内容简介：主流开发语言的包管理工具一般都是支持依赖管理的，比如PHP的composer、Java的mvn。对于python来说又该如何管理依赖呢？python还不错，它提供了pip命令来安装依赖，同时pip会自动安装间接依赖，的确是很方便的。
主流开发语言的包管理 工具 一般都是支持依赖管理的，比如 PHP 的composer、 Java 的mvn。
对于 python 来说又该如何管理依赖呢？
pip基本用法
python还不错，它提供了pip命令来安装依赖，同时pip会自动安装间接依赖，的确是很方便的。
安装依赖的命令是pip，举个栗子：
pip install requests
然后可以看到一些打印信息：
Looking in indexes: http://mirrors.aliyun.com/pypi/simple Requirement already satisfied: requests in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (2.21.0) Requirement already satisfied: certifi>=2017.4.17 in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from requests) (2018.4.16) Requirement already satisfied: idna<2.9,>=2.5 in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from requests) (2.7) Requirement already satisfied: chardet<3.1.0,>=3.0.2 in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from requests) (3.0.4) Requirement already satisfied: urllib3<1.25,>=1.21.1 in /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages (from requests) (1.23)
可以明确安装的requests库版本是2.21.0，这也可以后续通过pip freeze命令来查看：
pip freeze |grep requests requests==2.21.0 requests-oauthlib==1.0.0
编写requirements.txt
为了将开发时的依赖保留下来，我们可以编写一个文本文件叫做requirements.txt，内容如下：
requests==2.21.0
记得把这个文件提交到源码仓库的根目录，我们可以看到python开源项目都遵循这个套路，比如kubenetes-client的 requirements.txt ：
certifi>=14.05.14 # MPL six>=1.9.0 # MIT python-dateutil>=2.5.3 # BSD setuptools>=21.0.0 # PSF/ZPL urllib3>=1.23 # MIT pyyaml>=3.12 # MIT google-auth>=1.0.1 # Apache-2.0 ipaddress>=1.0.17;python_version=="2.7" # PSF websocket-client>=0.32.0,!=0.40.0,!=0.41.*,!=0.42.* # LGPLv2+ requests # Apache-2.0 requests-oauthlib # ISC
安装所有依赖
当我们变更部署环境时，通过执行如下命令即可安装所有依赖：
pip install -r requirements.txt
以上就是所有关于依赖管理的内容了。
博主无私的分享着知识，你愿意送他一顿热腾腾的早餐吗？
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Python for Data Analysis
Wes McKinney / O'Reilly Media / 2012-11-1 / USD 39.99
Finding great data analysts is difficult. Despite the explosive growth of data in industries ranging from manufacturing and retail to high technology, finance, and healthcare, learning and accessing d......一起来看看 《Python for Data Analysis》 这本书的介绍吧!
