نصب pip در پایتون و دستورات ضروری

نصب pip در پایتون اولین قدم برای مدیریت کتابخانه‌ها و اجرای پروژه‌های واقعی است. pip (مخفف Pip Installs Packages) استانداردترین ابزار مدیریت بسته پایتون است که به شما اجازه می‌دهد کتابخانه‌ها و کدهای آماده را مستقیماً از مخزن PyPI دانلود و نصب کنید. به زبان ساده، وقتی می‌خواهید بسته‌ای مثل Pandas یا Requests را به پروژه اضافه کنید، دستورات pip این کار را برای شما انجام می‌دهند.

در این مقاله، نصب pip در ویندوز و لینوکس، پرکاربردترین دستورات آن، نحوه ساخت فایل requirements و رفع خطاهای رایج را به‌صورت قدم‌به‌قدم یاد خواهید گرفت، تا بتوانید پروژه‌های پایتون خود را حرفه‌ای مدیریت کنید.

بررسی وضعیت نصب pip

قبل‌از اینکه سراغ مراحل نصب pip در پایتون (Python) برویم، بهتر است مطمئن شویم که آیا این ابزار از قبل روی سیستم شما وجود دارد یا خیر. خبر خوب این است که اگر نسخه پایتون نصب شده روی سیستم شما ۳.۴ یا بالاتر باشد (که احتمالاً هست)، pip به‌صورت پیش‌فرض همراه با پایتون نصب شده است و نیازی به انجام کار خاصی ندارید.

برای اطمینان از این موضوع، کافی است ترمینال (در مک/لینوکس) یا Command Prompt (در ویندوز) را باز کنید و دستور زیر را تایپ نمایید:

pip --version

اگر pip پایتون روی سیستم شما فعال باشد، خروجی مشابه زیر دریافت خواهید کرد که نسخه و مسیر نصب آن را نشان می‌دهد:

pip 23.0.1 from /usr/local/lib/python3.10/site-packages/pip (python 3.10)

اما اگر با پیامی مثل pip is not recognized یا command not found مواجه شدید، دو حالت وجود دارد:

1. پایتون روی سیستم شما نصب نیست.
2. پایتون نصب است اما pip نصب نشده یا در متغیرهای محیطی (PATH) شناسایی نشده است.

اگر هنوز خودِ زبان برنامه‌نویسی پایتون را نصب نکرده‌اید، ابتدا به راهنمای جامع ما درباره نصب پایتون روی سیستم‌عامل‌های مختلف مراجعه کنید و پس‌از نصب، دوباره به این صفحه برگردید. اما اگر پایتون را دارید و فقط دستورات pip کار نمی‌کنند، بخش بعدی مخصوص شماست.

نکته فنی: در برخی سیستم‌های لینوکسی یا مک که همزمان پایتون ۲ و ۳ را دارند، ممکن است نیاز باشد به‌جای pip از دستور pip3 –version استفاده کنید.

آموزش نصب pip در پایتون

اگر پس‌از بررسی مرحله قبل متوجه شدید که ابزار مدیریت پکیج را ندارید، نگران نباشید. فرایند نصب pip بسیار ساده است. اگرچه روش‌های مختلفی مانند استفاده از مخازن لینوکس (apt) یا ensurepip وجود دارد، اما استانداردترین و مطمئن‌ترین روش که روی تمام سیستم‌عامل‌ها (ویندوز، مک و لینوکس) یکسان عمل می‌کند، استفاده از اسکریپت رسمی get-pip.py است.

در ادامه روش انجام این کار را به تفکیک سیستم‌عامل بررسی می‌کنیم.

نصب pip در ویندوز

برای نصب pip در پایتون روی ویندوز، مراحل زیر را به‌ترتیب طی کنید:

دانلود اسکریپت نصب:

ابتدا فایل اسکریپت get-pip.py را دانلود کنید. برای این کار می‌توانید روی لینک زیر کلیک راست کرده و گزینه “Save link as” را بزنید و آن را در دسکتاپ یا پوشه‌ای مشخص ذخیره کنید:

اجرای اسکریپت:

منوی استارت را باز کنید، عبارت cmd را جستجو کرده و Command Prompt را انتخاب کنید. با دستور cd به مسیری که فایل را دانلود کرده‌اید بروید (مثلاً cd Desktop). سپس دستور زیر را اجرا کنید:

python get-pip.py

این دستور به‌صورت خودکار آخرین نسخه pip و ابزارهای وابسته (مثل setuptools و wheel) را دانلود و نصب می‌کند. پس‌از اتمام، مجدداً دستور pip –version را تست کنید تا از نصب موفقیت‌آمیز مطمئن شوید.

نصب در مک و لینوکس

در سیستم‌عامل‌های مبتنی بر یونیکس، کار حتی ساده‌تر است و می‌توانید بدون دانلود دستی، همه‌چیز را ازطریق ترمینال انجام دهید. آموزش نصب pip در این محیط‌ها شامل دستورات زیر است:

ابتدا با استفاده از curl فایل نصب‌کننده را مستقیماً دریافت کنید:

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

سپس با استفاده از پایتون، اسکریپت را اجرا کنید (در لینوکس ممکن است برای دسترسی سیستمی به sudo نیاز داشته باشید):

python3 get-pip.py

//یا اگر دسترسی ادمین نیاز بود:
sudo python3 get-pip.py

با انجام این مراحل، پی آی پی در پایتون شما فعال می‌شود و آماده‌اید تا هزاران کتابخانه کاربردی را نصب کنید.

دستورات کلیدی و ضروری pip

اکنون که pip روی سیستم شما فعال است، وارد بخش جذاب ماجرا، یعنی مدیریت کتابخانه‌ها می‌شویم. در پایتون تقریباً برای هر کاری یک کتابخانه آماده وجود دارد؛ مثلاً برای طراحی رابط کاربری کتابخانه Tkinter وجود دارد و برای تحلیل داده‌های سنگین نیز کتابخانه‌هایی وجود دارد. ابزار pip مانند یک دستیار هوشمند، تمام دستورات لازم برای دریافت، نصب و مدیریت این ابزارها را در اختیار شما می‌گذارد.

در ادامه، مهم‌ترین دستوراتی که در تعامل با pip نیاز دارید را بررسی می‌کنیم.

۱. نصب پکیج

اصلی‌ترین وظیفه pip، دانلود و نصب بسته‌ها از مخزن PyPI است. برای این کار کافی است نام پکیج مورد نظر را بدانید. فرض کنید می‌خواهید کتابخانه fastapi را برای ساخت وب‌سرویس نصب کنید. دستور آن به سادگی زیر است:

pip install fastapi

با اجرای این دستور، pip به‌طور خودکار آخرین نسخه پایدار را دانلود کرده و تمام وابستگی‌های (Dependencies) آن را نیز نصب می‌کند.

نکته: اگر می‌خواهید با لیست کاملی از کتابخانه‌های محبوب آشنا شوید، مقاله جامع ما درباره معرفی و نصب کتابخانه‌های پایتون را از دست ندهید.

۲. نصب نسخه خاص

گاهی اوقات در برخی پروژه‌ها، آخرین نسخه یک کتابخانه با کدهای شما سازگار نیست و نیاز دارید دقیقاً همان نسخه‌ای را نصب کنید که همکارتان استفاده می‌کند. برای این کار از عملگر == استفاده می‌کنیم.

مثلاً برای نصب نسخه ۱.۵.۰ کتابخانه پانداس (Pandas) باید دستور زیر را بنویسید:

pip install pandas==1.5.0

همچنین می‌توانید با عملگرهای >= (بزرگتر مساوی) یا < (کوچکتر) محدوده نسخه را تعیین کنید، اما نصب نسخه دقیق (==) رایج‌ترین روش برای جلوگیری از تداخل است.

۳. حذف پکیج

اگر بسته‌ای را اشتباه نصب کردید یا دیگر به آن نیاز ندارید، آزاد کردن فضای سیستم کار عاقلانه‌ای است. دستور uninstall به راحتی پکیج را حذف می‌کند:

pip uninstall requests

پس‌ از اجرای این دستور، سیستم از شما تاییدیه می‌خواهد (y/n) که با زدن y حذف نهایی می‌شود.

۴. مشاهده پکیج‌های نصب‌شده (list and freeze)

ممکن است فراموش کرده باشید چه ابزارهایی روی پایتون شما نصب است. برای دیدن یک لیست سریع و خوانا از دستور زیر استفاده کنید:

pip list

این دستور یک جدول تمیز از نام پکیج‌ها و نسخه آن‌ها به شما می‌دهد. اما یک دستور مشابه و بسیار مهم دیگر به نام freeze وجود دارد:

pip freeze

تفاوت freeze با list در نوع خروجی آن است. دستور freeze خروجی را دقیقاً با فرمت استانداردی نمایش می‌دهد که برای ساخت فایل‌های نیازمندی (requirements) استفاده می‌شود (در بخش بعدی مقاله مفصل به آن می‌پردازیم).

۵. جستجوی اطلاعات پکیج (show)

گاهی نام یک پکیج را می‌دانید اما نمی‌دانید کجا نصب شده، چه نسخه‌ای دارد یا به چه کتابخانه‌های دیگری وابسته است. دستور show شناسنامه کامل پکیج را به شما می‌دهد:

pip show (package name)

خروجی این دستور شامل Location (محل نصب)، Requires (پیش‌نیازها) و License است که برای دیباگ کردن بسیار کاربردی است.

 سایر دستورات کاربردی و پیشرفته

علاوه بر ۵ دستور اصلی بالا، تسلط بر دستورات و سوئیچ‌های زیر شما را به یک کاربر حرفه‌ای پایتون تبدیل می‌کند. این لیست را به‌عنوان دانش بالینی خود درنظر بگیرید:

دستور / سوئیچ	عملکرد و کاربرد
pip install –upgrade <package>	به‌روزرسانی یک بسته به آخرین نسخه (مثلاً: pip install –upgrade pip)
pip list –outdated	نمایش لیستی از تمام پکیج‌هایی که نسخه جدیدتری برای آن‌ها منتشرشده است.
pip download <package>	فقط دانلود فایل نصبی (Whl یا Tar) بدون نصب کردن آن (مناسب برای سیستم‌های آفلاین).
pip cache purge	اگر فضای دیسک شما پرشده، این دستور فایل‌های موقت و کش‌شده‌ی pip را پاک‌سازی می‌کند.
pip config list	نمایش تنظیمات و پیکربندی‌های فعلی pip
–user	سوئیچ مهم: نصب پکیج فقط برای کاربر فعلی سیستم (زمانی که دسترسی Admin/Root ندارید).
–no-cache-dir	نصب مستقیم و بدون ذخیره فایل در حافظه موقت (برای کاهش حجم مصرفی دیسک)
-e	نصب در حالت Editable (مخصوص برنامه‌نویسانی که درحال توسعه سورس‌کد یک کتابخانه هستند).

توجه: در نسخه‌های قدیمی دستوری به نام pip search وجود داشت که اکنون به‌دلیل tahv زیاد روی سرورهای پایتون غیرفعال شده است. برای جستجوی پکیج‌ها بهتر است مستقیماً به وب‌سایت PyPI.org مراجعه کنید.

مدیریت وابستگی‌ها و فایل Requirements.txt

گاهی پیش می‌آید که پروژه‌ای را با زحمت فراوان می‌نویسید که از ۱۰ کتابخانه مختلف با نسخه‌های خاصی استفاده می‌کند. مسئله این است که اگر این کد را برای همکارتان بفرستید یا بخواهید آن را روی هاست پایتون آپلود کنید، باید تک‌تک آن کتابخانه‌ها دقیقاً با همان نسخه‌ها نصب شوند. نصب دستی آن‌ها نه‌تنها وقت‌گیر است، بلکه احتمال خطا را بالا می‌برد.

راهکار طلایی pip در پایتون برای این مشکل، استفاده از فایل requirements.txt است. این فایل مانند یک شناسنامه برای پروژه شما عمل می‌کند و لیست تمام ابزارهای موردنیاز برای اجرای کد را در خود نگه می‌دارد.

ساخت فایل requirements (خروجی گرفتن)

زمانی که پروژه شما تکمیل شد و خواستید آن را به اشتراک بگذارید، باید لیستی از تمام پکیج‌های نصب‌شده تهیه کنید. اما به‌جای نوشتن دستی نام‌ها، از دستور ترکیبی زیر استفاده می‌کنیم:

pip freeze > requirements.txt

در این دستور چه اتفاقی می‌افتد؟

• pip freeze: همان‌طورکه در بخش قبل دیدیم، لیست پکیج‌ها را با فرمت دقیق (مثلاً pandas==1.5.3) تولید می‌کند.
• >: این علامت خروجی دستور را به‌جای نمایش در ترمینال به داخل یک فایل متنی هدایت می‌کند.
• requirements.txt: نام استاندارد فایل است (می‌توانید هر نامی بگذارید، اما این نام یک قرارداد جهانی بین برنامه‌نویسان است).

با اجرای این دستور، فایلی در کنار کد شما ساخته می‌شود که حاوی تمام اطلاعات لازم برای راه‌اندازی مجدد پروژه است.

نصب گروهی پکیج‌ها (نصب از روی فایل)

حالا فرض کنید شما گیرنده کد هستید (یا پروژه را روی سرور جدیدی منتقل کرده‌اید). به‌جای اینکه ۱۰ بار دستور pip install را تایپ کنید، کافی است فایل requirements.txt را در کنار پروژه داشته باشید و فقط یک دستور جادویی را اجرا کنید:

pip install -r requirements.txt

در اینجا پرچم -r (مخفف read) به pip می‌گوید که «لطفاً این فایل را بخوان و هر چیزی که داخلش نوشته‌شده را به‌ترتیب نصب کن».

این فرایند دقیقاً همان کاری است که تیم‌های برنامه‌نویسی بزرگ و سرویس‌های ابری برای هماهنگ‌سازی محیط‌های توسعه انجام می‌دهند. استفاده از این روش تضمین می‌کند که پروژه شما در هرکجای دنیا، دقیقاً با همان نسخه‌هایی اجرا شود که شما تست کرده‌اید.

رفع خطاهای رایج در نصب و اجرای pip

اینکه بگوییم پی آی پی در پایتون چیست، بدون مواجهه با خطاهای قرمز رنگ (Error) معنا ندارد! هنگام کار با pip در پایتون نیز ممکن است با موانعی روبرو شوید که اغلب آن‌ها با چند دستور ساده برطرف می‌شوند. در اینجا مشکلات رایج در نصب pip و روش حل آن‌ها را بررسی می‌کنیم.

۱. خطای معروف “pip is not recognized”

اگر پس‌از تایپ دستور pip در ویندوز با پیامی شبیه به زیر مواجه شدید:

pip is not recognized as an internal or external command…

این یعنی pip نصب شده، اما ویندوز آدرس آن را بلد نیست. این مشکل معمولاً زمانی رخ می‌دهد که در هنگام نصب پایتون، تیک گزینه “Add Python to PATH” را نزده باشید.

راه‌حل:

سریع‌ترین راه (بدون درگیر شدن با تنظیمات پیچیده Environment Variables)، نصب مجدد پایتون و فعال کردن آن تیک طلایی است. اما اگر نمی‌خواهید دوباره نصب کنید، باید مسیر پوشه Scripts پایتون (مثلاً C:\Python39\Scripts) را به متغیر PATH ویندوز اضافه کنید.

۲. رفع مشکل کندی سرعت و قطع ارتباط (Timeout /SSL)

گاهی اوقات هنگام نصب یک پکیج، فرآیند دانلود روی 0% می‌ماند یا با خطاهایی مثل ReadTimeoutError و SSL Error متوقف می‌شود. این موضوع معمولاً به دلیل شلوغی سرورهای جهانی PyPI یا فاصله جغرافیایی است.

راه‌حل (افزایش سرعت دانلود):

برای حل این مشکل و تجربه سرعت بالاتر، پیشنهاد می‌کنیم از مخازن آینه‌ای (Mirrors) استفاده کنید. کافی است دستور نصب را با سوئیچ -i همراه کنید تا دانلود از سرورهای سریع‌تر انجام شود. مثال:

pip install pandas -i https://pypi.org/simple --trusted-host pypi.org

(نکته: استفاده از این روش معمولاً پایداری دانلود را برای ما کاربران ایرانی که با تحریم مواجه هستیم به‌شدت افزایش می‌دهد).

۳. خطای دسترسی (Permission Denied)

اگر در لینوکس یا مک (و گاهی ویندوز) با خطای قرمز رنگ Permission denied یا [Errno 13] مواجه شدید، یعنی سیستم‌عامل به شما اجازه نمی‌دهد در پوشه‌های سیستمی چیزی بنویسید.

راه‌حل:

هرگز بلافاصله سراغ sudo نروید (چون ممکن است نظم سیستم‌عامل را بهم بریزد). بهترین کار استفاده از سوئیچ –user است که پکیج را فقط در پوشه کاربری شما نصب می‌کند:

pip install --user numpy

سایر خطاهای رایج pip

اگر مشکل شما جزو موارد بالا نبود، این نکات کلیدی را بررسی کنید:

• خطای No module named pip: احتمالاً pip شما ناقص نصب شده است. دستور python -m ensurepip –default-pip را اجرا کنید تا ماژول‌های پیش‌فرض را بازگرداند.
• ناسازگاری نسخه (SyntaxError): اگر از پایتون‌های خیلی قدیمی (مثل 2.7) یا خیلی جدید استفاده می‌کنید، ممکن است نسخه pip با آن سازگار نباشد. همیشه با دستور python -m pip install –upgrade pip ابزار خود را به‌روز نگه دارید.
• خطای Fatal error in launcher در ویندوز: این خطا اغلب وقتی رخ می‌دهد که چندین نسخه پایتون دارید. بهتر است برای اجرای دقیق، به‌جای pip از دستور کامل python -m pip استفاده کنید.

تفاوت pip و conda

یکی‌از سؤالات پرتکرار، به‌ویژه برای کسانی که تازه وارد دنیای علم داده (Data Science) شده‌اند، تفاوت بین pip و conda است. شاید دیده باشید که در برخی آموزش‌ها به‌جای pip install از دستور conda install استفاده می‌شود. اما تفاوت اصلی کجاست؟

به زبان ساده، pip یک مدیر بسته مخصوصِ پایتون است. یعنی فقط زبان پایتون را می‌شناسد و پکیج‌ها را از مخزن PyPI می‌گیرد. اما Conda یک ابزار چند منظوره است؛ هم مدیر بسته است (برای هر زبانی مثل Python, R, C) و هم مدیر محیط (Environment Manager).

تفاوت مهم دیگر در نحوه نصب است. همان‌طورکه در توضیج Python pip چیست گفتیم، پیپ اغلب پکیج‌ها را به‌صورت سورس‌کد (Source) دانلود و روی سیستم شما کامپایل می‌کند (که گاهی دردسرساز است). اما Conda پکیج‌ها را به‌صورت باینری (کامپایل شده و آماده) نصب می‌کند که برای کتابخانه‌های سنگین ریاضی بسیار راحت‌تر است.

جدول مقایسه pip و conda:

ویژگی	pip	conda
مخزن اصلی	PyPI (Python Package Index)	Anaconda Repo / Cloud
حیطه فعالیت	فقط پکیج‌های پایتون	هر زبانی (Python, R, Ruby, etc)
نحوه نصب	اغلب از روی سورس (نیاز به کامپایلر دارد)	فایل‌های باینری (از قبل کامپایل شده)
مدیریت محیط	ندارد (نیاز به ابزار کمکی virtualenv دارد)	دارد (به‌صورت داخلی محیط مجازی می‌سازد)
کاربرد اصلی	توسعه‌دهندگان وب و نرم‌افزار عمومی	متخصصان داده (Data Scientists)

اجرای کتابخانه‌های سنگین بدون دردسر نصب

احتمالاً برایتان پیش‌آمده که بخواهید کتابخانه‌های قدرتمندی مثل TensorFlow، PyTorch یا حتی Pandas را روی لپ‌تاپ خود نصب کنید و با خطاهای عجیب و طولانی مواجه شوید. یا اینکه هنگام نصب، فن لپ‌تاپ شما با حداکثر سرعت شروع به کار کرده و سیستم برای دقایقی به حالت اغما رفته است!

دلیل این اتفاق پدیده‌ای به نام سربار پردازشی (Overhead) است. بسیاری از این کتابخانه‌ها صرفاً کد پایتون نیستند؛ بلکه دارای کدهای سنگین C و C++ هستند که باید روی سیستم شما بیلد (Build) شوند. اگر سیستم شما کامپایلر مناسب (مثل Microsoft Visual C++) را نداشته باشد یا رم کافی در اختیار نداشته باشید، فرآیند نصب شکست می‌خورد. علاوه‌بر این، نصب این حجم از فایل‌ها و وابستگی‌ها، سیستم شخصی شما را کند و شلوغ می‌کند.

راز حرفه‌ای‌ها برای رفع این مشکل چیست؟

متخصصان برنامه‌نویسی و تحلیل داده، هرگز سیستم شخصی خود را درگیر فرایندهای سنگین نصب و پردازش نمی‌کنند. آن‌ها کد را در محیط‌های ابری اجرا می‌کنند که همه‌چیز از قبل در آن آماده است.

اگر قصد دارید بدون درگیر شدن با خطاهای نصب، ناسازگاری نسخه‌ها و کندی سیستم، فوراً به محیط کدنویسی دسترسی داشته باشید، استفاده از سرور ژوپیتر لب ابر فردوسی بهترین انتخاب این روزها است. در این سرویس، تمام کتابخانه‌های سنگین ازقبل نصب و آماده‌اجرا هستند.

چرا سرور ژوپیتر لب ابر فردوسی؟

• بدون نیاز به نصب: پایتون و تمام کتابخانه‌های علم داده ازقبل نصب شده‌اند.
• دسترسی از همه‌جا: با مرورگر موبایل یا لپ‌تاپ به محیط کدنویسی قدرتمند خود وصل شوید.
• قدرت سخت‌افزاری بالا: اجرای کدهای سنگین روی سرورهای ابری پرقدرت بدون درگیرشدن سیستم شخصی
• اینترنت پرسرعت: دانلود دیتاست‌های حجیم با سرعت دیتاسنتر
• هدیه شروع: ۱۰۰,۰۰۰ تومان اعتبار رایگان برای تست و اجرای اولین پروژه‌های شما

جمع‌بندی

در این مقاله آموختیم که نقش pip در پایتون چیست و چرا اینقدر برای مدیریت پکیج‌ها مهم است. دیدیم که این ابزار سه حرفی، چگونه مدیریت هزاران کتابخانه پایتون را برای ما ممکن می‌کند. یاد گرفتیم که چگونه وضعیت نصب آن را بررسی کنیم، درصورت نیاز آن را روی ویندوز، مک یا لینوکس نصب کنیم و با استفاده از دستوراتی مانند install و freeze، کنترل کاملی بر وابستگی‌های پروژه خود داشته باشیم.

فراموش نکنید که خطاهایی مانند Command not found یا مشکلات SSL، بخشی طبیعی از مسیر برنامه‌نویسی هستند و حالا شما ابزار لازم برای رفع آن‌ها را در اختیار دارید.

آیا تا به حال با خطای خاصی در هنگام کار با pip مواجه شده‌اید که در این مقاله به آن اشاره نشده باشد؟ یا ترفند خاصی برای مدیریت پکیج‌ها دارید؟ تجربه خود را در بخش نظرات با ما و دیگر توسعه‌دهندگان به اشتراک بگذارید.

منابع:
packaging | pip.pypa | realpython | stackoverflow | anaconda

 سؤالات متداول