Ubuntu上Python依赖处理的完整流程
在安装任何依赖前，先更新Ubuntu的系统包列表，确保获取最新的软件版本信息：
sudo apt update
Ubuntu默认可能未安装Python 3或pip（Python包管理工具），需通过以下命令安装：
sudo apt install python3 python3-pip
安装完成后，通过python3 --version和pip3 --version验证是否安装成功。
为避免不同项目间的依赖冲突，强烈建议使用虚拟环境。以venv模块为例：
# 创建虚拟环境（如命名为myenv）
python3 -m venv myenv
# 激活虚拟环境（激活后命令行前会显示环境名）
source myenv/bin/activate
# 激活后，后续pip安装的包将仅存在于该环境中
退出虚拟环境时，运行deactivate即可。
在虚拟环境中，使用pip install命令安装所需包。例如安装requests库：
pip install requests
若需安装特定版本（如requests==2.26.0），可在包名后指定版本号。
pip freeze导出当前环境的依赖到requirements.txt文件：pip freeze > requirements.txt
requests==2.26.0
numpy==1.21.2
pandas==1.3.3
requirements.txt中的所有依赖：pip install -r requirements.txt
若安装时出现依赖冲突或解析错误，先升级pip和setuptools到最新版本，并启用新的依赖解析器：
pip install --upgrade pip setuptools wheel
pip install --use-feature=2020-resolver package_name # 启用新解析器
部分Python包需要系统级的库支持（如psycopg2需要PostgreSQL客户端库），需通过apt安装对应系统包。例如：
sudo apt install build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev libffi-dev liblzma-dev
具体依赖可根据包的官方文档或错误提示查找。
若安装时出现缓存问题，可使用--no-cache-dir选项清除缓存后重新安装：
pip install --no-cache-dir package_name
pip-tools提供更严格的依赖锁定功能，适合需要版本严格一致的项目：
# 安装pip-tools
pip install pip-tools
# 创建依赖清单（requirements.in，列出直接依赖）
echo "flask requests" > requirements.in
# 生成锁定文件（requirements.txt，包含所有间接依赖及版本）
pip-compile requirements.in
# 安装锁定文件中的依赖
pip-sync requirements.txt
若项目涉及数据科学（如NumPy、Pandas），conda能更好地管理Python及非Python依赖（如C库）：
# 下载并安装Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 创建conda环境（指定Python版本）
conda create -n myenv python=3.9
# 激活环境
conda activate myenv
# 安装依赖（conda会自动处理依赖关系）
conda install numpy pandas requests
poetry集成了依赖管理、打包和发布功能，适合复杂项目：
# 安装poetry
curl -sSL https://install.python-poetry.org | python3 -
# 初始化项目（生成pyproject.toml配置文件）
poetry init
# 添加依赖（如numpy）
poetry add numpy
# 安装所有依赖（包括开发依赖）
poetry install
通过以上步骤，可有效解决Ubuntu上Python安装后的依赖问题，确保项目依赖的稳定性与可移植性。根据项目需求选择合适的工具（如简单项目用venv+requirements.txt，复杂项目用poetry或conda）。
