linux安装python3linux安装python的详细步骤

Linux环境下Python3 的安装相较于Windows来说，需要更多手动操作，因为它缺乏图形界面。
在Linux中，安装软件通常有三种途径：源码安装、rpm安装和yum安装，其中yum最为便捷，而源码安装则最为复杂，但本文将重点介绍源码安装，因为它有其独特的优势。

我们选择了一台纯净的CentOS 7 .6 云服务器进行操作，尽管目前CentOS的主流版本已是7 系，6 系版本逐渐被淘汰。
在纯净的CentOS系统中，即便不安装Python3 ，输入python命令也能得到响应，这是因为系统预装了Python2 ，许多Linux脚本依赖于Python2 然而，在Web开发领域，Python2 已不再适用，Python3 成为必备工具，这也是我们撰写本文的初衷。

源码安装Python3 的第一步是下载Python的安装包。
在Windows系统中，软件通常安装在D盘，而在Linux中，opt目录是首选的软件安装位置。
因此，我们的命令行操作包括cd /opt 和 wget 软件地址。
但由于Python官网位于国外，直接下载速度会很慢，因此我们通常先在Windows上使用迅雷下载安装包，再将其上传到Linux服务器。
上传安装包到Linux有xftp和lrzsz两种方法。
使用lrzsz需要先通过yum安装该工具，安装完成后使用rz命令上传；而本文采用xftp方法，yum安装和lrzsz的使用将在下一篇文章中详细介绍。

安装包上传完成后，需要先安装Python的依赖项。
依赖项类似于Windows系统中的dll文件，如果安装软件时缺少这些依赖，软件将无法正常运行。
依赖安装完毕后，我们开始解压Python安装包：tar -zxvf Python-3 .6 .6 .tgz。
解压后，使用mv命令重命名文件夹：mv Python-3 .6 .6 Python3 进入Python3 文件夹，查看源码内容：cd Python3 && ls。
文件夹中有一个名为configure的可执行文件，我们使用它来配置软件安装目录：./configure --prefix=/opt/python3 6 接着，执行make和make install命令开始编译和安装Python3
安装基本完成后，我们访问/opt目录下的python3 6 文件夹：cd /opt/python3 6 && ls。
文件夹内包含四个子目录，我们需要将bin目录添加到环境变量中。
使用vim编辑/etc/profile文件，在文件末尾添加一行：PATH=/opt/python3 6 /bin:$PATH。
保存并退出编辑器后，重新加载profile文件：source /etc/profile。
至此，Python3 的安装过程即告完成。

linux配置python环境

为了在Linux系统中设置Python开发环境，请遵循以下操作指南：
首先，识别当前Python版本：在终端内，不论当前在哪个目录，直接键入python并回车，即可查看系统预装的Python版本。

确认所需Python版本：导航至你计划配置的Python版本的安装文件夹，运行./python2 .7 以核实该版本的Python信息，确保无误。

审查环境变量：通过执行echo $PATH来检查当前的环境变量配置。
通常，这里仅包含了系统自带Python的路径，而未包括你所安装的新Python版本。

更新环境变量：为了系统能够识别你的新Python版本，必须将此版本路径添加到PATH环境变量中。
这一变更可以是临时的，也可以是永久的。
例如，你可以通过在终端运行export PATH=$PATH:/path/to/your/python来实现临时更改。

设定系统默认Python版本：若希望系统默认的python命令指向新安装的Python版本，可考虑移除或重命名/usr/bin/python，并建立指向新Python版本的符号链接。

注意风险：直接移除/usr/bin/python可能会干扰依赖于Python的其他程序。
建议先确保没有其他程序依赖此版本Python，或者采用虚拟环境来隔离影响。
如果需要移除或重命名，请先使用sudo rm /usr/bin/python或sudo mv /usr/bin/python /usr/bin/python_old，随后创建符号链接：sudo ln -s /path/to/your/python2 .7 /usr/bin/python。

测试配置效果：在任何目录下，通过运行python命令来验证，确认当前使用的Python版本是否已经切换到你新配置的版本。
若切换成功，配置即已完成。

提示：直接修改系统默认Python版本存在风险，尤其是在系统中存在依赖特定Python版本的程序时。
因此，使用虚拟环境来管理不同版本的Python及其依赖通常更为安全可靠。

Linux系统的python开发环境搭建（基于miniconda）

在Linux系统中构建Python开发环境，特别是采用miniconda配置，能显著提高开发效率和便捷性。
鉴于Python在科研和人工智能领域的广泛应用，它已成为众多开发者的首选编程语言。
首先，检查Linux系统是否已安装Python。
大多数Linux系统会自带Python，你可以通过命令行查看已安装的Python版本。
如果没有安装，可以通过Linux的包管理器来安装。
Python拥有众多第三方库，极大地方便了不同用户的需求，但由于其版本众多且更新频繁，管理起来存在一定难度。
为此，开源的conda包管理器应运而生，它兼容多种操作系统和编程语言，如Python和R，能够为各种语言创建独立的（虚拟）开发环境，防止不同环境之间的干扰。
conda还具备搜索、安装和升级软件库的功能，是Python开发的有力助手。
在Linux上，conda分为anaconda和miniconda两个版本，其中miniconda体积更小，更受用户青睐。
使用miniconda可以迅速搭建Python开发环境。
首先，访问conda官网下载Linux版的Miniconda，然后执行下载的.sh文件进行初始化，并重启bash。
在第三方库管理方面，Python提供了pip和conda两种工具，pip是Python的默认包管理器，而conda用于管理conda环境中的软件包。
国内用户通常通过清华源等国内站点下载，以提升下载速度。
以下列出了常用的国内Python软件库源。
无论是pip还是conda，都可以通过-h参数获取帮助信息。
一般情况下，使用pip install可以快速安装第三方库，避免安装不必要的库。
如果安装失败，可以尝试使用conda install。
以下是常用的conda命令汇总。
Python程序的编写和运行方式多种多样，包括Python自带的IDLE、功能强大的PyCharm、轻便的VSCode以及Web端的Jupyter Notebook和JupyterLab等。
不同的工具各有千秋，开发者应根据个人喜好和需求来选择。
本文建议使用JupyterLab作为开发环境。
在JupyterLab中，首先需要安装两个关键软件，安装过程可能需要一些时间。
安装完成后，通过命令启动JupyterLab。
在浏览器打开默认页面，左侧是文件浏览窗口，右侧是主界面。
点击浏览器中的Python3 图标可以创建Jupyter的Python文件。
用户可以在cell中输入代码进行编辑和运行。
cell的灰色部分用于编写代码，白色部分显示运行结果。
在Jupyter中，代码的编写和执行主要在cell中进行，为了提高效率，熟练使用快捷键至关重要。
本文提供了最常用的快捷键，以帮助开发者提升编程效率。

python需要调用skimage库，在linux服务器上运行，但是在pycharm中会报错，在终端却可以运行？

探讨这个问题时，我们需要关注几个关键点：Python环境的配置、必要的库依赖以及集成开发环境（IDE）如PyCharm的使用。
以下是一些可能导致问题的原因：首先，PyCharm可能与系统终端存在环境不一致的问题，这可能是由于PyCharm并未正确设置以使用终端中运行无误的Python解释器或虚拟环境。
其次，动态链接库（.so文件）的版本不匹配，错误信息中提到的libstdc++.so.6 :version 'GLIBCXX_3 .4 .2 9 ' not found表明，PyCharm中缺失了代码执行所必需的特定版本的libstdc++.so.6 库，尽管该版本在终端环境中可用。
这种情况通常归因于环境变量设置的不同或库路径的差异。

针对这些问题，以下是一些解决策略：首先，确认PyCharm使用了正确的Python环境，检查项目配置，确保其Python解释器或虚拟环境与终端一致。
在PyCharm的“Settings”（或“Preferences”）中进行相应的配置。
其次，配置环境变量，确保PyCharm运行时包含正确的库路径，可以在PyCharm的运行配置中添加，或通过Python代码的os.environ进行动态添加。
此外，可能需要更新或安装GCC/G++到包含所需GLIBCXX_3 .4 .2 9 版本的版本，通常通过系统包管理器（如apt、yum等）操作。
最后，如果你已知正确版本的libstdc++.so.6 文件位置，可以通过设置LD_LIBRARY_PATH环境变量来指定搜索路径，这一设置可以在PyCharm的运行配置中添加。
通过实施这些措施，你应当能够消除PyCharm中的运行错误，并确保代码在IDE和终端中的正常执行。

实战操作——在Linux环境上运行/调试Python代码

在Linux系统上配置Miniconda以便高效编写和调试Python代码，并与远程服务器高效协作，具体步骤如下：
一、环境准备：在Linux系统上安装Miniconda 1 . Miniconda简介：Miniconda是一个轻量级、免费且开源的跨平台软件包管理工具，适用于创建和管理多个Python环境。
推荐使用Miniconda来建立一个稳定且高效的Python开发环境。
2 . 下载并安装Miniconda：利用shell工具连接到服务器，进入到下载目录，通过执行命令来下载Miniconda，并按照提示完成安装。
需要确保conda被添加到用户的环境变量中。
3 . 配置镜像源和Miniconda的使用：设置国内镜像源以加快软件包的下载速度，编辑~/.condarc文件添加清华源。
检查conda的配置并熟悉常用命令。
4 . 使用Mamba来加速conda：Mamba是conda的加速版本，可以提升执行速度。
安装Mamba后，使用它替换conda命令，即使是在base环境中安装的包，在小环境中也可以继续使用。

二、Pycharm远程调试与debug 1 . 配置远程服务器：在Pycharm中，通过Tools -> Deployment -> Configuration添加新的部署环境，填写详细信息，设置项目映射地址，确保相对路径指向项目层次。
开启自动同步功能，并手动同步到服务器。
2 . 配置远程解释器用于debug：选择项目解释器，添加远程解释器，创建远程环境。
编写并运行测试文件，确保文件能自动同步到服务器执行。
通过SSH远程连接到服务器进行调试。