P2-7.1 本地环境(local environment)与运行时(runtime)¶

Section ID: P2-7.1 Version: v2026.09.15

Python 代码由解释器(interpreter)读取并执行。本地环境(local environment)包括电脑上的 Python、包、文件与设置；运行时(runtime)指实际运行代码的程序与资源。即使在浏览器中输入代码，也可能由另一台电脑执行。

AI 实验与 Python¶

学 AI 时，Python 会反复出现。这时很自然会问，为什么偏偏是 Python？

Python 在 1980 年代末由 Guido van Rossum 开始设计，并在 1991 年公开。Python 官方 FAQ 说明，Python 受到了 ABC 语言经验的影响，也是在一个背景下诞生的：仅靠 C 程序或 shell 脚本，很难处理系统管理工作，因此需要一种更可扩展的脚本语言。

这段历史里真正重要的是：Python 从一开始就是一种既适合人阅读和书写的高级语言，同时又能连到真实系统工作的执行工具。

所以 Python 很适合学习、自动化、数据处理与实验代码。Python 官方 FAQ 也说明，Python 语法清晰、标准库大、又有交互式解释器，因此也适合作为第一门语言。

AI 领域里为什么经常看到 Python，也和这条脉络连在一起。

把公式翻成代码比较容易。
可以快速跑小实验。
NumPy、Pandas、Matplotlib 这类工具很多。
机器学习和深度学习库大多聚集在 Python 生态里。

Python 并非唯一的语言。实际服务也使用 C++、Java、JavaScript、Go、Rust 等语言，但在 AI 学习与实验中，经常会遇到 Python。

终端命令与 Python 代码¶

终端(terminal)是交换命令与结果的窗口，shell 是解释输入命令的程序。可以在 macOS Terminal 或 Windows Terminal 中使用 shell，Bash 与 PowerShell 都是 shell 的例子。

在终端的 shell 提示符下输入以下命令，会打印 Python 版本。

1	`python --version`

print("hello") 是 Python 代码。在笔记本代码单元或 Python 解释器中输入，会打印 hello。

# 打印字符串的 Python 语句。
print("hello")

只是把这句话写在记事本里，并不会执行。需要由程序读取并执行 Python 代码。在终端输入 python --version 与在 Python 中输入 print("hello") 是不同的操作。

语句	输入位置	结果
`python --version`	终端的 shell 提示符	打印 Python 版本
`python example.py`	终端的 shell 提示符	执行 example.py
`print("hello")`	Python 代码或笔记本代码单元	打印 hello
`%pip install numpy`	基于 IPython 的笔记本代码单元	在该内核中安装 NumPy

解释器的执行方式¶

Python 解释器(Python interpreter)是读取并执行 Python 代码的程序。执行方式不同，提供代码的位置也不同。

方式	使用方法
交互式执行	在终端运行 `python`，再于 `>>>` 输入 Python 代码
脚本执行	把代码保存为 example.py，在终端运行 `python example.py`
笔记本执行	运行连接到 Python 内核的代码单元

要结束交互式执行并返回 shell，在 >>> 输入 exit()。提示符 >>> 本身不是要输入的代码。

本地环境的组成¶

本地环境(local environment) 指的是代码在我电脑内部运行所依赖的条件。其中可能包括操作系统、Python 安装位置、包安装状态、当前工作文件夹、环境变量等。

即使是同一份代码，不同电脑上的结果也可能不同。

例如，不同电脑的条件可能这样不同。

我的电脑上已经安装了 NumPy，但别人的电脑上可能没有。
我的电脑使用 Python 3.12，别人的电脑可能是 Python 3.10。
在我的电脑上文件路径是对的，但在另一台电脑上文件位置可能不同。

所以，在练习文档里，和“代码”同样重要的，是 到底在哪里执行。

本地执行与 Colab 运行时¶

运行时(runtime)是代码实际执行的位置。本地执行时，由自己的电脑运行；使用 Colab 托管运行时，则由 Google 提供的环境处理代码。

执行方式	运行时
执行 Colab 代码单元	Colab runtime
在自己电脑终端里运行	本地 Python 环境
开启虚拟环境后运行	那个虚拟环境里的 Python 和包

Colab 很方便。它不需要安装 Python，就能在浏览器里运行。但 runtime 可能会断开、文件可能会消失、服务策略也可能变化。

本地 PC 一开始设置起来比较麻烦。但项目文件、包版本、运行方式都可以由自己直接管理。

总结起来就是下面这样。

Colab：容易开始，运行时由外部服务管理。
本地 PC：需要先设置，但运行时由我自己管理。

项目专用虚拟环境¶

虚拟环境(virtual environment) 是一种装置，能为每个 Python 项目创建各自独立的执行空间。Python 官方文档说明，venv 能创建轻量级虚拟环境，而每个虚拟环境都可以拥有独立的 Python 包集合。

为什么需要它？项目 A 可能需要 numpy 1.x，而项目 B 可能需要 numpy 2.x。如果把两者全都混装到同一台电脑里，就可能冲突，所以要把空间按项目分开。

虚拟环境本身并不是项目代码。Python 官方文档也说明，虚拟环境通常建在 .venv 或 venv 这样的目录里，而且不会被放进源码管理系统。对任何项目来说，.venv 都是为了执行而准备的本地环境，不是正文文件，也不是代码本体。

在项目文件夹的终端中运行以下命令，会在 .venv 目录创建虚拟环境。

python -m venv .venv

选择所创建虚拟环境的 Python 来运行代码，才能使用其中安装的包。创建与激活命令参见虚拟环境与包安装。

包安装与 import¶

包(package)是将相关代码组织起来以便复用的单位。NumPy、Pandas、Matplotlib 都属于此类工具。

各部分的作用如下。

Python：语言本身和执行程序
包：在 Python 里拿来借用的代码集合
pip：安装包的工具

例如，安装 NumPy 的命令和把它导入代码中，是不同的事。

python -m pip install numpy

在安装了 NumPy 的 Python 中运行以下代码，会以 np 为名导入 NumPy。成功时没有单独输出，而是继续执行下一条语句。

# 这里确认当前运行环境能否导入 NumPy。
import numpy as np

前者是在安装。后者是在 Python 代码里把它加载进来准备使用。

Colab 中成功的 import 在本地失败¶

假设 import numpy as np 在 Colab 中能执行，在本地却出现以下错误。

1	`ModuleNotFoundError: No module named 'numpy'`

这表示正在运行的 Python 找不到 NumPy。它可能安装在另一个 Python 或虚拟环境中，因此应先确认实际使用的解释器。在出现错误的同一个笔记本内核或相同 Python 执行方式下运行以下代码，会打印解释器文件路径。

import sys

# 当前执行此代码的 Python 的位置。
print(sys.executable)

确认该路径是否为项目原本打算使用的 Python。在终端选定该 Python 后，可用 python -m pip show numpy 检查安装状态。未安装时，用 python -m pip install numpy 安装到这个 Python 中。

如果安装命令成功后仍有相同错误，应比较安装与执行代码所用的 Python 路径是否相同。只检查包名，无法区分安装在不同运行环境中的情况。

执行问题的检查位置¶

问题	检查内容
找不到文件	终端与工作文件夹
不知道怎样运行 Python 代码	解释器与脚本执行
安装后无法导入包	虚拟环境与包安装
换电脑后结果不同	依赖与可复现性

代码输入位置与执行位置¶

浏览器或编辑器是输入代码的位置，运行 Python 进程的计算机才会读取文件并导入包。要在 Colab 托管运行时读取本地文件，需要上传文件或连接存储，使运行时能够访问它。文件名相同不代表文件相同。

例如，只修改本地 scores.csv 后，用 Colab 中原有的文件重新计算，结果可能不变。需要先把修改后的文件传入运行时。检查执行环境时，除了 Python 路径，还应比较输入文件的位置和内容。

检查清单¶

能把 本地环境(local environment) 解释成代码在我电脑上运行的条件。
能把 运行时(runtime) 解释成代码真正执行的地方。
能区分终端命令和 Python 代码。
能把 Python 解释器解释成读取并执行 Python 代码的程序。
能把虚拟环境解释到“按项目划分的执行空间”这个程度。
能用入门层次说明包安装和 import 是两件不同的事。
能说明 Colab 和本地 PC 都是运行时，但管理方式不同。
能先检查 在哪里运行、由什么执行、需要什么包、那个包安装在哪里。

来源与参考资料¶

Python Software Foundation, Using the Python Interpreter, Python 3 documentation, 确认日期: 2026-07-20。用于支撑如何调用 Python 解释器，以及如何区分交互式输入与脚本执行。
Python Software Foundation, General Python FAQ, Python 3 documentation, 确认日期: 2026-07-20。用于确认 Python 是解释型、交互式编程语言，并可在多种操作系统上使用的基础说明。
Python Software Foundation, venv — Creation of virtual environments, Python 3 documentation, 确认日期: 2026-07-20。用于确认虚拟环境会在隔离目录中拥有自己的 Python 安装与包状态。
Python Packaging Authority, Install packages in a virtual environment using pip and venv, Python Packaging User Guide, 确认日期: 2026-07-20。用于确认按项目创建虚拟环境、激活虚拟环境并安装包的流程。
Python Software Foundation, sys.executable, 确认日期: 2026-09-08。用于确认当前 Python 解释器的可执行文件路径。
Colaboratory FAQ, 查阅日期：2026-09-15。