使用 Conda 和 uv 实现灵活高效的 Python 环境管理

背景

Python 项目种类繁多，从数据分析、机器学习到 Web 开发和小型工具脚本，每类项目对 Python 版本、环境隔离和依赖管理的需求各异。简单的项目可能仅需 pip 管理依赖，但随着项目规模扩大或复杂度增加，版本冲突和环境膨胀问题逐渐显现。

例如，数据科学项目常依赖庞大的机器学习库（如 TensorFlow 或 PyTorch），需要稳定的环境隔离；而 Web 开发或轻量级脚本项目则更注重轻便、快速的依赖管理和灵活的 Python 版本切换。传统的 conda 虽然功能强大，但其环境体积动辄数 GB，显得过于臃肿。基于此，我优化了环境管理方案，采用 Conda 和 uv 组合，取代了原有的 conda-pyenv-poetry 组合，以实现更高效、轻量的 Python 环境管理。

我的目标是：

Conda：为数据科学和机器学习项目提供隔离良好的重量级虚拟环境，允许多个相似项目共享环境以节省空间
uv：为常规项目提供快速、独立的虚拟环境，并支持灵活的 Python 版本管理和依赖锁定

Conda

Conda 是一个开源的包管理和环境管理系统，最初是为 Python 数据科学项目设计的，但现在已经支持多种编程语言（如 R、Node.js、Java 等）。它由 Anaconda 公司开发，广泛用于数据科学、机器学习和科学计算领域。

虚拟环境隔离：Conda 创建完全隔离的虚拟环境，避免依赖冲突，适合管理复杂的科学计算库
依赖自动解析：相比 pip，Conda 的依赖解析更加强大
多语言支持：不仅限于 Python，还可管理 R、Julia 等语言的依赖

安装与配置

推荐使用 Miniforge，这是针对 conda-forge 频道的轻量级 Conda 发行版，预设以下功能：

默认使用 conda-forge 由社区维护的开源软件仓库，提供了比默认 Conda 渠道更丰富、更新更频繁的包。
提供 mamba，一个更快的 Conda 替代品，加速包解析和安装。

配置优化：

# 禁用 base 环境自动激活，避免干扰其他 Python 环境
conda config --set auto_activate_base false

# 验证 Conda 安装：
conda --version
mamba --version

注意：在 Windows 上，确保 Conda 的 PATH 优先级低于 uv 提供的 Python 路径，以避免版本冲突。可以在系统 PATH 中调整顺序，将 uv 的路径置于 Conda 之前。

uv

uv 是一个用 Rust 编写的现代 Python 包管理器，集成了 Python 版本管理、虚拟环境创建和依赖管理的功能，性能远超 Pyenv 和 Poetry 等其他工具。其核心优势包括：

🚀 一个工具即可替代 pip、pip-tools、pipx、poetry、pyenv、twine、virtualenv 及更多。
⚡️ 比 pip 快 10-100 倍
🗂️ 提供全面的项目管理，并配备通用锁文件
❇️ 运行脚本，支持内联依赖元数据
🐍 安装和管理 Python 版本
🛠️ 运行和安装作为 Python 包发布的工具
🔩 包含一个与 pip 兼容的接口，通过熟悉的 CLI 提升性能
🏢 支持 Cargo 风格的工场，适用于可扩展项目
💾 磁盘空间高效，具有全局缓存用于依赖项去重
⏬ 可通过 curl 或 pip 无 Rust 或 Python 进行安装
🖥️ 支持 macOS、Linux 和 Windows

安装与配置

安装 UV：

在 Windows 上，使用 PowerShell 安装：

Invoke-WebRequest -Uri "https://astral.sh/uv/install.ps1" -OutFile "install.ps1"; .\install.ps1

在 Ubuntu 或其他 Linux 系统上：

curl -LsSf https://astral.sh/uv/install.sh | sh

验证安装：
```
uv --version
```

配置 UV：

设置全局 Python 版本：

uv python install 3.11  # 安装 Python 3.11
uv python pin 3.11      # 设置全局默认版本

为项目指定 Python 版本：
```
cd my-project
uv python pin 3.10      # 项目使用 Python 3.10
```
这会在项目目录下生成 .python-version 文件，记录版本设置。

创建虚拟环境并管理依赖：

uv venv                    # 创建虚拟环境
uv add numpy pandas        # 添加依赖
uv sync                    # 同步依赖到虚拟环境

依赖信息记录在 pyproject.toml 和 uv.lock 中，确保一致性。

验证项目环境：
```
uv run python -c "import sys; print(sys.executable)"
```
输出应为项目虚拟环境的 Python 路径，例如 .../my-project/.venv/Scripts/python.exe（Windows）。
使用 UV 打包项目并发布到 PyPI：
```
uv build
uv publish
```
自定义 uv 配置（uv.toml），例如设置自定义缓存目录或配置 pip 索引 URL，创建一个 uv.toml 文件。此文件可以放在全局位置（例如 Linux/Mac 上的~/.config/uv/uv.toml 或 Windows 上的%APPDATA%\uv\uv.toml），或放在项目目录中以进行项目特定的设置。
```
cache-dir = "/Volumes/Work/Temporary/uv_cache"

[[index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true
```

背景

Conda

安装与配置

uv

安装与配置

Enjoy Reading This Article?