Condaとuvで柔軟かつ効率的なPython環境管理を実現する

背景

Pythonプロジェクトは多岐にわたり、データ分析・機械学習からWeb開発や小規模なツールスクリプトまで、その用途によってPythonバージョンや環境の分離、依存関係管理の要件が異なります。シンプルなプロジェクトではpipだけで依存関係を管理できますが、プロジェクトの規模や複雑さが増すにつれ、バージョンの衝突や環境の肥大化といった問題が顕在化します。

例えば、データサイエンス系のプロジェクトは巨大な機械学習ライブラリ（TensorFlowやPyTorchなど）に依存することが多く、安定した環境分離が必要です。一方、Web開発や軽量なスクリプトプロジェクトでは、素早く柔軟な依存管理やPythonバージョンの切り替えが重視されます。従来のcondaは強力ですが、環境サイズが数GBにもなりがちで、やや重すぎる印象です。そこで、私は環境管理の方法を見直し、Condaとuvの組み合わせを採用し、従来のconda-pyenv-poetry構成を置き換えて、より効率的かつ軽量なPython環境管理を実現しました。

私の方針は以下の通りです：

Conda：データサイエンスや機械学習プロジェクト向けに、しっかり分離された重量級仮想環境を提供し、類似プロジェクト間で環境を共有してディスク容量を節約
uv：一般的なプロジェクト向けに、素早く独立した仮想環境を提供し、柔軟なPythonバージョン管理と依存ロックをサポート

Conda

Condaは、もともとPythonのデータサイエンスプロジェクト向けに設計されたオープンソースのパッケージ・環境管理システムですが、現在はRやNode.js、Javaなど多くの言語もサポートしています。Anaconda社によって開発され、データサイエンス・機械学習・科学計算分野で広く利用されています。

仮想環境の分離：Condaは完全に分離された仮想環境を作成でき、依存関係の衝突を防ぎ、複雑な科学計算ライブラリの管理に最適です
依存関係の自動解決：pipよりも強力な依存解決機能を持ちます
多言語対応：Pythonだけでなく、RやJuliaなど他言語の依存管理も可能

インストールと設定

Miniforgeの利用を推奨します。これはconda-forgeチャンネル向けの軽量なCondaディストリビューションで、以下の特徴があります：

デフォルトでコミュニティ主導のconda-forgeリポジトリを利用し、公式よりも豊富かつ最新のパッケージを提供
mamba（高速なConda互換ツール）を同梱し、パッケージ解決・インストールを高速化

設定の最適化：

# base環境の自動有効化を無効化し、他のPython環境への干渉を防ぐ
conda config --set auto_activate_base false

# Condaのインストール確認
conda --version
mamba --version

注意：Windowsでは、CondaのPATH優先度がuvのPythonパスより低くなるようにしてください。バージョン衝突を防ぐため、システムPATHの順序を調整し、uvのパスをCondaより前に配置します。

uv

uvはRust製の最新Pythonパッケージマネージャーで、Pythonバージョン管理・仮想環境作成・依存管理を一体化し、PyenvやPoetryなど従来ツールよりも圧倒的なパフォーマンスを誇ります。主な特徴は以下の通りです：

🚀 1つのツールでpip、pip-tools、pipx、poetry、pyenv、twine、virtualenvなどを置き換え可能
⚡️ pipの10～100倍の速度
🗂️ プロジェクト管理機能と共通ロックファイルを提供
❇️ スクリプト実行時にインライン依存メタデータをサポート
🐍 Pythonバージョンのインストール・管理
🛠️ Pythonパッケージとして配布されるツールの実行・インストール
🔩 pip互換インターフェースで、慣れ親しんだCLIを高速化
🏢 Cargo風のワークスペース対応で大規模プロジェクトにも最適
💾 ディスク効率が高く、依存キャッシュによる重複排除
⏬ RustやPython不要でcurlまたはpipからインストール可能
🖥️ macOS、Linux、Windows対応

インストールと設定

UVのインストール：

Windowsの場合、PowerShellでインストール：

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

Ubuntuや他のLinuxの場合：

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

インストール確認：
```
uv --version
```

UVの設定：

グローバルなPythonバージョンの設定：

uv python install 3.11  # Python 3.11をインストール
uv python pin 3.11      # デフォルトバージョンを設定

プロジェクトごとのPythonバージョン指定：
```
cd my-project
uv python pin 3.10      # このプロジェクトはPython 3.10を使用
```
これにより、プロジェクトディレクトリに.python-versionファイルが生成され、バージョン設定が記録されます。

仮想環境の作成と依存管理：

uv venv                    # 仮想環境を作成
uv add numpy pandas        # 依存パッケージを追加
uv sync                    # 依存関係を仮想環境に同期

依存情報はpyproject.tomlとuv.lockに記録され、一貫性が保たれます。

プロジェクト環境の確認：
```
uv run python -c "import sys; print(sys.executable)"
```
出力はプロジェクトの仮想環境のPythonパス（例：.../my-project/.venv/Scripts/python.exe（Windows））となるはずです。
UVでプロジェクトをビルドしPyPIに公開：
```
uv build
uv publish
```
uvのカスタム設定（uv.toml）例：キャッシュディレクトリやpipインデックスURLの指定。uv.tomlはグローバル（Linux/Macなら~/.config/uv/uv.toml、Windowsなら%APPDATA%\uv\uv.toml）またはプロジェクトディレクトリに配置できます。
```
cache-dir = "/Volumes/Work/Temporary/uv_cache"

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

背景

Conda

インストールと設定

uv

インストールと設定

この記事を楽しみましたか？