将 Python 脚本转换为 Exe 文件的三种方法

如何将 Python 脚本转换为 .exe 文件 

现在您已经了解了 .exe 文件是什么，以及为什么可能需要将 Python 文件转换为 .exe 文件，接下来看看如何用 Python 来实现。在本节中，我们将介绍三个框架：pyinstaller、nuitka 和 auto-py-to-exe。

需要注意的是，auto-py-to-exe 与 Python 3.11 及更高版本存在已知兼容性问题；除非使用特定的新版本并谨慎匹配依赖项，否则通常仅在 Python 3.10 及以下版本中较为可靠。

话不多说，开始吧。

准备脚本

本演示将使用 纽约市 Airbnb 开放数据 数据集。

在数据科学家分析数据集之前，必须先将数据整理为与其所用工具兼容的格式。因此，创建验证模式可以以声明式方式定义适用于各字段的所有校验规则。这个过程可能相当重复。为避免数据科学家反复处理这些任务，我们创建了一个自动化验证脚本定期运行。

注意：如果您的脚本需要读取数据，使用相对路径时务必格外小心。最好使用绝对路径，以确保可执行文件按预期工作。

import pandas as pd
from pandas.api.types import CategoricalDtype

def perform_validation(filename:str):
    """
    A function to validate inputs for NYC Airbnb Open data.
    """
    path_to_data = "../.."
    data = pd.read_csv(f"{path_to_data}{filename}")



    # Convert neighbourhood_group to type category
    neighbourhood_group_to_cat = CategoricalDtype(
        categories=["Manhattan", "Brooklyn", "Queens", "Bronx", "Staten Island"],
        ordered=False
        )
 
    data["neighbourhood_group"] = data["neighbourhood_group"].astype(neighbourhood_group_to_cat)

    # Convert room_type to type category
    room_type_to_cat = CategoricalDtype(
        categories=["Entire home/apt", "Private room", "Shared room"],
        ordered=False
    )

    data["room_type"] = data["room_type"].astype(room_type_to_cat)

    # Convert last_review to datetime
    data["last_review"] = pd.to_datetime(data["last_review"])

    # Minimum nights a person can stay is one night
    assert data["minimum_nights"].min() >= 1

    # Minimum number of reviews is 0
    assert data["number_of_reviews"].min() >= 0
 
    # Minimum number of reviews per month
    assert data["reviews_per_month"].min() >= 0.00

    # Minimum amount of listings per host
    assert data["calculated_host_listings_count"].min() >= 1

    # Number of days when listing is available for books
    # Could be 0 if tennant has long term booking
    assert data["availability_365"].min() >= 0

    # Save validated data
    data.to_csv("validated_ab_nyc_2019.csv", index=False)

if __name__ == "__main__":
    # User inputs filename
    filename = input("Enter filename: ")
 
    # Ensure it's a string
    if not filename.isalpha():
        filename = str(filename)
 
    # Automated validation
    perform_validation(filename)技术支持

注意：我们已将此脚本复制到 pyinstaller、nuitka 和 auto-py-to-exe 目录中。

# Directory structure
|   AB_NYC_2019.csv
|  
+---auto_py_to_exe
|   |   requirements.txt
|   |   validation.py         
+---pyinstaller
    |   requirements.txt
    |   validation.py技术支持

每个目录都有各自的虚拟环境，并在其中安装了所需依赖：参见 pyinstaller 依赖 或 auto-py-to-exe 依赖。如果您跟着代码实践，请务必在 pyinstaller 目录和 auto-py-to-exe 目录中分别创建虚拟环境。

总体来看，上述脚本包含一个函数——了解更多关于在 Python 中编写函数的内容——该函数读取数据集，然后为数据中某些字段定义期望的格式。下一步就是将此 Python 脚本转换为可执行文件，以便定期运行，生成格式化的数据集。

方法一：Pyinstaller

Pyinstaller 允许您在终端中快速将 Python 文件转换为可执行文件。创建虚拟环境并为脚本安装所需依赖（包括 pyinstaller）后，打开终端并导航到要转换的 Python 文件所在的目录。

然后运行以下命令：

pyinstaller --onefile validation.py技术支持

开始时您会看到多条日志，最后一条大致会显示“completed successfully”（已成功完成）——表示可执行文件创建成功。

图 1：日志显示可执行文件正在创建并已成功完成。

本次运行完成后，会在与该 Python 文件相同的目录下生成两个新目录：build 和 dist。在 dist 目录中，您会找到 validation.exe 脚本。

图 2：演示在数据集上执行 validation.exe 的 GIF。

要运行脚本，只需双击它。随后会弹出一个控制台，提示您输入要进行验证的数据文件名。输入文件名后，控制台会关闭，校验后的数据会在与 validation.exe 文件相同的目录中生成——见图 2。

方法二：Nuitka

Nuitka 是另一个值得考虑的方法。与将 Python 解释器与脚本一起打包的 PyInstaller 不同，Nuitka 实际上会将您的 Python 代码编译为 C 代码。这能更好地保护源代码、潜在地提高执行速度，且通常生成更小的文件。代价是编译时间更长、设置更复杂。

安装与设置

创建虚拟环境并通过 pip install nuitka 安装 Nuitka 后，您需要确保系统上可用 C 编译器。所需编译器取决于操作系统：

• Windows：从 Visual Studio 官网下载并安装 Microsoft Visual C++ Build Tools（免费），或使用 MinGW

• macOS：使用 xcode-select --install 安装 Xcode 命令行工具

• Linux：通常已预装 GCC；如果没有，请通过包管理器安装

安装完成后，Nuitka 会自动检测您的编译器。如遇问题，请确保编译器已加入系统的 PATH。

使用 Nuitka 转换验证脚本

让我们像使用 PyInstaller 和 auto-py-to-exe 那样，使用 Nuitka 来转换同一个纽约市 Airbnb 验证脚本。要将脚本编译为可执行文件，运行：

python -m nuitka --onefile --follow-imports --include-package=pandas validation.py技术支持

参数说明如下：

• --onefile：创建单一可执行文件（而不是包含多个文件和依赖的目录）

• --follow-imports：自动包含脚本导入的所有模块

• --include-package=pandas：显式包含 pandas 包（有些包不会被自动检测，此选项可确保其被打包）

与大约 30 秒即可完成的 PyInstaller 不同，Nuitka 所需时间更长——通常为 5–15 分钟，取决于代码复杂度与系统速度。您会在终端看到输出，显示 C 编译阶段的进度。

完成后，您会看到成功消息，表示可执行文件已创建。编译生成的可执行文件会与 validation.py 位于同一目录。

双击 validation.exe 或在命令行运行它。 与 PyInstaller 相同，会弹出一个控制台窗口，提示您输入文件名。输入 AB_NYC_2019.csv 并回车后，验证开始执行，控制台关闭，随后在同一目录生成新文件 validated_ab_nyc_2019.csv，与 PyInstaller 的行为完全一致。

方法三：auto-py-to-exe

使用 auto-py-to-exe 创建可执行文件的第一步，是通过以下命令运行它：

auto-py-to-exe 技术支持

这将打开一个图形用户界面（GUI），帮助我们把 Python 文件转换为可执行文件。

图 3：运行 auto-py-to-exe 命令后返回的图形用户界面。

注意：如果无法正常运行，请确保您已在 auto-py-to-exe 目录中创建虚拟环境，并在虚拟环境中使用以下命令安装 requirements.txt：pip install -r requirements.txt。

GUI 中有若干需要填写的字段。我们逐一来看并拆解：

• Specific Location：在此字段中，需添加要转换为可执行文件的 Python 文件的脚本路径。
• Onefile：在这里选择要创建“单一目录”还是“单一文件”。“单一目录”会包含执行脚本所需的全部依赖以及一个可执行文件；而选择“One File”将创建一个单一的可执行文件。
• Console Window：选择“Console Based”（基于控制台）或“Window Based”（基于窗口）取决于脚本的输出。例如，我们上面的脚本需要用户输入文件名，因此推荐使用“Console Based”，这样运行可执行文件后会打开控制台。如果不需要在执行后显示控制台输出，“Window Based”是个不错的选择。

此外还提供了其他选项来配置可执行文件的创建方式（如添加图标、附加文件等）。您也可以修改导出路径：选择“Settings”开关并浏览到您希望的输出目录。最后一步是选择“Convert .py to .exe”来转换 Python 文件。

请参见图 4 中的 GIF，了解我们如何配置可执行文件。

图 4：展示 auto-py-to-exe 配置过程的 GIF

返回 auto-py-to-exe 目录后，会看到一个名为 output 的目录：validation.exe 文件就在其中。选中该文件运行，随后会弹出一个控制台，提示您输入文件名：

图 5：运行可执行验证文件后返回的控制台。

只需输入文件名——在此示例中为 AB_NYC_2019.csv——然后回车。控制台将关闭，并在输出目录（可执行文件所在位置）中创建一个名为 validated_ab_nyc_2019.csv 的新文件。

PyInstaller 与 Nuitka 对比

这里是在相同验证脚本上的 Nuitka 与 PyInstaller 的对比，同时将 auto-py-to-exe 作为 GUI 备选：

PyInstaller 和 Nuitka 在所有现代 Python 版本上都提供了可靠支持，而 auto-py-to-exe 在 Python 3.11 及更高版本上存在已知兼容性问题。Nuitka 生成的可执行文件更小、速度更快，且具备更出色的知识产权保护——但构建过程大约比 PyInstaller 慢 16 倍。

结论

通过本文，您已经了解了：

• 什么是 Python 文件
• 什么是可执行文件，以及它可能带来的好处
• 如何使用 pyinstaller 将 Python 脚本转换为可执行文件——对于熟悉命令行操作的用户，这是一个很好的工具。
• 如何使用 auto-py-to-exe 将 Python 脚本转换为可执行文件——它提供图形用户界面（GUI），可配置可执行文件的创建方式。

在 DataCamp 的 Associate Data Scientist with Python 职业路径中，了解更多如何利用 Python 开展数据科学工作。