Python开发管理神器--UV 使用教程:从安装到项目管理
itomcoil 2025-04-29 01:21 30 浏览
UV 是一个用 Rust 编写的高效 Python 包和项目管理工具,提供了比传统工具更快的速度和更强的功能。本文将指导你如何使用 UV 从安装到运行一个 Python 项目。
重点:它可以独立安装,可以不依赖python环境,跨平台,即下载即使用。也就是说,可以单独安装,也可以使用PIP来安装。
1. 安装 UV
通过独立安装程序
macOS 和 Linux:
curl -LsSf https://astral.sh/uv/install.sh | sh
Windows:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
##如果出错,也可以使用以下命令安装:
powershell -ExecutionPolicy ByPass -c "irm https://github.com/astral-sh/uv/releases/download/0.5.7/uv-installer.ps1 | iex"
## 或者直接下载可执行文件,放到合适的目录中,即可运行。
https://github.com/astral-sh/uv/releases
通过 PyPI 安装
- 使用 pip:
pip install uv
- 使用 pipx:
pipx install uv
2. 安装 Python
UV 支持快速安装和管理多个 Python 版本:
uv python install 3.10 3.11 3.12
查看已安装和可用的 Python 版本:
uv python list
3. 创建新项目
uv init demo01 && uv add "fastapi>=0.112"
# 运行之后,uv会创建demo01目录,并且会添加fastapi依赖,还会在当前目录下新建虚拟环境.venv
# 会自动新建hello.py文件
cd demo01
uv run python hello.py
# 会打印hello from demo01!
- 修改代码及添加依赖
# 重命名hello.py为main.py,内容修改如下:
import requests
from rich.pretty import pprint
def main():
resp = requests.get("https://peps.python.org/api/peps.json")
data = resp.json()
pprint([(k, v["title"]) for k, v in data.items()][:10])
if __name__ == "__main__":
main()
执行以下命令给main.py添加依赖:
uv add --script main.py requests<3 rich
然后运行此代码:
uv run python main.py
#运行结果类似以下输出:
[
('1', 'PEP Purpose and Guidelines'),
('2', 'Procedure for Adding New Modules'),
('3', 'Guidelines for Handling Bug Reports'),
('4', 'Deprecation of Standard Modules'),
('5', 'Guidelines for Language Evolution'),
('6', 'Bug Fix Releases'),
('7', 'Style Guide for C Code'),
('8', 'Style Guide for Python Code'),
('9', 'Sample Plaintext PEP Template'),
('10', 'Voting Guidelines')
]
另外,如果是使用git下载好的python项目,可使用以下命令来创建虚拟环境并安装pyproject.toml所需要的依赖。
uv sync --reinstall
或者使用以下命令来安装requirements.txt 依赖:
uv pip install -r requirements.txt
以下为简明参考内容:
python 环境相关命令
uv python install:使用 uv 安装 python。如果你的系统上已经安装了 Python,则无需使用该命令安装 Python,uv 能检测并使用安装的 Python。
uv python list:查看可用的或已安装的 Python 版本。
uv init:初始化一个新项目。新项目的目录下会生成 pyproject.toml、.python-version 文件。
uv venv:创建虚拟环境。虚拟环境的默认位置为当前目录的 .venv;与 pip 创建虚拟环境相比,uv 增加了 CACHEDIR.TAG 文件,以便在未来进行备份或归档操作时,不会将虚拟环境目录中的文件备份或归档。
uv add:下载依赖项并添加到项目中。相比于 pip install,uv add 提供了更高层次的自动化,能自动管理虚拟环境和更新 .pyproject.toml 文件。
uv tree:查看项目的依赖关系树。相比于 pip list,uv tree 提供了更详细的依赖关系信息,且能以树状结构展示。
uv remove:从项目中删除依赖项。相比于 pip uninstall,uv remove 提供更智能的依赖管理,在卸载指定包后,还会检测并删除未使用的依赖项。
管理和运行 python 项目命令:
uv run:运行 python 项目或脚本。(在不显式激活虚拟环境的情况下)它能让你在项目的虚拟环境中执行任何命令或脚本。
uv pip:使用与 pip 兼容的接口管理 Python 包。uv pip提供了更简便、自动化的方式来管理依赖和虚拟环境,而原生的 pip 虽然更灵活但却需要开发者管理多个步骤。
uvx:运行 Python 包提供的命令。它是 uv tool run 的简写,能调用 Python 包中的实用工具,并且不会影响当前项目环境,类似于 pipx。
uv export:将项目的锁文件导出为其他格式,如 requirements.txt。
部分内容引用:
https://blog.csdn.net/edwinjhlee/article/details/141997289
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)