python自动化运维之pip模块
一、pip指令
1.1 什么是pip?
pip的全称是Package installer for python,顾名思义就是pip就是Python的包安装器。pip 就是Python的“应用商店”。你可以在网上找到成千上万的Python包(比如 requests、numpy、flask 等),然后通过 pip 快速下载并安装到你的环境中。
举一反三:
linux:yum /dnf
python:pip
node:npm
我们在安装Python时,就会同时安装上pip,通过pip命令,可以把远端仓库(Pypi)里的包下载并安装到本地。
常用组合指令
|
指令 |
含义 |
参考 |
|
install |
安装包指令 |
pip install 包名 # 最新版本 pip install 包名==1.0.4 # 指定版本 pip install '包名>=1.0.4' # 最小版本 pip install -r requirements.txt |
|
升级包 |
pip install -U <包名> ==版本号 或 >=版本号x 或:pip install <包名> --upgrade |
|
|
uninstall |
卸载指令 |
pip uninstall <包名> pip uninstall -r requirements.txt
|
|
freeze |
查看指令 |
查看已经安装的包及版本信息。 |
|
list |
查看指令 |
列出所有已装包-u 列出最新包 -o 列出过时包 |
|
show |
显示指令 |
包所在目录及信息 pip show torch |
1.2 参考指令
查看版本
pip --version
安装指定的包
pip install PyMySQL # 安装PyMySQL的最新版本
pip install PyMySQL==1.0.4 # 安装PyMySQL的指定版本
升级包
pip install --upgrade PyMySQL # 升级PyMySQL,也可以使用==指定版本号
pip uninstall PyMySQL # 卸载PyMySQL
列出已经安装的包
pip list
显示安装包的信息
pip show PyMySQL
查看指定安装包的详细信息
pip show -f PyMySQL
升级pip版本:
python -m pip install --upgrade pip
在这个里面,工具包的名字是不区分大小写的
pip show pymysql
#如果已经存在了1.0.2的包,再去安装1.0.3的包,是否可以成功?不可以,但是你可以升级包;
或者卸载掉,再安装;
刚才讲的是一个包一个包的安装,布置一个任务,给机器学习、大数据分析安装50个包,把这个环境给配置好,根据他们的需求,将索要安装的环境,写到一个配置文件,然后一次性安装。 requirements.txt
PyMySQL>=1.0.3
pip>=25.1.1
setuptools>=80.3.1

1.3更改pip的路径引用
在国内使用pip安装Python包时,由于网络延迟,默认的国外PyPI源可能会导致下载速度慢甚至失败。为了解决这个问题,可以使用国内的镜像源来加速下载。以下是常用的国内镜像源及其配置方法。
常用国内镜像源地址
- 清华大学源: https://pypi.tuna.tsinghua.edu.cn/simple
- 阿里云源: https://mirrors.aliyun.com/pypi/simple
- 中国科学技术大学源: https://pypi.mirrors.ustc.edu.cn/simple
- 腾讯云源: https://mirrors.cloud.tencent.com/pypi/simple
- 华为云源: https://repo.huaweicloud.com/repository/pypi/simple
mkdir .pip
24 echo '[global]' >> ~/.pip/pip.conf
25 c1="index-url=https://"
26 c2="mirrors.aliyun.com/pypi/simple"
27 echo "${c1}${c2}" >> ~/.pip/pip.conf
1.4运维案例
现在企业要开始做一个简单的网页爬虫项目,需要用到 requests 和 beautifulsoup4 这两个包。
现在企业要进进行数据处理操作,需要你安装python环境及提前部署数据处理常用包。numpy、pandas、matplotlib。

1.5扩展学习:
AI 开发常用工具组合推荐
- 入门学习:NumPy + Pandas + Matplotlib + Scikit-learn + Jupyter Notebook(覆盖数据处理→传统 ML);
- 深度学习入门:TensorFlow/Keras + PyTorch + TorchVision/TensorBoard(覆盖 CNN/RNN 训练);
- NLP 开发:Jieba + SpaCy + Hugging Face Transformers(快速实现文本任务);
- CV 开发:OpenCV + TorchVision + MMDetection(目标检测 / 分割任务);
- 生产部署:ONNX + TensorRT + FastAPI/Streamlit(模型优化→API 服务 / Demo 搭建)。
- 点赞
- 收藏
- 关注作者
评论(0)