波仔
🧠 第三章 编程语言
📄 一句话概括

本机体检：Python 3.13.14、64 位、装了 90 个第三方包，安装目录 48.0 MB； 新建一个空 venv 只要 0.04 秒、0.5 MB，里面 import numpy 直接失败——隔离生效。

📝 本节和前面几节的关系

上一章说「编程技能是实现人工智能的关键所在」，这一节从最底层动手：把 Python 装上， 并且装完能说清它到底装到了哪里。

一、装 Python 到底装了什么

不是一个 exe，是三块东西加一堆环境变量： - 安装根目录：解释器本体 + 标准库。本机是 3.13.12 那个目录。 - site-packages：第三方包的家。本机在 envs/default 下面，和安装根目录不是同一个地方。 - Scripts：pip、python 这些可执行文件。PATH 里要能找到它，你敲 python 才有反应。 Demo 量了这些：安装目录一共 48.0 MB，装好的第三方包 90 个。 48 MB 里绝大部分是标准库，第三方包一个都没算进去——它们是单独占地方的。

二、版本号对不上是正常的

Demo 打出来的第一行是 3.13.14，可「安装根目录」那一行写的是 versions/3.13.12。 这不是错了：解释器从某个 3.13.12 的目录里起来，补丁版本已经升到 14，而虚拟环境的名字还留着老路径。 真实机器上这种「名字和版本不一致」非常常见。 所以判断环境不能只看目录名。 看 sys.version、看 sys.executable、看 sys.prefix——这三个才是权威。

三、装完先做三件事

第一件，看版本和位宽。 64 位还是 32 位决定了能用多大的内存、能不能装某些包。 Demo 读到 64 位。 第二件，看命令行能找到几个解释器。 Demo 里 python 和 python3 都找到了，指向同一个 exe； py 没有。py 是 Windows 的启动器，没有它不代表装错，只是没勾那个组件。 第三件，隔一个干净环境试试。 这是最有用的一步，下面单独说。 三件事做完，你才知道「我这台机器上的 Python」和「书上写的 Python」是不是同一个东西。 这一步花两分钟，能省掉后面几小时的「在我这儿明明是好的」。

四、为什么要隔一个干净环境

所有包都装在一个全局环境里，迟早出事：A 项目要 numpy 1.x，B 项目要 2.x，装哪个都得罪另一个。 venv 就是给每个项目分一间房：自己的解释器入口、自己的 site-packages，跟外面互不干扰。 Demo 建了一个空 venv：0.04 秒，占 0.5 MB。然后在里面 import numpy —— 失败。 这就是隔离生效的证据。 0.5 MB 是因为这次没装 pip。带 pip 的完整 venv 会大不少，但也就几十 MB，几十毫秒的事。 这笔开销换来「换项目不用重装系统」，非常值。

五、动手 Demo：体检这台机器上的 Python

读本机解释器的版本、位宽、三个关键路径、已装包数量、安装目录体积； 再到命令行上找一遍 python／python3／py； 最后真建一个空 venv，量它的耗时与体积，并在里面试一次 import numpy。

import sys, sysconfig, shutil, struct
import importlib.metadata as md

print(sys.version.split()[0], struct.calcsize('P') * 8, '位')
print('标准库', sysconfig.get_paths()['stdlib'])
print('第三方包', sysconfig.get_paths()['purelib'])

names = {d.metadata['Name'] for d in md.distributions()}
print('已装包', len(names))

for cmd in ('python', 'python3', 'py'):
    print(cmd, shutil.which(cmd))

venv.EnvBuilder(with_pip=False).create(vdir)
subprocess.run([vpy, '-c', 'import numpy'])   # 看返回码

实跑输出：

--------------------------------------------------------------------
体检这台机器上的 Python：装了几个、多大、能不能隔出干净环境
--------------------------------------------------------------------
  版本                     3.13.14
  位宽                     64 位
  解释器                   C:\Users\admin\.workbuddy\binaries\python\envs\default\Scripts\python.exe
  安装根目录               C:\Users\admin\.workbuddy\binaries\python\versions\3.13.12
  标准库在哪               C:\Users\admin\.workbuddy\binaries\python\versions\3.13.12\Lib
  site-packages            C:\Users\admin\.workbuddy\binaries\python\envs\default\Lib\site-packages
  已装第三方包             90 个
  整个安装目录             48.0 MB

  命令行里能找到的解释器：
  命令      结果   指向
  --------------------------------------------------------------------------------------
  python    找到   C:\Users\admin\.workbuddy\binaries\python\versions\3.13.12\python.EXE
  python3   找到   C:\Users\admin\.workbuddy\binaries\python\versions\3.13.12\python3.EXE
  py        没有   -

  建空 venv 耗时           0.04 秒
  空 venv 体积             0.5 MB
  在 venv 里 import numpy  失败——隔离生效
  venv 自己的 sys.prefix   v

  结论：装 Python 不是「装个软件」，是装一套【解释器 + 标准库 +
  第三方包 + 一堆环境变量】。体检先看三样：版本、位宽、装了几个。

版本行是 3.13.14，安装根目录却是 versions/3.13.12——目录名是老的，解释器是新的。 别拿目录名当版本。 标准库和 site-packages 在两个完全不同的父目录下：一个在 versions，一个在 envs。 这就是虚拟环境的实际样子——共用解释器，分开装包。 python 和 python3 都指向同一个 exe，py 找不到。 这不影响使用，但说明这台机器上 Windows 启动器没装。 空 venv：0.04 秒、0.5 MB，import numpy 返回非 0——隔离确实生效。 带 pip 会慢一些、大几十 MB，道理一样。

30 秒实验

  1. 在你自己的机器上跑一遍 sysconfig.get_paths()，把 stdlib 和 purelib 抄下来， 看它们是不是同一个盘。
  2. 建一个 venv，进去了 pip list 看有几行，再 deactivate 出来对比。
  3. 想一想：为什么虚拟环境要「共用解释器」而不是复制一份？

常见误区

  1. 「装完能 import 就行」——不知道包装在哪，出问题只能重装。
  2. 「目录名叫 3.13.12，那版本就是 3.13.12」——目录名不会跟着升级改。
  3. 「全局装一套最省事」——两个项目要不同版本时，一套环境必然打架。
自测三问（点开对答案） 1. 判断 Python 环境看哪三个值？ —— `sys.version`、`sys.executable`、`sys.prefix`；目录名不可靠。 2. 虚拟环境隔离的到底是什么？ —— 隔离 site-packages（装包的位置），解释器本体是共用的。 3. 怎么证明隔离真的生效了？ —— 在一个只有标准库的新环境里 import 第三方包，应该失败。

Python 装好，下一步是把它的位置写进环境变量，让命令行真能找到它。

相关笔记