---

先明确一波概念

一. “虚拟环境”

1. 环境是什么？

既然有虚拟环境（Virtual Environment），那么有必要先解释一下，什么是环境。
这里的环境，指的就是 Python 代码的运行环境。它应该包含以下信息：（第 1 个是最主要的，后面 2 个基本是围绕它确定的）

1. Python 解释器，用哪个解释器来执行代码？
2. Python 库的位置，该去哪里 import 所需要的模块呢？
3. 可执行程序的位置，比如说安装了 pip，那么 pip 命令是在哪里呢？

如果看了对安装后的文件夹的说明，应该很清楚了，就是：

1. python.exe
2. Lib 文件夹，包括其中的 site-packages
3. Scripts 文件夹

2. 虚拟环境是什么？

虚拟环境就是 Python 环境的一个副本。
虚拟环境是一个虚拟化、从电脑独立开辟出来的环境。通俗的来讲，虚拟环境就是借助虚拟机docker来把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”，在这个容器中，我们可以只安装我们需要的依赖包，各个容器之间互相隔离，互不影响。
譬如，本次学习需要用到Django，我们可以做一个Django的虚拟环境，里面只需要安装Django相关包就可以了。

3. 为什么需要创建虚拟环境？

在实际项目开发中，我们通常会根据自己的需求去下载各种相应的框架库，如Scrapy、Beautiful Soup等，但是可能每个项目使用的框架库并不一样，或使用框架的版本不一样，这样需要我们根据需求不断的更新或卸载相应的库。直接怼我们的Python环境操作会让我们的开发环境和项目造成很多不必要的麻烦，管理也相当混乱。

举一个最简单的例子，假设框架中需要安装A包，安装A包的前提条件是B包的2.1版本和C包的1.2版本都有，这时候你原来系统里的B包可能是3.2版本，为了装A包就需要降版本，但是系统里原来的D包需要3.2版本的B包，所以B包降了版本，可能导致D包无法使用。

4. Anaconda创建、激活、退出、删除虚拟环境

#在原始控制台输入：，检测anaconda环境是否安装成功。输出conda版本为成功
conda --version
#查看当前存在哪些虚拟环境：
conda env list 或 conda info -e
#在未创建自己的虚拟环境之前，查看到的将是anaconda自带的base环境


#创建虚拟环境。使用管理员身份运行Anaconda Prompt，创建一个叫做“env_name”的python3.6的虚拟环境，在界面输入
conda create --name env_name python=3.6


#创建完成后，激活虚拟环境：
conda activate env_name
#如果显示例如：(env_name) C:\Users\ 代表已经进入虚拟环境，在这个状态下就可以安装你所需要的包了
#下一次进入虚拟环境依旧是从Anaconda Prompt进入，直接activate env_name激活即可。（如果忘记了名称我们可以先用conda env list查看一下）
#如果直接输入命令activate，如果后面什么参数都不加那么会进入anaconda自带的base环境


#在虚拟环境中，安装第三方包：
conda install package_name 或者 pip install package_name
#一次安装多个第三方包：
conda install package_name_1 package_name_2
#指定所安装的第三方包的版本：
conda install package_name=X.X
#更新package_name包：
conda update package_name
#在虚拟环境中，卸载第三方包：
conda remove package_name 或者 pip uninstall package_name
#要查看当前环境中所有安装了的包可以用
conda list

#在激活的虚拟环境内，可以打开python解释器：
python
#验证第三方包package_name是否安装成功：
import package_name
#退出python解释器：
exit()


#退出虚拟环境
conda deactivate
#切回root环境
activate root


#删除虚拟环境及下属所有包
conda remove --name env_name --all
#删除虚拟环境中的包：
conda remove --name env_name package_name


#分享环境，一个方法是给ta一个你环境的.yml文件。首先activate env_name激活要分享的环境，然后输入：将包信息存入yml文件中.
conda env export > environment.yml
#在当前工作目录下会生成一个environment.yml文件，小伙伴拿到environment.yml文件后，将该文件放在工作目录下，可以通过以下命令从该文件创建环境
conda env create -f environment.yml

二. kernel

1. kernel是什么？

kernel在Jupyter中提供编程语言支持。（说白了，kernel就是编译器）
IPython是默认内核，支持Python编程语言。IPython是参考的Jupyter内核，提供了一个强大的Python交互式计算环境。
还有其他内核包括R、Julia等。所以除了Python之外，还可以在Jupyter中使用许多其他语言。

2. kernel和虚拟环境是什么关系？

如果说kernel是编译器的话，那我是不是可以理解为kernel<=虚拟环境？

查看虚拟环境：

C:\Users\huipu>conda env list
#conda environments:
#
base                  *  C:\ProgramData\Anaconda3

查看jupyter kernel：

C:\Users\huipu>jupyter kernelspec list

Available kernels:
  python3    C:\ProgramData\Anaconda3\share\jupyter\kernels\python3

可以发现kernel的位置是在虚拟环境之下的，所以我觉得我的想法应该没错。如果有大佬知道，欢迎在评论区指正！

3. 将虚拟环境映射为jupyterlab的kernel

既然虚拟环境是python语言的运行环境，那么可以将创建的虚拟环境添加为jupyterlab的kernel（编译器），使用自己创建的虚拟环境来运行jupyterlab中的Python代码。

1. 进入到要添加为kernel的环境：

activate kernelname

2. 确认该环境已安装ipykernel：

python -m ipykernel --version

务必要安装ipykernel（如果是R语言，要安装irkernel），ipykernel包的作用是将当前所在python环境添加为kernel，配置文件路径为~/anaconda3/envs/my_env/share/jupyter/kernels/python3/kernel.json。
通过配置Jupyter下的kernel.json文件，就可以将虚拟环境映射为kernel。

3. 如果没有安装，则安装：

conda install ipykernel

或者在当初创建环境时，同时安装ipykernel：

conda install -n 环境名称 ipykernel 

4. 将虚拟环境映射为（安装到）jupyterlab的kernel：

python -m ipykernel install --user --name KernelName --display-name DisplayName

“–user”参数的意思是针对当前用户安装，而非系统范围内安装。
KernelName是你的虚拟环境名称。
DisplayName是你想要该内核在notebook上面显示内核的名字。

5. 查看已安装的jupyter notebook kernel和地址

jupyter kernelspec list

6. jupyter删除内核

jupyter kernelspec remove kernelname

其中，kernelname是你的虚拟环境名称（即上面添加的内核名称）。

4. 新建ipynb时，可以选择Kernel

新建ipynb文件时，选择的是哪个kernel（如：Python3），每次进入时就启动相应的kernel。
可以在jupyterlab界面导航“Kernel”下的“Change Kernal”切换内核。

3. kernel和notebook（spyder）是什么关系？

notebook和spyder都是编辑器，python或其他代码运行在其中时，需要语言编译环境的支持。kernel中就包含了这个语言环境，不同的kernel可对应不同的环境。

---

参考链接

1. 理解Python虚拟环境
2. Jupyterlab如何切换Anaconda下的python虚拟环境
3. Anaconda创建python虚拟环境——新手小白入门必看
4. 什么是虚拟环境、为什么使用虚拟环境、Anaconda创建、激活、退出、删除虚拟环境
5. Anaconda 创建虚拟环境(自己版本)
6. Anaconda、Jupyter、Kernel
7. 关于Jupyter Notebook的kernel