• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Riesgo
      • Constructor de Scorecards de Crédito
      • Aplicar Scorecard de Crédito
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Usar entornos de Python en VS Code

enero 12, 2022 Por Daniel Rodríguez 4 comentarios
Tiempo de lectura: 3 minutos

Al trabajar en diferentes proyectos con Python es habitual encontrarse con el problema de que tanto código como paquetes presentan problemas de compatibilidad con ciertas versiones del intérprete. Por lo que es necesario ejecutar cada proyecto en una versión del intérprete de Python diferente. Lo que se puede conseguir usando varios ordenadores, instalando en cada uno una versión diferente de Python, o, de una forma mucho más eficiente, mediante el uso de los entornos de Python. Veamos a continuación cómo se pueden crear y trabajar los entornos de Python en VS Code.

Creación de entornos virtuales con virtualenv

Python permite la creación de entornos virtuales mediante venv. Una solución que es útil cuando se desea probar diferentes paquetes, pero no permite seleccionar una versión diferente del intérprete. Para solucionar este problema se puede recurrir al paquete virtualenv que es necesario instalar mediante el siguiente comando

pip install virtualenv

Una vez hecho esto se pude comprobar que el paquete se ha instalado correctamente consultado la versión instalada.

virtualenv --version

En el caso de que este comando devuelve una versión se puede crear un nuevo entorno visual mediante el comando

virtualenv venv

donde venv es la ruta donde se creará este. Para cambiar al nuevo entorno solamente se deberá ejecutar

source venv/bin/activate

En el caso de que se desee trabajar en el entorno visual con una versión diferente de Python es necesario primero instalar esta, no lo hace virtualenv. Una vez instalado solamente se debe crear el entorno mediante el siguiente comando

Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
En Analytics Lane
Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane

virtualenv -p /path-to-python venv

En donde /path-to-python se debe reemplazar por la ruta al entorno que se desea usar. Este proceso puede ser un poco complicado, por lo que una solución más sencilla es usar conda.

Crear entornos virtuales con conda

Una de las ventajas de conda es la posibilidad de crear entornos virtuales con diferentes versiones de Python de una forma sencilla. Simplemente se debe usar el comando create e indicar mediante la opción python la versión de Python que se desea usar en ese entorno. Por ejemplo, para crear un entorno con Python solamente se debería escribir

conda create -n venv-36 python=3.6

Con lo que inmediatamente se creará el entorno e instalarán los recursos necesarios. Una vez hecho esto para cambiar de entorno solamente se deberá escribir

conda activate venv-36

y para volver a la configuración por defecto

conda deactivate

Publicidad


Seleccionar los entornos de Python en VS Code

Por defecto la extensión de Python de VS Code busca y usa el primer intérprete que se encuentra en la ruta del sistema. Aunque es posible indicar un intérprete específico escribiendo Python: Seleccionar intérprete en la paleta de comandos (⇧⌘P en macOS o Ctrl+⇧+P en Windows)

Llamar a la herramienta para seleccionar el intérprete de Python en V
Llamar a la herramienta para seleccionar el intérprete de Python en V

Lo que nos permitirá seleccionar cualquiera de los entornos o intérpretes de Python que se encuentren en el sistema.

Seleccionar el intérprete de Python en VS Code
Seleccionar el intérprete de Python en VS Code

Pudiéndose consultar el entorno de Python seleccionado en la parte inferior izquierda de VS Code.

Consultar el entorno activo de Python en VS Code
Consultar el entorno activo de Python en VS Code

Conclusiones

En esta ocasión se ha visto como se puede crear y seleccionar entornos de Python en VS Code para poder trabajar con diferentes intérpretes. Algo que puede ser de utilidad cuando existen problemas de compatibilidad en los códigos que se usan en dichos proyectos.

Imagen de PIRO4D en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Nuevo test de normalidad interactivo en el laboratorio de Analytics Lane
  • Nuevo conversor de timestamp Unix en el laboratorio de Analytics Lane
  • Calculadora de Contrastes de Hipótesis: interpreta correctamente el p-valor y toma decisiones estadísticas con confianza
  • Calculadora de Tamaño del Efecto: la herramienta clave para entender cuánto importa realmente una diferencia
  • Simulador de DBSCAN: descubre cómo encontrar clusters reales (y ruido) sin fijar K
  • Conversor de Colores: convierte, compara y valida cualquier color en tiempo real
  • Analytics Lane lanza su Generador de UUIDs: identificadores únicos, seguros y listos para producción en segundos
  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas

Publicado en: Herramientas, Python Etiquetado como: Visual Studio Code

Interacciones con los lectores

Comentarios

  1. Javier dice

    enero 12, 2022 a las 11:51 pm

    Hola,

    Muchas gracias por el blog.

    Tengo una duda: ¿esto no esta pensado para Python 2?
    ¿Cuál es la mejor forma de crear un entrono en Python 3.10? ¿ pipenv, venv o virtualenv?

    Muchas gracias,

    Responder
    • Daniel Rodríguez dice

      enero 13, 2022 a las 10:18 am

      Para los usuarios que empiezan o con poca experiencia quizás la mejor solución sea virutalenv. Pero, dependiendo de los casos de uso concretos, puede que sea mejor otra opción.

      Responder
      • Javier dice

        enero 13, 2022 a las 11:35 am

        Muchas gracias,

        Responder
  2. David dice

    junio 7, 2022 a las 12:53 am

    Muchisimas gracias! Despues de toda una tarde luchando porque vs code no me reconocia una libreria de python, pude ver que el problema es que vs code estaba utilizando el entorno virtual equivocado!

    Responder

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar

mayo 7, 2026 Por Daniel Rodríguez

WOE e IV: La Base Matemática del Credit Scoring

mayo 5, 2026 Por Daniel Rodríguez

Noticias

Lanzamiento de la versión 1.0 del laboratorio de Analytics Lane con nuevas herramientas de scoring

mayo 2, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit) publicado el marzo 5, 2021 | en Ciencia de datos
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar publicado el mayo 7, 2026 | en Ciencia de datos, Opinión
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto