百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

一分钟学会 Python 各种环境变量和操作

ztj100 2025-02-15 02:04 21 浏览 0 评论


读取环境变量在不同的语言中都有支持,在 Python 中得益于 Python 语言侧面的简单直接。读取环境变量也是简单直接。

Python 中环境变量一般作为配置文件,主要用于读取,Python 中读取环境变量从这两个方面理解:系统级(系统设置)和配置级(配置文件,yaml, toml 和 env 等)

这里主要讲解系统和 env 文件,如果里使用 yaml 和 toml 最为配置文件可以实用响应的库解决。

读取系统变量

Python 中实用 os 模块的 environ 处理系统变量

import os

# 设置环境变量
os.environ['MY_VAR'] = 'my_value'
my_var = os.environ.get("MY_VAR", "default_value")  # 可以提供默认值

# 读取环境变量
my_var = os.getenv('MY_VAR')
print(f'MY_VAR: {my_var}')

# 删除环境变量
del os.environ["MY_VAR"]
# 读取所有的系统换变量
all_env_vars = os.environ
for key, value in all_env_vars.items():
    print(f"{key}: {value}")

除了 environ 对象也可以直接实用


项目级 .env 文件


在项目中读取环境变量是非常重要的,尤其是你的项目要开源,你不能提交线上的代码环境变量。区分不同的环境就变得非常重要。

  • load_dotenv 包支持
pip install load_dotenv


  • .env.development
DB_HOST="localhost"
DB_USER="admin"
DB_PASS="secret"
  • 读取 development 的环境变量

首先系统级读取 ENVIRONMENT 环境变量,然后实用

from dotenv import load_dotenv
import os

# 根据当前环境加载不同的 .env 文件
app_env = os.getenv('APP_ENV', 'development')

if app_env == 'production':
    load_dotenv('.env.production')
else:
    load_dotenv('.env.development')

# 读取环境变量
db_host = os.getenv('DB_HOST')
db_user = os.getenv('DB_USER')
db_pass = os.getenv('DB_PASS')

print(f'DB_HOST: {db_host}')
print(f'DB_USER: {db_user}')
print(f'DB_PASS: {db_pass}')

Docker 容器化 dockerfile

FROM python:3.9

WORKDIR /app

ENV APP_ENV=production
ENV DB_HOST=localhost
ENV DB_USER=admin
ENV DB_PASS=secret


COPY . /app

CMD ["python", "app.py"]


小结

Python 的环境变量很简单 os 提供了对环境变量的操作。还可以使用 load_dotenv 来操作 .env 来区分不同环境的变量。最后实配合 Dockerfile 容器化定义环境变量。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: