使用virtualenv进行科学python和机器学习有什么缺点吗？

Question

我收到了几个使用virtualenv来清理我的python模块的建议。我很担心，因为它看起来好得令人难以置信。在使用多核设置，starcluster，numpy，scikit-learn，pandas或iPython笔记本时，是否有人发现与性能或内存问题相关的缺点。

Answer 1

Virtualenv是在依赖关系方面保持某种秩序的最佳和最简单的方法。在处理安装和跟踪模块时，Python确实落后于Ruby（bundler！）。你拥有的最好的工具是virtualenv。

因此，我建议您为每个应用程序创建一个virtualenv目录，将一个文件放在一起，列出构建环境所需的所有“pip install”命令，并确保您有一个干净的可重复过程来创建此环境

我认为应用程序的性质几乎没有区别。应该没有任何性能问题，因为virtualenv所做的就是从特定路径加载库，而不是从默认保存它们的目录中加载它们。

在任何情况下（这可能完全不相关），但如果性能是一个问题，那么也许你应该看一个编译语言。但最有可能的是，通过更好的编码可以改善任何性能瓶颈。

Answer 2

使用virtualenv没有性能开销。它所做的只是在文件系统中使用不同的位置。

唯一的“开销”是设置它所需的时间。您需要在virtualenv（numpy，pandas等）中安装每个包。