我是一名在Linux系统上带过几十个新人工程师的运维老手，也给高校开源社团讲过三年Python环境搭建课。每次看到刚接触Ubuntu的同学卡在“明明装了Python却找不到命令”“虚拟环境激活后pip还是装到全局”这类问题上，我就想起自己第一次在服务器上把系统自带的python3.6 pip升级翻车、导致apt包管理器直接罢工的深夜。这篇内容不是教科书式的罗列命令，而是我把过去八年在真实生产环境、教学现场、CI/CD流水线中反复验证过的路径，掰开揉碎讲清楚： 为什么必须用ppa:deadsnakes而不是随便搜个教程抄的源？为什么venv比virtualenv更值得优先用？为什么 source venv/bin/activate 之后还要检查 which python ？

你不需要是Linux高手，只要能敲几行终端命令，就能照着一步步走通；如果你已经会一点，那文中的版本冲突排查逻辑、PATH变量陷阱、pip源镜像配置细节，可能正是你最近调试失败时缺的那一块拼图。关键词“ubuntu系统入门教程”不是标题党——它真就是从零开始，但绝不停留在“能跑起来”的表面，而是带你理解每一行命令背后系统在做什么。下面我们就从最基础的确认现状开始，不跳步、不省略、不假设你知道任何前置知识。

1. 环境现状诊断与安装策略设计

1.1 先搞清你的Ubuntu到底“自带什么”，别被表象骗了

很多新手一上来就急着装新版本，结果发现 python3 --version 输出3.6.9，心里一慌：“怎么没装上？”其实这是典型误解——Ubuntu系统默认预装的Python3版本，是深度绑定系统管理工具链的，比如 apt 、 update-manager 、 gnome-control-center 这些图形界面和底层服务，全靠这个Python3解释器驱动。你强行卸载或覆盖它，轻则apt报错无法更新软件，重则桌面环境直接崩溃。所以第一步永远不是“装什么”，而是“看清现状”。

我建议你打开终端，依次执行这三行命令，边看边记：

lsb_release -a

这条命令会明确告诉你当前系统版本（比如Ubuntu 18.04.6 LTS），这是后续所有操作的前提。不同LTS版本的软件源策略差异极大：18.04默认只提供3.6，20.04提供3.8，22.04提供3.10，而24.04已默认3.12。如果你用的是20.04或更高版本，其实根本不用额外装3.8——它就在 apt list python3* 里躺着。

第二步：

python3 --version && which python3

注意这里不是 python --version ！Ubuntu从16.04起就彻底移除了 python 命令指向Python2的软链接， python 命令默认不存在。 python3 才是正统入口。 which python3 会返回类似 /usr/bin/python3 的路径，这说明你调用的是系统级安装的二进制文件，受 /usr 分区保护，普通用户无权修改。

第三步（关键）：

ls /usr/bin/python*

这条命令会列出所有已安装的Python可执行文件。在18.04上，你大概率会看到：

/usr/bin/python3  
/usr/bin/python3.6  
/usr/bin/python3.6m  
/usr/bin/python3m

但不会有 python3.8 ——这说明系统原生确实不带3.8。此时再决定是否要引入第三方源，才叫有的放矢。

提示：不要用 apt search python3 大海捞针。 apt list --installed | grep python3 更精准，它只显示已安装的包，避免被成百上千个无关的python3-*开发包干扰判断。

1.2 为什么选ppa:deadsnakes？不是Ubuntu官方源，但比官方更可靠

当你确认需要3.8且系统没提供时，“去哪装”就成了核心问题。网上常见三种方案：编译源码、用pyenv、加PPA源。我们逐个拆解：

  • 编译源码 ：下载tar.gz、 ./configure --enable-optimizations 、 make -j$(nproc) 、 sudo make altinstall 。优点是绝对可控，缺点是耗时（单核编译3.8要20分钟以上）、依赖复杂（需 build-essential , zlib1g-dev , libssl-dev 等12个以上dev包）、易出错（ ModuleNotFoundError: No module named '_ctypes' 这种错误新手根本看不懂）。我只在定制嵌入式设备固件时用过，日常开发纯属自找麻烦。

  • pyenv ：号称“Python版本管理神器”，通过shim机制拦截命令。但它本质是shell函数+环境变量劫持，对新手极不友好—— pyenv init 输出的那段shell代码要手动加到 .bashrc 里，稍有不慎就让整个终端启动失败；更麻烦的是，它要求用户全程用 pyenv install 3.8.10 而非 apt install ，意味着你要自己处理OpenSSL版本兼容、zlib路径硬编码等问题。我在给大一学生做实训时试过，30人里有7人卡在 pyenv install 无限挂起，最后发现是公司内网DNS污染导致github.com解析失败。

  • ppa:deadsnakes ：这才是Ubuntu生态下最务实的选择。它由社区资深维护者维护，所有二进制包都经过Ubuntu官方构建服务器编译，严格遵循Debian打包规范。最关键的是：它 不替换系统Python，只新增可执行文件 。装完后 /usr/bin/python3.8 独立存在，和 /usr/bin/python3.6 完全隔离， apt upgrade 时也不会误删它。而且它提供完整的配套包： python3.8-venv 、 python3.8-dev 、 python3.8-distutils ，一个PPA解决全部依赖。

为什么叫“deadsnakes”？因为Python2.7已于2020年EOL（End of Life），但很多老项目还在用，这个PPA连2.7.18都持续维护——它代表的是一种“向后兼容但不妥协”的工程哲学。我线上跑着的金融风控模型，至今还依赖2.7写的legacy数据清洗脚本，就是靠这个PPA稳稳托住。

注意： ppa:deadsnakes/ppa 仅适用于Ubuntu官方发行版（含Kubuntu/Xubuntu等），不支持WSL1、Docker容器或深度定制版（如Linux Mint）。如果你用的是WSL2，直接 sudo apt update && sudo apt install python3.8 即可，因为WSL2内核已同步Ubuntu 22.04源。

1.3 virtualenv vs python3.x-venv：选哪个？答案取决于你用什么Python

虚拟环境是Python项目的“安全沙箱”，但实现方式有本质区别。很多人以为 virtualenv 和 venv 只是命令不同，其实它们是两代技术：

  • virtualenv（旧时代） ：由PyPI上的第三方包提供，需 pip install virtualenv （或 apt install virtualenv ）。它通过复制Python解释器二进制文件+符号链接标准库的方式创建隔离环境。优点是兼容性极强（支持Python2.6+），缺点是体积大（每个venv目录约25MB）、启动慢（要加载大量符号链接）、且与系统Python耦合深（一旦系统Python升级，旧venv可能失效）。

  • venv（新时代） ：从Python3.3起成为标准库模块（PEP 405），无需额外安装。它采用“硬链接+空目录”策略：只硬链接 /usr/lib/python3.8 下的 .so 文件（节省空间）， site-packages 目录完全空白，所有包都通过 pip install 写入。启动快、体积小（新建venv仅3MB）、且与Python版本强绑定—— python3.8 -m venv 创建的环境，只能用3.8解释器运行。

那么该选谁？我的经验是： 只要你的目标Python版本≥3.3，无条件用 venv 。理由很实在：

  1. venv 是CPython官方实现，bug少、文档全、IDE（PyCharm/VSCode）原生支持；
  2. virtualenv 在2023年后已进入维护模式，新特性（如 --system-site-packages 的细粒度控制）不再更新；
  3. 最关键的是—— venv 创建的环境， pip 默认不会继承系统包（ --no-site-packages 是默认行为），而 virtualenv 早期版本默认继承，容易引发依赖冲突。

你在正文里看到的两种方法，本质是同一技术的两种调用姿势： virtualenv -p python3.8 venv 是旧包调用新解释器， python3.8 -m venv venv 是新模块直接工作。后者更纯粹、更可控。

2. Python3.8安装全流程实操与原理透析

2.1 添加PPA源的底层机制：不只是“加一行命令”

sudo add-apt-repository ppa:deadsnakes/ppa 这条命令看似简单，背后涉及Ubuntu包管理的完整信任链。我们来拆解它实际做了什么：

首先， add-apt-repository 是一个Python脚本（位于 /usr/bin/add-apt-repository ），它会：

  1. 向 https://launchpad.net/api/1.0/~deadsnakes/+archive/ubuntu/ppa 发起HTTP请求，获取该PPA的元数据；
  2. 下载 https://keyserver.ubuntu.com/pks/lookup?op=get&search=0xXXXXXXXX （PPA维护者的GPG公钥）；
  3. 将公钥存入 /etc/apt/trusted.gpg.d/deadsnakes-ubuntu-ppa-focal.gpg （focal是20.04代号，18.04对应bionic）；
  4. 在 /etc/apt/sources.list.d/ 下创建 deadsnakes-ubuntu-ppa-bionic.list 文件，内容为： 
    deb http://ppa.launchpad.net/deadsnakes/ppa/ubuntu bionic main
deb-src http://ppa.launchpad.net/deadsnakes/ppa/ubuntu bionic main

提示：如果你的网络环境无法访问launchpad.net（比如某些企业防火墙），可以手动创建list文件。先用浏览器打开 https://launchpad.net/~deadsnakes/+archive/ubuntu/ppa ，在页面底部找到“Technical details about this PPA”，复制对应Ubuntu版本的deb行，粘贴到 /etc/apt/sources.list.d/deadsnakes.list 中，再手动导入公钥： sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys F23C5A6CF475977595C89F51BA6932366A755776 （这是deadsnakes的当前密钥ID）。

执行完 add-apt-repository 后，必须运行 sudo apt update 。这步常被忽略，但它至关重要： apt update 会下载 http://ppa.launchpad.net/deadsnakes/ppa/ubuntu/dists/bionic/main/binary-amd64/Packages.gz 这个索引文件，里面记录了PPA中所有可用包的名称、版本、依赖关系、SHA256校验值。没有它， apt install python3.8 根本不知道去哪里找安装包。

2.2 安装python3.8及其配套组件的精确命令集

现在进入实操。请严格按顺序执行，每步后观察输出：

# 1. 更新本地包索引（确保获取最新PPA信息）
sudo apt update

# 2. 安装python3.8主程序（核心解释器）
sudo apt install python3.8

# 3. 安装配套开发包（编译C扩展必需，如numpy/scipy）
sudo apt install python3.8-dev

# 4. 安装venv模块（创建虚拟环境的基础）
sudo apt install python3.8-venv

# 5. 安装distutils（旧项目setup.py依赖，避免ImportError）
sudo apt install python3.8-distutils

# 6. 安装pip（Python包管理器，3.8自带pip但需单独安装）
sudo apt install python3.8-pip

注意： python3.8-pip 这个包名容易被忽略。虽然Python3.8源码自带 ensurepip 模块，但Ubuntu打包时默认不启用它，必须显式安装 python3.8-pip 包，否则 python3.8 -m pip 会报错 No module named pip 。

验证安装是否成功，执行：

python3.8 --version          # 应输出 Python 3.8.10（或你安装的具体版本）
python3.8 -c "import sys; print(sys.path)"  # 查看解释器搜索路径，确认无异常
python3.8 -m pip --version   # 应输出 pip X.X.X from /usr/lib/python3.8/site-packages/pip (python 3.8)

实操心得：如果 python3.8 --version 报错 command not found ，90%是 /usr/bin 不在PATH中。检查 echo $PATH ，正常应包含 /usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin 。若缺失，临时修复： export PATH="/usr/bin:$PATH" ；永久修复：将 export PATH="/usr/bin:$PATH" 加入 ~/.bashrc 末尾，然后 source ~/.bashrc 。

2.3 版本共存的底层逻辑：为什么 python3.8 和 python3 能和平共处

很多新手困惑：“装了3.8，那原来的3.6会不会被覆盖？”答案是否定的，原因在于Ubuntu的 多版本并存设计 ：

  • 所有Python3.x版本的可执行文件都放在 /usr/bin/ 下，命名规则为 python3.x （如 python3.6 , python3.8 ）；
  • /usr/bin/python3 是一个指向 /usr/bin/python3.6 的符号链接（ ls -l /usr/bin/python3 可查看）；
  • 系统服务（如 /usr/bin/update-manager ）在shebang行写的是 #!/usr/bin/python3 ，因此永远调用符号链接指向的版本；
  • 用户手动执行 python3.8 时，直接调用 /usr/bin/python3.8 ，完全绕过符号链接。

你可以用 ls -l /usr/bin/python* 直观看到这个结构：

lrwxrwxrwx 1 root root    9 Apr 10  2020 /usr/bin/python3 -> python3.6
-rwxr-xr-x 1 root root 4.5M Apr 10  2020 /usr/bin/python3.6
-rwxr-xr-x 1 root root 4.7M Oct 15 12:34 /usr/bin/python3.8

这种设计保证了：系统稳定性和用户灵活性同时存在。你既可以用 python3.8 跑新项目，又不用担心 apt upgrade 把系统搞崩。

提示：不要用 sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 1 去切换默认python3。这会破坏系统稳定性， apt 内部脚本可能因调用错误Python版本而失败。需要临时切换时，用 alias python3=python3.8 （仅当前终端有效）更安全。

3. 虚拟环境创建与激活的深度实践

3.1 用 python3.8 -m venv 创建环境的完整流程

这是推荐的标准做法。我们以创建一个名为 myproject 的项目环境为例：

# 1. 创建项目目录（避免在/home下直接建venv，防止权限混乱）
mkdir -p ~/projects/myproject
cd ~/projects/myproject

# 2. 创建虚拟环境（核心命令）
python3.8 -m venv venv

# 3. 激活环境
source venv/bin/activate

# 4. 验证激活状态
which python    # 应输出 ~/projects/myproject/venv/bin/python
python --version # 应输出 Python 3.8.10
pip list         # 应只显示 setuptools, pip, wheel 三个基础包

关键点解析：

  • venv 目录名是约定俗成的，但非强制。你可以叫 env 、 .venv 甚至 py38-env ，只要保持一致即可；
  • source venv/bin/activate 的本质是执行 venv/bin/activate 这个shell脚本，它会：
    1. 将 venv/bin 加入PATH最前面（ export PATH="~/projects/myproject/venv/bin:$PATH" ）；
    2. 设置 VIRTUAL_ENV 环境变量指向venv根目录；
    3. 修改PS1提示符，在前面加上 (venv) 标识；
    4. 定义 deactivate 函数，用于退出环境。

注意： source 是bash/zsh的内置命令， . 是POSIX标准命令，两者等价。在脚本中建议用 . ，交互式终端用 source 更直观。

3.2 激活后必须做的三件事：避免90%的后续坑

刚激活环境，别急着 pip install ，先做这三步检查：

第一，确认pip是否指向venv内的pip： 

which pip
# 正确输出：/home/yourname/projects/myproject/venv/bin/pip
# 错误输出：/usr/bin/pip 或 /usr/local/bin/pip（说明激活失败）

第二，升级pip到最新版（venv内pip默认较旧）： 

pip install --upgrade pip
# 这步很重要！旧版pip（如20.0.2）不支持PEP 517构建，安装modern包（如poetry）会失败

第三，配置国内pip源（加速安装，避免超时）： 

# 创建pip配置目录
mkdir -p ~/.pip

# 编辑配置文件
cat > ~/.pip/pip.conf << 'EOF'
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
trusted-host = pypi.tuna.tsinghua.edu.cn
timeout = 120
EOF

清华源是目前最稳定的国内镜像， trusted-host 必须显式声明，否则pip会因SSL证书问题拒绝连接。 timeout=120 防止大包（如torch）下载中断。

实操心得：我见过太多人跳过这三步，结果 pip install django 装了半小时失败，最后发现是pip版本太低+源太慢。这三步加起来不到10秒，却能省下你两小时debug时间。

3.3 用 requirements.txt 固化依赖的工业级实践

虚拟环境的价值不仅在于隔离，更在于 可复现 。以下是我在线上部署时强制执行的流程：

# 1. 在激活的venv中安装所需包
pip install django==4.2.7 requests==2.31.0

# 2. 生成精确依赖列表（-e 表示editable mode，-c 表示约束文件）
pip freeze > requirements.txt

# 3. 查看生成的requirements.txt内容
cat requirements.txt
# 输出示例：
# asgiref==3.7.2
# Django==4.2.7
# pytz==2023.3
# sqlparse==0.4.4
# tzdata==2023.3

关键细节：

  • pip freeze 会导出 所有已安装包及其精确版本号 ，包括Django间接依赖的 asgiref 、 sqlparse 等；
  • 不要用 pip list > requirements.txt ，因为它会包含 pkg-resources==0.0.0 这类虚假条目；
  • 生产环境必须用 pip install -r requirements.txt 而非 pip install django ，确保所有机器环境100%一致。

提示：对于大型项目，建议用 pip-tools （ pip install pip-tools ）管理依赖。它支持 requirements.in （顶层依赖）和 requirements.txt （解析后的全量依赖），自动处理版本冲突。但对入门者， pip freeze 已足够。

4. 常见问题与实战排错指南

4.1 经典报错：“Command 'python3.8' not found”

现象 ：执行 python3.8 --version 提示 Command 'python3.8' not found, but can be installed with:
原因 ：PPA源添加后未执行 sudo apt update ，或 apt update 时网络失败导致索引未下载。
排查步骤 ：

  1. cat /etc/apt/sources.list.d/deadsnakes-ubuntu-ppa-bionic.list 确认文件存在且内容正确；
  2. sudo apt update 2>&1 | grep -i deadsnakes 查看更新日志中是否有 Hit: 或 Get: deadsnakes相关行；
  3. 若无输出，手动测试源可用性： curl -I http://ppa.launchpad.net/deadsnakes/ppa/ubuntu/dists/bionic/ ，应返回HTTP 200。

解决方案 ：

  • 网络问题：换源（如用阿里云镜像） sudo sed -i 's|http://ppa.launchpad.net|https://mirrors.aliyun.com/ubuntu|g' /etc/apt/sources.list.d/deadsnakes-ubuntu-ppa-bionic.list ；
  • GPG密钥过期： sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys F23C5A6CF475977595C89F51BA6932366A755776 ；
  • 最后执行 sudo apt update && sudo apt install python3.8 。

4.2 激活后 pip install 仍装到系统目录

现象 ： source venv/bin/activate 后， which pip 显示正确路径，但 pip install numpy 后， python -c "import numpy" 在 未激活环境时也能成功 。
原因 ： venv 创建时用了 --system-site-packages 参数（或 virtualenv 默认行为），导致继承了系统 /usr/lib/python3.8/site-packages 。
验证方法 ：

# 激活环境后
python -c "import site; print(site.getsitepackages())"
# 正常输出应为 ['/home/user/venv/lib/python3.8/site-packages']
# 若包含 '/usr/lib/python3.8/site-packages'，则确认被继承

解决方案 ：

  • 彻底重建环境： rm -rf venv && python3.8 -m venv venv （默认不继承）；
  • 若必须继承系统包（如已安装CUDA驱动），创建时显式声明： python3.8 -m venv --system-site-packages venv ，但需接受潜在冲突风险。

4.3 “ModuleNotFoundError: No module named 'distutils.util'”

现象 ： python3.8 -m venv venv 报错，或激活后 pip install 失败。
原因 ： python3.8-distutils 包未安装。 distutils 是Python标准库模块，但Ubuntu将其拆分为独立deb包，必须手动安装。
解决方案 ：

sudo apt install python3.8-distutils
# 然后重新创建venv
rm -rf venv
python3.8 -m venv venv

4.4 虚拟环境激活后，IDE（PyCharm/VSCode）不识别

现象 ：终端里 source venv/bin/activate 一切正常，但在PyCharm中配置Python Interpreter时找不到 venv/bin/python 。
原因 ：IDE启动时未加载用户shell环境（如 .bashrc ），导致 PATH 中无 venv/bin 。
解决方案 ：

  • PyCharm： File → Settings → Project → Python Interpreter → Add → System Interpreter → 选择venv/bin/python ；
  • VSCode： Ctrl+Shift+P → Python: Select Interpreter → 找到venv/bin/python ；
  • 关键 ：不要依赖“激活后自动识别”，必须手动指定解释器路径。IDE的Python环境是独立进程，与终端shell无关。

4.5 升级系统Python后，旧venv失效

现象 ：Ubuntu从18.04升级到20.04后，原来 python3.6 -m venv venv 创建的环境无法激活，报错 /usr/bin/python3.6: No module named venv 。
原因 ： venv 模块随Python版本发布， python3.6-venv 包在20.04中被移除， /usr/lib/python3.6/venv 目录不存在。
解决方案 ：

  • 不推荐 ：尝试 sudo apt install python3.6-venv （20.04源中无此包）；
  • 推荐 ：用新Python重建环境： 
    # 备份原requirements
source old_venv/bin/activate
pip freeze > requirements_old.txt
deactivate

# 创建新环境
python3.8 -m venv new_venv
source new_venv/bin/activate
pip install -r requirements_old.txt

最后分享一个小技巧：我所有项目的venv目录都统一放在 ~/venvs/ 下，用 mkvenv 函数简化创建：

# 加入 ~/.bashrc
mkvenv() {
  local name=${1:-"venv"}
  mkdir -p ~/venvs/$name
  python3.8 -m venv ~/venvs/$name
  echo "Created ~/venvs/$name. Activate with: source ~/venvs/$name/bin/activate"
}

以后只需 mkvenv myproject ，干净利落。这个习惯让我管理20+个项目环境时，从不担心路径混乱。

# ubuntu
Logo
亚马逊云科技技术品牌专区

更多推荐

2026年量化工具选择，要跟着能力基础走

读者应理解，选择工具前要先判断自己的能力基础和当前任务。工具应该帮助自己补上当前最关键的缺口，而不是替代学习顺序本身。

avatar 亚马逊云科技技术品牌专区

近期零基础学量化，先按基础差异拆学习顺序

读者应明白，拆解学习顺序时要先看自己的基础缺口，再决定哪一段需要放慢。不同流程阶段都有不同检查任务，学习路线要能反映这些差异。

avatar 亚马逊云科技技术品牌专区

加州理工 CS367 C 语言系统编程笔记（一）

C语言是一种强大且广泛使用的编程语言，尤其在系统编程领域。本节课我们将学习C语言的基础语法，包括如何编写“Hello, World!”程序、声明变量以及使用基本数据类型。我们将通过实际的代码示例来加深理解。本节课中我们一起学习了C语言的基础语法，包括如何编写和运行一个简单的C程序、声明变量以及使用基本数据类型。我们还介绍了如何使用Shell环境来编译和运行程序。通过对比Java，你可以看到C语言在

avatar 亚马逊云科技技术品牌专区