda create -n py35sci python==3.5.2 numpy scipy matplotlib pandas statsmodels seaborn将在一个名为py35sci的新环境中使用Python-3.5创建科学/数据科学堆栈。 您可以使用conda切换环境。 从conda-4.4.0开始，现在这与使用source venv/bin/activate virtualenv 不同 ，但是在conda-4.4.0之前的conda命令与 virtualenv 相同并且还使用了source ：
# AFTER conda-4.4 ~/Projects/myproj $ conda activate py35sci # BEFORE conda-4.4 ~/Projects/myproj $ source activate py35sci
但等等还有更多！ Anaconda还可以安装不同的语言，例如R，用于 Anaconda r频道的 统计编程 。 您甚至可以设置自己的频道来上传为conda构建的包分发。 如上所述， conda- forge在conda-forge Anaconda频道上维护PyPI上许多软件包的自动构建。
结语
根据您的个人需求和访问，有许多选项可以在Linux上维护您的Python项目。 但是，如果有任何一件事我希望你从这个答案中拿走， 你几乎不需要使用sudo来安装Python包 。 sudo的使用对你来说应该是有点不对劲的气味 。 你被警告了。
祝你好运，编码愉快！
除了Novarchibald之外，为python项目创建虚拟环境并在其中安装依赖项通常是个好主意。 这使您可以更好地控制依赖项及其版本。 要设置虚拟环境，请输入：
virtualenv --no-site-packages --distribute my_python_project
然后，激活它：
cd my_python_project source bin/activate
此时，使用pip安装的任何内容都将保留在此虚拟环境中。 如果你想在全球范围内安装一些东西，那么你应该首先退出virtualenv：
deactivate
你可以在这里找到更多关于virtualenv的信息 。
除了Zetah’a的回答，从终端安装python-pip的命令是：
sudo apt-get install python-pip