Как изменить python interpreter

This article discusses the helpful Python environments features available in Visual Studio Code. An «environment» in Python is the context in which a Python program runs and consists of an interpreter and any number of installed packages.

Note: If you’d like to become more familiar with the Python programming language, review More Python resources.

Python environments

Global environments

By default, any Python interpreter installed runs in its own global environment. For example, if you just run python, python3, or py at a new terminal (depending on how you installed Python), you’re running in that interpreter’s global environment. Any packages that you install or uninstall affect the global environment and all programs that you run within it.

Do note that if you install packages into your global environment, though, in time it will become crowded with potentially unrelated or unexpected packages and make it difficult to properly test an application. You typically want to create an environment for each workspace.

Local environments

There are two types of environments that you can create for your workspace: virtual and conda environments. Both types of environment allow you to install packages without affecting other environments. This lets you isolate what packages you install for your workspace so that they don’t interfere with your needs in another workspace.

Virtual environments

A virtual environment is a built-in way to create an environment to isolate the packages you install per workspace. A virtual environment creates a folder that contains a copy (or symlink) to a specific interpreter. When you install packages into a virtual environment it will end up in this new folder so that they are not interspersed with other packages used or needed by other workspaces.

Note: While it’s possible to open a virtual environment folder as a workspace, doing so is not recommended and might cause issues with using the Python extension.

Conda environments

A conda environment is a Python environment that’s managed using the conda package manager (see Getting started with conda). Whether to use a conda environment or a virtual one will depend on your packaging needs, what your team has standardized on, etc.

Python environment tools

The following table lists the various tools involved with Python environments:

How the extension looks for environments

If an interpreter hasn’t been specified, then the Python extension automatically selects the interpreter with the highest version in the following priority order:

1. Virtual environments located directly under the workspace folder.
2. Virtual environments related to the workspace but stored globally. For example, Pipenv or Poetry environments that are located outside of the workspace folder.
3. Globally installed interpreters. For example, the ones found in /usr/local/bin, C:\python27, C:\python38, etc.

Note: The interpreter selected may differ from what python refers to in your terminal.

If Visual Studio Code doesn’t locate your interpreter automatically, you can manually specify an interpreter.

Where the extension looks for environments

The extension automatically looks for interpreters in the following locations, in no particular order:

• Standard install paths such as /usr/local/bin, /usr/sbin, /sbin, c:\python27, c:\python36, etc.
• Virtual environments located directly under the workspace (project) folder.
• Virtual environments located in the folder identified by the python.venvPath setting (see General Python settings), which can contain multiple virtual environments. The extension looks for virtual environments in the first-level subfolders of venvPath.
• Virtual environments located in a ~/.virtualenvs folder for virtualenvwrapper.
• Interpreters created by pyenv, Pipenv, and Poetry.
• Virtual environments located in the path identified by WORKON_HOME (as used by virtualenvwrapper).
• Conda environments found by conda env list. Conda environments which do not have an interpreter will have one installed for them upon selection.
• Interpreters installed in a .direnv folder for direnv under the workspace folder.

Creating environments

Using the Create Environment command

From within VS Code, you can create local environments, using virtual environments or Anaconda, by opening the Command Palette (⇧⌘P (Windows, Linux Ctrl+Shift+P)), start typing the Python: Create Environment command to search, and then select the command.

The command presents a list of environment types: Venv or Conda.

If you are creating an environment using Venv, the command presents a list of interpreters that can be used as a base for the new virtual environment.

If you are creating an environment using Conda, the command presents a list of Python versions that can be used for your project.

After selecting the desired interpreter or Python version, a notification will show the progress of the environment creation and the environment folder will appear in your workspace.

Note: The command will also install necessary packages outlined in a requirements/dependencies file, such as requirements.txt, pyproject.toml, or environment.yml, located in the project folder. It will also add a .gitignore file to the virtual environment to help prevent you from accidentally committing the virtual environment to source control.

Create a virtual environment in the terminal

If you choose to create a virtual environment manually, use the following command (where «.venv» is the name of the environment folder):

# macOS/Linux
# You may need to run `sudo apt-get install python3-venv` first on Debian-based OSs
python3 -m venv .venv

# Windows
# You can also use `py -3 -m venv .venv`
python -m venv .venv

Note: To learn more about the venv module, read Creation of virtual environments on Python.org.

When you create a new virtual environment, a prompt will be displayed in VS Code to allow you to select it for the workspace.

Tip: Make sure to update your source control settings to prevent accidentally committing your virtual environment (in for example .gitignore). Since virtual environments are not portable, it typically does not make sense to commit them for others to use.

Create a conda environment in the terminal

The Python extension automatically detects existing conda environments. We recommend you install a Python interpreter into your conda environment, otherwise one will be installed for you after you select the environment. For example, the following command creates a conda environment named env-01 with a Python 3.9 interpreter and several libraries:

conda create -n env-01 python=3.9 scipy=0.15.0 numpy

Note: For more information on the conda command line, you can read Conda environments.

Additional notes:

• If you create a new conda environment while VS Code is running, use the refresh icon on the top right of the Python: Select Interpreter window; otherwise you may not find the environment there.

• To ensure the environment is set up well from a shell perspective, one option is to use an Anaconda prompt with the activated environment to launch VS Code using the code . command. At that point you just need to select the interpreter using the Command Palette or by clicking on the status bar.

• Although the Python extension for VS Code doesn’t currently have direct integration with conda environment.yml files, VS Code itself is a great YAML editor.

• Conda environments can’t be automatically activated in the VS Code Integrated Terminal if the default shell is set to PowerShell. To change the shell, see Integrated terminal — Terminal profiles.

• You can manually specify the path to the conda executable to use for activation (version 4.4+). To do so, open the Command Palette (⇧⌘P (Windows, Linux Ctrl+Shift+P)) and run Preferences: Open User Settings. Then set python.condaPath, which is in the Python extension section of User Settings, with the appropriate path.

Working with Python interpreters

Select and activate an environment

As mentioned earlier, the Python extension tries to find and then select what it deems the best environment for the workspace. If you would prefer to select a specific environment, use the Python: Select Interpreter command from the Command Palette (⇧⌘P (Windows, Linux Ctrl+Shift+P)).

Note: If the Python extension doesn’t find an interpreter, it issues a warning. On macOS 12.2 and older, the extension also issues a warning if you’re using the OS-installed Python interpreter as it is known to have compatibility issues. In either case, you can disable these warnings by setting python.disableInstallationCheck to true in your user settings.

The Python: Select Interpreter command displays a list of available global environments, conda environments, and virtual environments. (See the Where the extension looks for environments section for details, including the distinctions between these types of environments.) The following image, for example, shows several Anaconda and CPython installations along with a conda environment and a virtual environment (env) that’s located within the workspace folder:

Note: On Windows, it can take a little time for VS Code to detect available conda environments. During that process, you may see «(cached)» before the path to an environment. The label indicates that VS Code is presently working with cached information for that environment.

If you have a folder or a workspace open in VS Code and you select an interpreter from the list, the Python extension will store that information internally so that the same interpreter will be used once you reopen the workspace.

The Python extension uses the selected environment for running Python code (using the Python: Run Python File in Terminal command), providing language services (auto-complete, syntax checking, linting, formatting, etc.) when you have a .py file open in the editor, and opening a terminal with the Terminal: Create New Terminal command. In the latter case, VS Code automatically activated the selected environment.

Tip: To prevent automatic activation of a selected environment, add "python.terminal.activateEnvironment": false to your settings.json file (it can be placed anywhere as a sibling to the existing settings).

Tip: If the activate command generates the message «Activate.ps1 is not digitally signed. You cannot run this script on the
current system.», then you need to temporarily change the PowerShell execution policy to allow scripts to
run (see About Execution Policies in the PowerShell documentation):
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process

Note: By default, VS Code uses the interpreter selected for your workspace when debugging code. You can override this behavior by specifying a different path in the python property of a debug configuration. See Choose a debugging environment.

The selected interpreter version will show on the right side of the Status Bar.

The Status Bar also reflects when no interpreter is selected.

In either case, clicking this area of the Status Bar is a convenient shortcut for the Python: Select Interpreter command.

Tip: If you have any problems with VS Code recognizing a virtual environment, please file an issue so we can help determine the cause.

Manually specify an interpreter

If VS Code doesn’t automatically locate an interpreter you want to use, you can browse for the interpreter on your file system or provide the path to it manually.

You can do so by running the Python: Select Interpreter command and select the Enter interpreter path… option that shows on the top of the interpreters list:

You can then either enter the full path of the Python interpreter directly in the text box (for example, «.venv/Scripts/python.exe»), or you can select the Find… button and browse your file system to find the python executable you wish to select.

If you want to manually specify a default interpreter that will be used when you first open your workspace, you can create or modify an entry for the python.defaultInterpreterPath setting.

Note: Changes to the python.defaultInterpreterPath setting are not picked up after an interpreter has already been selected for a workspace; any changes to the setting will be ignored once an initial interpreter is selected for the workspace.

Additionally, if you’d like to set up a default interpreter to all of your Python applications, you can add an entry for python.defaultInterpreterPath manually inside your User Settings. To do so, open the Command Palette (⇧⌘P (Windows, Linux Ctrl+Shift+P)) and enter Preferences: Open User Settings. Then set python.defaultInterpreterPath, which is in the Python extension section of User Settings, with the appropriate interpreter.

Environments and Terminal windows

After using Python: Select Interpreter, that interpreter is applied when right-clicking a file and selecting Python: Run Python File in Terminal. The environment is also activated automatically when you use the Terminal: Create New Terminal command unless you change the python.terminal.activateEnvironment setting to false.

Please note that launching VS Code from a shell in which a specific Python environment is activated doesn’t automatically activate that environment in the default Integrated Terminal.

Note: conda environments cannot be automatically activated in the integrated terminal if PowerShell is set as the integrated shell. See Integrated terminal — Terminal profiles for how to change the shell.

Changing interpreters with the Python: Select Interpreter command doesn’t affect terminal panels that are already open. You can thus activate separate environments in a split terminal: select the first interpreter, create a terminal for it, select a different interpreter, then use the split button (⌘ (Windows, Linux Ctrl+Shift+5)) in the terminal title bar.

Choose a debugging environment

By default, the debugger will use the Python interpreter you’ve selected with the Python extension. However, if you have a python property in the debug configuration of launch.json, that interpreter is used instead. To be more specific, VS Code will give precedence to the python property of the selected debug configuration in launch.json. If it’s not defined, then it will use the path to the Python interpreter you’ve selected for your workspace.

For more details on debug configuration, see Debugging configurations.

Environment variables

Environment variable definitions file

An environment variable definitions file is a simple text file containing key-value pairs in the form of environment_variable=value, with # used for comments. Multiline values aren’t supported, but values can refer to any other environment variable that’s already defined in the system or earlier in the file. Environment variable definitions files can be used for scenarios such as debugging and tool execution (including linters, formatters, IntelliSense, and testing tools), but aren’t applied to the terminal.

Note: Environment variable definitions files are not necessarily cross-platform. For instance, while Unix uses : as a path separator in environment variables, Windows uses ;. There is no normalization of such operating system differences, and so you need to make sure any environment definitions file use values that are compatible with your operating system.

By default, the Python extension looks for and loads a file named .env in the current workspace folder, then applies those definitions. The file is identified by the default entry "python.envFile": "${workspaceFolder}/.env" in your user settings (see General Python settings). You can change the python.envFile setting at any time to use a different definitions file.

Note: Environment variable definitions files are not used in all situations where environment variables are available for use. Unless Visual Studio Code documentation states otherwise, these only affect certain scenarios as per their definition. For example, the extension doesn’t use environment variable definitions files when resolving setting values.

A debug configuration also contains an envFile property that also defaults to the .env file in the current workspace (see Debugging — Set configuration options). This property allows you to easily set variables for debugging purposes that replace variables specified in the default .env file.

For example, when developing a web application, you might want to easily switch between development and production servers. Instead of coding the different URLs and other settings into your application directly, you could use separate definitions files for each. For example:

dev.env file

# dev.env - development configuration

# API endpoint
MYPROJECT_APIENDPOINT=https://my.domain.com/api/dev/

# Variables for the database
MYPROJECT_DBURL=https://my.domain.com/db/dev
MYPROJECT_DBUSER=devadmin
MYPROJECT_DBPASSWORD=!dfka**213=

prod.env file

# prod.env - production configuration

# API endpoint
MYPROJECT_APIENDPOINT=https://my.domain.com/api/

# Variables for the database
MYPROJECT_DBURL=https://my.domain.com/db/
MYPROJECT_DBUSER=coreuser
MYPROJECT_DBPASSWORD=kKKfa98*11@

You can then set the python.envFile setting to ${workspaceFolder}/prod.env, then set the envFile property in the debug configuration to ${workspaceFolder}/dev.env.

Note: When environment variables are specified using multiple methods, be aware that there is an order of precedence. All env variables defined in the launch.json file will override variables contained in the .env file, specified by the python.envFile setting (user or workspace). Similarly, env variables defined in the launch.json file will override the environment variables defined in the envFile that are specified in launch.json.

Use of the PYTHONPATH variable

The PYTHONPATH environment variable specifies additional locations where the Python interpreter should look for modules. In VS Code, PYTHONPATH can be set through the terminal settings (terminal.integrated.env.*) and/or within an .env file.

When the terminal settings are used, PYTHONPATH affects any tools that are run within the terminal by a user, as well as any action the extension performs for a user that is routed through the terminal such as debugging. However, in this case when the extension is performing an action that isn’t routed through the terminal, such as the use of a linter or formatter, then this setting won’t have an effect on module look-up.

Next steps

• Editing code — Learn about autocomplete, IntelliSense, formatting, and refactoring for Python.
• Debugging — Learn to debug Python both locally and remotely.
• Testing — Configure test environments and discover, run, and debug tests.
• Settings reference — Explore the full range of Python-related settings in VS Code.

More Python resources

• Getting Started with Python in VS Code — Learn how to edit, run, and debug code in VS Code.
• Virtual Environments and Packages (Python.org) — Learn more about virtual environments and packages.
• Installing Python Modules (Python.org) — Learn how to install Python modules.
• Python tutorial (Python.org) — Learn more about the Python language.

1/20/2023

Чтобы работать с кодом Python в PyCharm, вам необходимо настроить по крайней мере один интерпретатор Python. Вы можете использовать системный интерпретатор, доступный при установке Python. Вы также можете создать виртуальную среду Virtualenv, Pipenv или Conda. Виртуальная среда состоит из базового интерпретатора и установленных пакетов.

С помощью PyCharmProfessional вы также можете настроить интерпретаторы для выполнения кода Python в удаленных средах: SSH, Vagrant, WSL (только для Windows), Docker и DockerCompose.

Интерпретаторы Python

При настройке интерпретатора Python необходимо указать путь к исполняемому файлу Python в вашей системе. Итак, перед настройкой интерпретатора Python вам необходимо убедиться, что вы загрузили Python и установили его в своей системе, и вы знаете путь к нему.

Вы можете создать несколько интерпретаторов Python на основе одного и того же исполняемого файла Python. Это полезно, когда вам нужно создать различные виртуальные среды для разработки различных типов приложений. Например, вы можете создать одну виртуальную среду на основе Python 3.6 для разработки приложений Django и другую виртуальную среду на основе того же Python 3.6 для работы с научными библиотеками.

Интерпретаторы Python могут быть настроены для нового проекта или для текущего проекта (вы можете создать новый интерпретатор или использовать один из существующих ).

Настройка существующего интерпретатора Python

В любое время вы можете переключить интерпретатор Python либо с помощью селектора интерпретаторов Python, либо в настройках/настройках проекта.

Селектор интерпретатора Python находится в строке состояния. Это самый удобный и быстрый способ переключения интерпретатора Python. Просто нажмите на него и выберите целевой интерпретатор:

Измените интерпретатор Python в настройках проекта

1. Нажмите Ctrl+Alt+S, чтобы открыть настройки IDE, и выберите Проект <имя проекта> | Интерпретатор Python.
2. Разверните список доступных переводчиков и нажмите ссылку «Показать все». Затем, щёлкните значок Настроить интерпретатор проекта и выберите «Показать все».
3. Выберите целевой интерпретатор.

Когда PyCharm прекращает поддерживать любую из устаревших версий Python, соответствующий интерпретатор Python помечается как неподдерживаемый.

Примечание: При изменении интерпретатора SSH PyCharm отображает параметры соответствующей конфигурации развертывания. Не рекомендуется выбирать опцию SSH, так как она не позволяет синхронизировать файлы и является частью устаревшей реализации.

Лучшие интерпретаторы Python 2021 года

Нет никаких сомнений в том, что Python является одним из самых популярных языков программирования. За последние несколько лет он быстро завоевал популярность среди мирового сообщества разработчиков. CPython является интерпретатором Python по умолчанию, тем не менее, доступны и другие варианты.

Python — это язык программирования высокого уровня, что означает, что его код написан в удобочитаемой форме. Тем не менее, компьютер не понимает язык высокого уровня, ему требуется переводчик для преобразования кода высокого уровня в машинный код, чтобы ОС могла выполнять то же самое. Вот тут-то и появляется переводчик.

Vamware

Python использует интерпретатор в качестве инструмента перевода для компьютера для перевода и выполнения кода высокого уровня. Когда мы устанавливаем Python в нашей системе, мы устанавливаем интерпретатор Python, облегчающий чтение и выполнение Python.

В этой статье мы составили шорт-лист из 5 лучших интерпретаторов Python, которые идеально подходят для использования с языком программирования высокого уровня. Но перед этим давайте поговорим о переводчике.

Что такое интерпретатор?

Интерпретатор-это компьютерная программа, которая непосредственно выполняет программный код, не меняя его на машинный язык или байт-код. В отличие от компилятора, интерпретатор не создает отдельный файл для байтового кода, вместо этого он непосредственно выполняет исходный код.

5 Лучших вариантов интерпретатора Python (Реализация Python)

Оригинальная реализация Python, которая широко используется сообществом Python и которая присутствует на официальном сайте python, реализована с использованием языка программирования C. Вот почему мы называем его CPython.

Как и CPython, существует множество других реализаций – интерпретаторов – доступных для языка программирования Python. Очевидно, что не все из них хороши в использовании. Итак, вот наш список из 5 лучших интерпретаторов Python на 2021 год, которые вы можете изучить и использовать для расширения своих знаний по python:

• CPython
• PyPy
• StacklessPython
• Jython
• IronPython

Давайте пройдем вперед и подробно обсудим каждый из них:

CPython (интерпретатор Python по умолчанию)

Cpython
GitHub: https://github.com/python/cpython
Поддерживается версиями Python 3.x

Он поставляется в качестве интерпретатора Python по умолчанию, если вы устанавливаете Python с официального сайта. Поступая таким образом, вы в конечном итоге устанавливаете CPython в качестве интерпретатора.

CPython написан на языках программирования C и Python, вот как он получил свое название. Кроме того, если мы посмотрим на общее использование Python по всему миру, CPython является наиболее широко используемой реализацией языка программирования высокого уровня.

Разработанный основными разработчиками и сообществом Python, CPython поддерживается Фондом программного обеспечения Python. Хотя это интерпретатор, он также действует как компилятор. Это потому, что он выполняет некоторые операции компиляции, преобразует код Python в байт-код, а затем использует интерпретатор для их выполнения. Все это происходит виртуально, поэтому технически это не компилятор.

Итак, если вы пишете код Python, которым хотите поделиться с сообществом в качестве проекта с открытым исходным кодом, вы должны ориентироваться на пользователей CPython, потому что он, очевидно, имеет самый широкий охват.

PyPy

https://pypy.org/
Поддерживается версиями Python 2.x и 3.x

PyPy — это мощная, быстрая и полностью совместимая реализация языков программирования Python. Кроме того, он считается альтернативой № 1 для CPytho. По сравнению с CPython, PyPy быстрее, потому что это компилятор just-in-time (JIT). CPython, напротив, является интерпретатором. Любой код Python может работать на PyPy, за исключением того, который зависит от расширения CPython.

Хотя PyPy является интерпретатором, внутренне он использует мета-трассировку, метод, который превращает интерпретатор в компилятор точно в срок. Работать с интерпретаторами очень легко, но они обычно выполняют код медленнее, чем компиляторы. Следовательно, PyPy решает эту проблему для интерпретаторов Python, превращаясь в JIT-компилятор.

PyPy настоятельно рекомендуется для тех, кто хочет повысить производительность своей программы. Более того, если вы запустите свою программу на Python с помощью PyPy, она будет потреблять меньше памяти, чем CPython.

StacklessPython

РепоPythonGitHub без стека: https://github.com/stackless-dev/stackless
Поддерживается версиями Python 3.x

StacklessPython — это еще один мощный интерпретатор языка программирования python. Как и CPython, он также написан на C и Python. Как следует из названия, StacklessPython избегает стека вызовов C. Стек вызовов-это структура данных стека, которая содержит подпрограммы и определяет поток управления вызовами функций. Хотя StacklessPython избегает вызовов стека, он использует стек для вызовов функций.

В дополнение к другим функциям, StacklessPython также добавляет поддержку сопрограмм, каналов связи и сериализации задач. Микро-поток — самая важная особенность StacklessPython. Это позволяет избежать значительной части накладных расходов, связанных с обычными потоками операционной системы.

Вывод

Интерпретаторы Python-это различные реализации Python для облегчения разработки в соответствии с различными языками программирования. CPython — это широко используемая реализация/интерпретатор, предлагаемая официальнымPython.

Для разработчика python также очень важно знать другие реализации Python. Мы надеемся, что эта статья о лучших 5 интерпретаторах Python дала вам достаточно знаний о различных интерпретаторах python, в частности, и о работе интерпретатора python в целом.

VS Code’s terminal using a different python interpreter than the one you’ve selected

By default, it doesn’t know about your interpreter, and will initialize using the default .bashrc or equivalent in the OS.

I found two relevant settings from an issue in Feb 2021.
Checking the second option Python > Terminal: Activate Environment enables automatic activation of virtual environment:

In settings.json it is called "python.terminal.activateEnvironment": true.

Update (8 Aug 2021):
Today when I opened the terminal from VS Code on Windows, it automatically inserted a line of code & C:/Users/[UserName]/[venv]/Scripts/Activate.ps1 to activate the appropriate environment associated with the selected python interpreter!
It appears the aforementioned settings is now the default behavior.
While there are changes to Terminal behavior in the release notes of July 2021 (version 1.59), I don’t see virtual environment activation being explicitly mentioned.

The new behavior is documented here, in «Environments and Terminal windows».

"python.pythonPath" has been deprecated

Therefore most previous answers are outdated.
Use "python.defaultInterpreterPath" instead:

2021.6.0 (16 June 2021)
5. Added python.defaultInterpreterPath setting at workspace level when in pythonDeprecatePythonPath experiment. (#16485)
8. Show python.pythonPath deprecation prompt when in pythonDeprecatePythonPath experiment. (#16485)

2020.7.0 (16 July 2020)
9. Prompt users that we have deleted pythonPath from their workspace settings when in Deprecate PythonPath experiment. (#12533)

2020.5.0 (12 May 2020)
6. Do a one-off transfer of existing values for python.pythonPath setting to new Interpreter storage if in DeprecatePythonPath experiment. (#11052)
8. Added prompt asking users to delete python.pythonPath key from their workspace settings when in Deprecate PythonPath experiment. (#11108)
12. Rename string ${config:python.pythonPath} which is used in launch.json to refer to interpreter path set in settings, to ${config:python.interpreterPath}. (#11446)

2020.4.0 (20 April 2020)
13. Added a user setting python.defaultInterpreterPath to set up the default interpreter path when in Deprecate PythonPath experiment. (#11021)

If you wish to set a default python interpreter for all workspaces, open settings with Ctrl+Shift+P, Preferences: Open User Settings and search for Python: Default Interpreter Path. Otherwise, if you want to set it for only the current workspace, use Preferences: Open Workspace Settings instead.

In your case, you wish to set it to ${workspaceFolder}/env/bin/python3.6.
If you edit settings.json directly instead of using the GUI:

{  
  "python.defaultInterpreterPath": "${workspaceFolder}/env/bin/python3.6"
}  

Detailed instructions can be found in the documentation «Manually specify an interpreter», including using environment variables as the interpreter’s path.