VS Code 中的 Python 环境
Python 中的“环境”是 Python 程序运行的上下文，它由一个解释器和任意数量的已安装包组成。
注意：如果你想更熟悉 Python 编程语言，请查阅更多 Python 资源。
Python 环境类型
全局环境
默认情况下，任何已安装的 Python 解释器都在其自己的全局环境中运行。例如，如果你在新终端中运行 python、python3 或 py（取决于你安装 Python 的方式），则你正在该解释器的全局环境中运行。你安装或卸载的任何包都会影响全局环境以及你在此环境中运行的所有程序。
提示：在 Python 中，最佳实践是创建特定于工作区的环境，例如通过使用本地环境。
本地环境
你可以为工作区创建两种类型的环境：虚拟环境和 conda 环境。这些环境允许你在不影响其他环境的情况下安装包，从而隔离工作区的包安装。
虚拟环境
虚拟环境是一种内置的创建环境的方式。虚拟环境会创建一个文件夹，其中包含特定解释器的副本（或符号链接）。当你将包安装到虚拟环境中时，它们将最终存在于这个新文件夹中，从而与其他工作区使用的包隔离开来。
注意：虽然可以将虚拟环境文件夹作为工作区打开，但不建议这样做，这可能会导致使用 Python 扩展时出现问题。
Conda 环境
conda 环境是使用 conda 包管理器管理的 Python 环境（请参阅conda 入门）。选择 conda 环境还是虚拟环境取决于你的包需求、团队标准等。
Python 环境工具
下表列出了与 Python 环境相关的各种工具
| 工具 | 定义和目的 |
|---|---|
| pip | Python 包管理器，用于安装和更新包。它默认随 Python 3.9+ 安装（除非你在基于 Debian 的操作系统上；在这种情况下安装 python3-pip）。 |
| venv | 允许你管理不同项目的独立包安装，默认随 Python 3 安装（除非你在基于 Debian 的操作系统上；在这种情况下安装 python3-venv）。 |
| conda | 随 Miniconda 安装。它可用于管理包和虚拟环境。通常用于数据科学项目。 |
创建环境
使用“创建环境”命令
要在 VS Code 中使用虚拟环境或 Anaconda 创建本地环境，你可以按照以下步骤操作：打开命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)），搜索 Python: Create Environment 命令并选择它。
该命令会显示一个环境类型列表：Venv 或 Conda。
如果你使用 Venv 创建环境，该命令会显示一个可作为新虚拟环境基础的解释器列表。
如果你使用 Conda 创建环境，该命令会显示一个可用于你的项目的 Python 版本列表。
选择所需的解释器或 Python 版本后，将显示一个通知以显示环境创建的进度，并且环境文件夹将出现在你的工作区中。
注意：该命令还将安装项目文件夹中
requirements.txt、pyproject.toml或environment.yml等 requirements/dependencies 文件中概述的必要包。它还会向虚拟环境添加一个.gitignore文件，以帮助防止你意外地将虚拟环境提交到源代码管理。
在终端中创建虚拟环境
如果你选择手动创建虚拟环境，请使用以下命令（其中“.venv”是环境文件夹的名称）
# macOS/Linux
# You may need to run `sudo apt-get install python3-venv` first on Debian-based OSs
python3 -m venv .venv
# Windows
# You can also use `py -3 -m venv .venv`
python -m venv .venv
注意：要了解有关
venv模块的更多信息，请阅读 Python.org 上的虚拟环境创建。
当你创建新的虚拟环境时，VS Code 中将显示一个提示，允许你为工作区选择它。
提示：请务必更新你的源代码管理设置，以防止意外提交你的虚拟环境（例如在
.gitignore中）。由于虚拟环境不可移植，因此提交它们供他人使用通常没有意义。
在终端中创建 conda 环境
Python 扩展会自动检测现有的 conda 环境。我们建议你将 Python 解释器安装到你的 conda 环境中，否则在你选择环境后会自动为你安装一个。例如，以下命令创建了一个名为 env-01 的 conda 环境，其中包含 Python 3.9 解释器和几个库。
conda create -n env-01 python=3.9 scipy=0.15.0 numpy
注意：有关 conda 命令行的更多信息，你可以阅读Conda 环境。
附加说明
-
如果在 VS Code 运行时创建新的 conda 环境，请使用 Python: Select Interpreter 窗口右上角的刷新图标；否则你可能无法在那里找到该环境。
-
为确保环境从 shell 角度正确设置，请使用 Anaconda 提示符并激活所需的环境。然后，你可以通过输入
code .命令启动 VS Code。一旦 VS Code 打开，你可以通过使用命令面板或单击状态栏来选择解释器。 -
尽管 VS Code 的 Python 扩展目前没有与 conda
environment.yml文件直接集成，但 VS Code 本身是一个出色的 YAML 编辑器。 -
如果默认 shell 设置为 PowerShell，则无法在 VS Code 集成终端中自动激活 Conda 环境。要更改 shell，请参阅集成终端 - 终端配置文件。
-
你可以手动指定用于激活的
conda可执行文件的路径（版本 4.4+）。为此，请打开命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)）并运行 Preferences: Open User Settings。然后，在用户设置的 Python 扩展部分中，使用适当的路径设置python.condaPath。
使用 Python 解释器
选择并激活环境
Python 扩展会尝试查找并选择它认为最适合工作区的环境。如果你希望选择特定的环境，请从命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)）使用 Python: Select Interpreter 命令。
注意：如果 Python 扩展未找到解释器，它会发出警告。在 macOS 12.2 及更早版本上，如果你正在使用操作系统安装的 Python 解释器，扩展也会发出警告，因为它已知存在兼容性问题。在任何一种情况下，你都可以通过在用户设置中将
python.disableInstallationCheck设置为true来禁用这些警告。
Python: Select Interpreter 命令显示可用全局环境、conda 环境和虚拟环境的列表。（有关详细信息，包括这些环境类型之间的区别，请参阅扩展查找环境的位置部分。）例如，下图显示了几个 Anaconda 和 CPython 安装以及位于工作区文件夹中的 conda 环境和虚拟环境 (env)。
注意： 在 Windows 上，VS Code 可能需要一些时间来检测可用的 conda 环境。在此过程中，你可能会在环境路径之前看到“(cached)”。此标签表示 VS Code 当前正在处理该环境的缓存信息。
如果你在 VS Code 中打开了文件夹或工作区，并且从列表中选择了一个解释器，Python 扩展将在内部存储该信息。这可确保在重新打开工作区时使用相同的解释器。
选择的环境将用于 Python 扩展以运行 Python 代码（使用 Python: Run Python File in Terminal 命令）、在编辑器中打开 .py 文件时提供语言服务（自动完成、语法检查、代码检查、格式化等）以及使用 Terminal: Create New Terminal 命令打开终端。在后一种情况下，VS Code 会自动激活所选环境。
提示：要阻止自动激活选定环境，请将
"python.terminal.activateEnvironment": false添加到你的settings.json文件中（它可以作为现有设置的同级放在任何位置）。
提示：如果激活命令生成消息“Activate.ps1 未进行数字签名。你无法在当前系统上运行此脚本。”，则你需要暂时更改 PowerShell 执行策略以允许脚本运行（请参阅 PowerShell 文档中的关于执行策略）：
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process
注意：默认情况下，VS Code 在调试代码时使用为工作区选择的解释器。你可以通过在调试配置的
python属性中指定不同的路径来覆盖此行为。请参阅选择调试环境。
选定的解释器版本将显示在状态栏的右侧。
状态栏还会反映何时未选择解释器。
在任何一种情况下，单击状态栏的此区域都是 Python: Select Interpreter 命令的便捷快捷方式。
提示：如果 VS Code 识别虚拟环境时遇到任何问题，请提交问题，以便我们帮助确定原因。
手动指定解释器
如果 VS Code 没有自动找到你想要使用的解释器，你可以在文件系统上浏览解释器或手动提供其路径。
你可以通过运行 Python: Select Interpreter 命令并选择解释器列表顶部显示的 Enter interpreter path... 选项来执行此操作。
然后，你可以直接在文本框中输入 Python 解释器的完整路径（例如，“.venv/Scripts/python.exe”），或者你可以选择 Find... 按钮并浏览文件系统以找到你希望选择的 python 可执行文件。
如果你想手动指定一个在你首次打开工作区时将使用的默认解释器，你可以为 python.defaultInterpreterPath 设置创建或修改条目。
注意：在为工作区选择了解释器之后，对
python.defaultInterpreterPath设置的更改将不会生效；一旦为工作区选择了初始解释器，对该设置的任何更改都将被忽略。
此外，如果你想为所有 Python 应用程序设置默认解释器，你可以在用户设置中手动添加 python.defaultInterpreterPath 的条目。为此，请打开命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)）并输入 Preferences: Open User Settings。然后，在用户设置的 Python 扩展部分中，使用适当的解释器设置 python.defaultInterpreterPath。
扩展如何自动选择环境
如果未指定解释器，则 Python 扩展会按以下优先顺序自动选择版本最高的解释器：
- 直接位于工作区文件夹下的虚拟环境。
- 与工作区相关但全局存储的虚拟环境。例如，位于工作区文件夹之外的 Pipenv 或 Poetry 环境。
- 全局安装的解释器。例如，在
/usr/local/bin、C:\\python38等处找到的解释器。
注意：所选解释器可能与终端中
python所指的解释器不同。
如果 Visual Studio Code 未自动找到你的解释器，你可以手动指定解释器。
扩展查找环境的位置
扩展会自动在以下位置查找解释器，不分先后顺序：
- 标准安装路径，例如
/usr/local/bin、/usr/sbin、/sbin、c:\\python36等。 - 直接位于工作区（项目）文件夹下的虚拟环境。
- 位于
python.venvPath设置（请参阅常规 Python 设置）标识的文件夹中的虚拟环境，该文件夹可以包含多个虚拟环境。扩展会在venvPath的第一级子文件夹中查找虚拟环境。 - 位于
~/.virtualenvs文件夹中用于 virtualenvwrapper 的虚拟环境。 - pyenv、Pipenv 和 Poetry 创建的解释器。
- 位于
WORKON_HOME标识的路径中的虚拟环境（由 virtualenvwrapper 使用）。 conda env list找到的 Conda 环境。没有解释器的 Conda 环境在选择时会安装一个解释器。- 位于工作区文件夹下用于 direnv 的
.direnv文件夹中的解释器。
环境和终端窗口
在使用 Python: Select Interpreter 后，当右键单击文件并选择 Python: Run Python File in Terminal 时，将应用该解释器。除非你将 python.terminal.activateEnvironment 设置更改为 false，否则当你使用 Terminal: Create New Terminal 命令时，环境也会自动激活。
请注意，从已激活特定 Python 环境的 shell 启动 VS Code 不会自动在默认集成终端中激活该环境。
注意： 如果 PowerShell 设置为集成 shell，则无法在集成终端中自动激活 Conda 环境。有关如何更改 shell，请参阅集成终端 - 终端配置文件。
使用 Python: Select Interpreter 命令更改解释器不会影响已打开的终端面板。因此，你可以在分屏终端中激活独立的环境：选择第一个解释器，为其创建一个终端，选择一个不同的解释器，然后使用终端标题栏中的分屏按钮（⌘\ (Windows, Linux Ctrl+Shift+5)）。
选择调试环境
默认情况下，调试器将使用通过 Python 扩展选择的 Python 解释器。但是，如果在 launch.json 的调试配置中指定了 python 属性，则它具有优先权。如果未定义此属性，它将回退到使用为工作区选择的 Python 解释器路径。
有关调试配置的更多详细信息，请参阅调试配置。
环境变量
环境变量定义文件
环境变量定义文件是一个文本文件，其中包含 environment_variable=value 形式的键值对，并使用 # 进行注释。不支持多行值，但允许引用以前定义的环境变量。环境变量定义文件可用于调试和工具执行（包括代码检查工具、格式化工具、IntelliSense 和测试工具）等场景，但它们不适用于终端。
注意：环境变量定义文件不一定跨平台。例如，Unix 使用
:作为环境变量中的路径分隔符，而 Windows 使用;。此类操作系统差异不进行规范化，因此你需要确保任何环境定义文件使用的值与你的操作系统兼容。
默认情况下，Python 扩展会在当前工作区文件夹中查找并加载名为 .env 的文件，然后应用这些定义。该文件由用户设置中的默认条目 "python.envFile": "${workspaceFolder}/.env" 标识（请参阅常规 Python 设置）。你可以随时更改 python.envFile 设置以使用不同的定义文件。
注意：环境变量定义文件并非在所有可以使用环境变量的情况下都使用。除非 Visual Studio Code 文档另有说明，否则这些文件仅根据其定义影响某些场景。例如，扩展在解析设置值时不使用环境变量定义文件。
调试配置还包含一个 envFile 属性，它也默认为当前工作区中的 .env 文件（请参阅调试 - 设置配置选项）。此属性允许你轻松地为调试目的设置变量，这些变量将替换默认 .env 文件中指定的变量。
例如，在开发 Web 应用程序时，你可能希望在开发服务器和生产服务器之间轻松切换。你可以使用单独的定义文件来代替直接将不同的 URL 和其他设置编码到你的应用程序中。例如
dev.env 文件
# dev.env - development configuration
# API endpoint
MYPROJECT_APIENDPOINT=https://my.domain.com/api/dev/
# Variables for the database
MYPROJECT_DBURL=https://my.domain.com/db/dev
MYPROJECT_DBUSER=devadmin
MYPROJECT_DBPASSWORD=!dfka**213=
prod.env 文件
# prod.env - production configuration
# API endpoint
MYPROJECT_APIENDPOINT=https://my.domain.com/api/
# Variables for the database
MYPROJECT_DBURL=https://my.domain.com/db/
MYPROJECT_DBUSER=coreuser
MYPROJECT_DBPASSWORD=kKKfa98*11@
然后，你可以将 python.envFile 设置为 ${workspaceFolder}/prod.env，并将调试配置中的 envFile 属性设置为 ${workspaceFolder}/dev.env。
注意：当使用多种方法指定环境变量时，请注意存在优先级顺序。
launch.json文件中定义的所有env变量将覆盖.env文件中包含的变量，由python.envFile设置（用户或工作区）指定。类似地，launch.json文件中定义的env变量将覆盖launch.json中指定的envFile中定义的环境变量。
PYTHONPATH 变量的使用
PYTHONPATH 环境变量指定 Python 解释器应查找模块的其他位置。在 VS Code 中，可以通过终端设置（terminal.integrated.env.*）和/或 .env 文件来设置 PYTHONPATH。
当使用终端设置时，PYTHONPATH 会影响用户在终端中运行的任何工具，以及扩展为用户执行的任何通过终端路由的操作，例如调试。但是，在这种情况下，当扩展执行未通过终端路由的操作时，例如使用代码检查工具或格式化工具，此设置将不会影响模块查找。
后续步骤
- 编辑代码 - 了解 Python 的自动完成、IntelliSense、格式化和重构。
- 调试 - 了解如何在本地和远程调试 Python。
- 测试 - 配置测试环境以及发现、运行和调试测试。
- 设置参考 - 探索 VS Code 中与 Python 相关的所有设置。
更多 Python 资源
- VS Code 中的 Python 入门 - 了解如何在 VS Code 中编辑、运行和调试代码。
- 虚拟环境和包 (Python.org) - 了解有关虚拟环境和包的更多信息。
- 安装 Python 模块 (Python.org) - 了解如何安装 Python 模块。
- Python 教程 (Python.org) - 了解有关 Python 语言的更多信息。