Python环境的配置

一、Python的版本生命周期

这张图叫做 Python Release Cycle（Python 发布周期图），展示了每个 Python 版本从发布到停止维护的完整生命周期。横轴是时间（2019 到 2032 年），纵轴是 Python 各个版本。每一条横条代表该版本的"存活期"，颜色表示当前所处的维护阶段。中间那条蓝色竖线是当前时间（2026 年中上旬）。

• 🟢 绿色 — bugfix（活跃维护期）：版本刚发布后的前两年左右，官方会修复 bug、发布小版本更新（比如 3.13.1、3.13.2）。这是最推荐生产环境使用的阶段。
• 🟡 黄色 — security（仅安全维护期）：活跃期结束后，再持续约 3 年。这期间官方只修严重的安全漏洞，不再修普通 bug，也不发新功能。
• 🔴 红色 — end-of-life（停止维护）：官方完全不再支持，任何新发现的漏洞都不会再修。继续用就有安全风险了。
• 🟢 prerelease / feature（预发布 / 开发中）：还没正式发布的未来版本，处于开发阶段（如图中的 3.15、3.16）。

对于我，我有数据分析、机器学习、深度学习、建模、自然语言处理、大模型工作流等这几方面的需求，推荐用什么版本？答：3.12与3.13

具体到 2026 年 5 月的现状：

• Python 3.12：发布于 2023 年 10 月，所有主流库（PyTorch、TensorFlow、JAX、Transformers、vLLM、LangChain、scikit-learn、pandas、polars 等）都已经完全成熟支持，社区踩过的坑也都填完了。处于 security 阶段，但还能用到 2028 年。
• Python 3.13：24 年 10 月发布，主流库大多已支持，但部分小众库或新发布的研究代码可能还有兼容问题。3.13 引入了实验性的 free-threading（无 GIL）模式，但 PyTorch 等库对它的支持还不稳定。
• Python 3.14：才发布半年（2025 年 10 月），不推荐，很多库刚开始适配。

二、环境管理工具

我自身是从 pip + venv 过度到了现在的 uv ，uv本身是一个环境管理工具，本身内置了 Python 版本管理功能，可以自动下载安装任意的Python版本。这意味着，你在拿到一台新的机器，想要从零配置 Python 开发环境，不需要在全局安装 Python ，只需要安装一个 uv 工具，然后就能进入具体项目的开发环境配置了。

但是，还是建议在全局安装一个版本稳定的 Python ，写个十几行的小工具、临时算个东西、跑个别人发来的小脚本，不想搭环境直接用全局的Python 跑，还是很方便的。

所以下文将介绍如何安装全局的 Python + 使用 uv 来管理项目环境。但所有正经项目都用 uv 管理，全局 Python 只用来跑临时性的、用完即弃的代码，并且不要在全局 Python 安装重的包。

此外，为什么我在后面的部分中，都分别介绍了一个事物在 Windows 和 Wsl 中的安装与部署，这是因为Wsl中的Ubuntu和Windows相互隔离，都需要进行配置。

三、全局 Python 的安装

（一）Windows 上全局 Python 的安装

在 Windows 上安装 Python 推荐直接从官网下载安装包，步骤简单。

步骤一：下载安装包

访问 Python 官网 https://www.python.org/downloads/，鼠标放置在Downloads上选择自己的系统（比如Windows），在左侧的Stable Releases列找到合适的Python版本（推荐3.13.X），下载合适的安装包即可（Windows常选择 Windows installer (64-bit)）。

步骤二：运行安装程序

双击下载好的 .exe 文件，进入安装界面。这里有几个关键点需要注意：

• ✅ 务必勾选 "Add python.exe to PATH"（添加到环境变量），否则后续在命令行中无法直接使用 python 命令。
• 在 Optional Features 中保持默认勾选即可（pip、tcl/tk、py launcher 等都建议安装）。
• 在 Advanced Options 中可以勾选 "Install for all users"，并将安装路径改为类似 D:\Python\Python313 这样便于管理的位置。

步骤三：验证安装

打开 PowerShell 或 CMD，输入以下命令：

python --version
pip --version

如果能正确显示版本号，说明安装成功。

（二）WSL 上全局 Python 的安装

WSL 一般都会自带有一个系统python环境，只是这个版本一般比较低，并且缺少一些常用的库。这个版本的更新是跟着Ubuntu的更新自动更新的，只是一些常用的工具需要安装。

步骤一：检查系统自带的 Python

大多数 Ubuntu 发行版已经预装了 Python 3。打开 WSL 终端，输入：

python3 --version

步骤二：安装 pip 和常用工具

系统自带的 Python 通常不包含 pip 和 venv，需要手动安装：

sudo apt update
sudo apt install python3-pip python3-venv -y

四、环境/版本管理器 uv 的安装与使用

（一）Windows 中 uv 的安装

打开 PowerShell（不需要管理员权限），运行：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

会自动进行uv脚本的下载、安装，并且自动加到 PATH。

验证安装可以使用以下命令（记得重新打开一个窗口）：

uv --version

（二）Wsl 中 uv 的安装

在 WSL 中的 Ubuntu 终端中运行：

# 确保 curl 已安装
sudo apt update && sudo apt install -y curl
# 运行安装脚本
curl -LsSf https://astral.sh/uv/install.sh | sh

会自动进行uv脚本的下载、安装，并且自动加到 PATH。

验证安装可以使用以下命令（记得重新打开一个终端）：

uv --version

（三）uv 的使用

uv 的使用非常简单，具体使用方法可以参考 uv 的官方文档 https://docs.astral.sh/uv/guides/install-python/。常用的命令如下：

1. 项目初始化

使用以下命令初始完项目后，在第一次使用项目环境运行 Python 脚本时，会自动地下载对应的Python并创建虚拟环境，这也是 uv 的方便之处，Python 存在于项目环境里，不再需要全局安装。

# 在当前目录下初始化项目（所在目录即为项目根目录）
uv init --python 3.12   # 指定 Python 版本

# 在当前目录下创建文件夹并在其中初始化项目
uv init <project_name> --python 3.12   # 指定 Python 版本，project_name 替换为项目文件夹名

2. 依赖管理

# 添加依赖（自动下载并更新 pyproject.toml + uv.lock）
uv add pandas
uv add "numpy>=2.0"              # 带版本约束
uv add pandas numpy matplotlib   # 一次加多个

# 移除依赖
uv remove pandas

# 同步项目依赖（按 uv.lock 装齐所有依赖，一般为 clone 项目后用）
uv sync
# 同步项目依赖（与pip兼容模式）
uv pip install -r requirements.txt

3. 运行代码

# 在项目环境里跑 Python 脚本
uv run python script.py
uv run python -c "import pandas; print(pandas.__version__)"

五、Vscode 的插件推荐

1. Python（Microsoft 官方）
   • 在插件库当中搜索 "python"
   • 这是一个必备的插件，用于让 VSCode 适配 Python 开发。
2. Pylance
   • 在插件库当中搜索 "pylance"
   • 提供智能补全、类型推断与检查、跳转与查找引用等等
3. Jupyter（官方）
   • 在插件库当中搜索 "jupyter"
   • 让 VS Code 直接变成 Jupyter Notebook 编辑器，不需要再启动 web 服务即可运行、编辑、保存 Jupyter Notebook，体验比浏览器版好不少。
4. Jupyter Notebook Renderers
   • 在插件库当中搜索 "jupyter notebook renderers"
   • 允许 Jupyter Notebook 在 VS Code 中正确显示图片、表格、交互式输出、图表等等。
5. Python Debugger
   • 在插件库当中搜索 "python debugger"
   • 提供断点设置、快捷的调试、变量查看等等功能。