虚拟环境的python解释器

如何在虚拟环境中配置和使用Python解释器
创建并激活虚拟环境
为了确保开发环境的独立性和可移植性，通常会为每个项目创建单独的虚拟环境。这可以通过多种工具实现，如conda, venv 或者 virtualenvwrapper。
对于基于 Conda 的管理工具而言，可以利用如下命令来建立新的虚拟环境：
conda create -n myenv python=3.9
登录后复制
上述指令将会构建名为 myenv 并指定 Python 版本为 3.9 的全新虚拟环境[^2]。
一旦创建完成之后，则需通过下面这条语句进入该特定的工作空间内工作:
conda activate myenv
登录后复制
而对于其他类型的虚拟化方案来说，比如借助于 VirtualEnvWrapper 工具集的话，可以在用户的 shell 配置文件（例如 .bash_profile）里加入必要的变量声明以及初始化脚本来简化操作流程[^5]:
export WORKON_HOME=$HOME/.virtualenvs
source /usr/local/bin/virtualenvwrapper.sh
mkvirtualenv new_project_env
登录后复制
这段代码片段设置了存储位置，并启用了 virtualenvwrapper 功能；最后一条 mkvirtualenv 命令用来新建一个叫做 "new_project_env" 的虚拟运行时实例。
PyCharm中的Python解释器配置
当涉及到集成开发环境(IDE)，像PyCharm这样的应用提供了直观的方式让用户关联已有的外部解释程序或是直接从内部生成一个新的隔离沙盒区。
要使 IDE 认识到刚刚设立好的自定义解释引擎，应该按照以下步骤进行调整设置：

打开 File | Settings (Windows/Linux) 或 PyCharm | Preferences(macOS).
寻找左侧菜单栏下的 Project: | Python Interpreter, 点击右侧齿轮图标旁边的下拉列表框.
选择 Add...
推荐选项是从现有环境中选取，即点击左上角的三个点按钮浏览至目标 venv 文件夹内的 bin/activate 脚本所在的位置，或者如果是 Anaconda 用户则可以直接挑选对应版本号前缀命名的空间名称。
完成添加后记得确认更改以保存修改后的状态.

此时, PyCharm 将能够识别所选的 Python 解释器及其相关的库集合[^3].
Jupyter Notebook中使用虚拟环境的Python解释器
如果希望在Jupyter Notebook里面也能享受到相同级别的依赖管理和灵活性，那么还需要额外做一些手脚使得 notebook server 可知悉当前活动 session 下面正使用的具体 runtime context。
一种常见做法是在启动之前先加载好所需的 kernel spec 数据结构体，从而允许前端界面正确呈现相应的语言支持特性。假设现在处于某个由 conda 维护着的状态之中，只需简单输入下列终端命令即可达成目的[^1]:
python -m ipykernel install --user --name=myenv --display-name "Python(myenv)"
登录后复制
此过程实际上就是向系统注册了一个带有唯一标识符的新 Kernel 实例，其中包含了指向实际二进制文件路径的信息以及其他元数据描述字段。随后便可在新开页面顶部看到可供切换的不同 backend 类型供开发者自由选用啦！