Python虚拟环境

• 不同项目可能使用的python版本不一样

• 不同项目使用的第三方包的版本可能也不一样

一、Python版本管理

brew install pyenv                                         # 使用 Homebrew 安装（macOS） 
curl https://pyenv.run | bash                              # 安装脚本（Linux 或没有 Homebrew）
# 或者手动安装（参考 https://github.com/pyenv/pyenv ）

# 设置 shell 环境变量（在 ~/.bashrc / ~/.zshrc 中添加以下内容）
export PATH="$HOME/.pyenv/bin:$PATH"
eval "$(pyenv init --path)"
eval "$(pyenv init -)"

pyenv install 3.10.13                                      # 安装 Python 3.10.13
pyenv install 3.9.18                                       # 安装 Python 3.9.18
pyenv versions                                             # 列出当前系统中通过 pyenv 安装和管理的所有 Python 版本，以及当前处于激活状态的版本。
pyenv version                                              # 显示当前 shell 的 Python 版本
pyenv global 3.10.13                                       # 设置为全局默认版本
pyenv global system                                        # 恢复为系统默认 Python
pyenv shell 3.9.18                                         # 设置当前 shell 会话的 Python 版本（临时）仅当前会话有效
pyenv local 3.9.18                                         # 设置指定目录的 Python 版本（项目级）在项目目录下创建 .python-version 文件，指定版本
pyenv uninstall 3.9.18                                     # 卸载指定版本的 Python
pyenv doctor                                               # 使用 pyenv-doctor 插件检查安装状态
pyenv rehash                                               # 刷新；如果切换 Python 版本后，仍然找不到版本

二、虚拟环境管理

2.0、常用国内镜像源

• 清华大学：https://pypi.tuna.tsinghua.edu.cn/simple

• 阿里云：https://mirrors.aliyun.com/pypi/simple

• 中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple

• 华中理工：https://pypi.hustunique.com/simple

• 豆瓣：https://pypi.douban.com/simple

2.1 使用 Python自带的 venv 管理

### 1. 虚拟环境的创建与激活
python -m venv .venv                                  # 创建虚拟环境，目录为 .venv（推荐命名），适用于 macOS/Linux/Windows
python3.9 -m venv .venv                               # 使用指定版本的 Python 创建环境（系统中需已安装该版本）
source .venv/bin/activate                             # 激活虚拟环境（macOS/Linux）
which python                                          # 确认是否进入虚拟环境（macOS/Linux）

.venv\Scripts\activate                                # 激活虚拟环境（Windows）
where python                                          # 确认是否进入虚拟环境（Windows）

deactivate                                            # 退出虚拟环境
rm -rf .venv                                          # 删除虚拟环境（直接删除对应目录即可）
# 建议：项目中使用 git 时应将 .venv 添加进 .gitignore 文件中，以避免提交本地环境依赖


### 2. 包的安装、管理与升级
pip install package_name                              # 安装指定包
pip install package_name==1.0.0                       # 安装指定版本
pip install -U package_name                           # 升级包到最新版（等价于 --upgrade）
pip install -qU package_name                          # 升级包并静默输出（quiet 模式）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name     # 指定安装源（如清华镜像）
pip install "fastapi[standard]"                       # 安装附带额外可选依赖的包（extra requirements）安装 fastapi 的同时还会安装名为 standard 的额外依赖（是一个列表，列表中有多个依赖包），具体有哪些可以在包对应的 GitHub 仓库的 pyproject.toml 文件中查看；pyproject.toml 文件中都有什么？详见这里 pyproject.toml
python -m pip install --upgrade pip                   # 升级 pip（解决许多依赖问题的通用方式）


### 3. 包信息查看与管理
pip list                                              # 查看当前环境已安装的所有包
pip list --outdated                                   # 列出所有有可更新版本的包
pip index versions requests                           # 查看某包可用的所有版本（需 pip ≥ 21.2）
pip index versions requests -i https://pypi.tuna.tsinghua.edu.cn/simple   # 查看指定源中有哪些版本
pip show package_name                                 # 查看某个已安装包的详细信息（路径、版本、依赖等）


### 4. 环境迁移与兼容建议
pip freeze > requirements.txt                         # 导出当前环境下已安装的包及版本，供部署使用
pip install -r requirements.txt                       # 根据 requirements.txt 批量安装依赖包
pip install wheel setuptools                          # 安装构建工具，避免某些包安装失败
# pip 不支持直接解析 Conda 的 yml 文件，建议在纯 pip 项目中使用 requirements.txt 管理依赖

# 第三方依赖导出 pipreqs（根据项目中实际导入的 Python 模块 自动生成 requirements.txt；生成最小依赖集（只含项目实际用到的））
# 安装
pip install pipreqs
# 导出
pipreqs ./ --encoding='utf-8' --force --scan-notebooks                      # --scan-notebooks 参数针对.ipynb 文件
pipreqs ./ --encoding='utf-8' --force --ignore .history --scan-notebooks    # 扫描时建议忽略 .history 文件，否则容易导致报错
pipreqs ./ --encoding='utf-8' --force --ignore .history,venv,env            # # 忽略多个文件夹
pipreqs ./ --encoding='utf-8' --force --ignore ".history,venv,env,__pycache__,logs,data"
"""
./：表示扫描当前目录（默认只会扫描.py文件），
--encoding：生成文件的编码方式
--force 强制执行，目录下已经存在requirements.txt时覆盖
--scan-notebooks：扫描 .ipynb 文件
"""

2.2、 使用conda管理

conda安装

• 首次安装：‣

• 更新 conda：conda update -n base -c defaults conda
• conda update：表示“更新某个包”
• -n base：指定更新的是 base 环境（conda 默认安装环境）
• -c defaults：使用 defaults 频道（Anaconda 官方默认源）
• conda：要更新的包，这里是 conda 自己（即更新 conda 管理器本体）

多版本切换

conda使用

### 1.虚拟环境的创建与激活
conda create -n envname                               # 可能会创建空的环境（没有python，没有其他包），
conda create -n envname python=3.9.0                  # 指定python版本；创建虚拟环境时最好先指定python的版本，不然默认最新版本
conda create -n envname python=3.9.0 -y               # 指定python版本；并自动确认安装过程；
conda create -n envname python=3.9.0 -c conda-forge   # -c 新增安装包时的搜索通道，conda-forge是一个常用的第三放通道
conda env create -f environment.yml                   # 根据 yml 文件创建一个新的 Conda 虚拟环境，并自动安装文件中指定的所有依赖。
		# yml 文件内容如下：name（新环境的名称）、channels（使用的 Conda 仓库源）、dependencies（要安装的包及版本）
conda activate envname                                # 激活（进入）指定的虚拟环境
conda deactivate                                      # 退出当前虚拟环境，不用加虚拟环境名字
conda remove -n envname --all                         # 删除一个已有环境
# arm64的mac不能安装3.8之前的python虚拟环境（镜像源中没有3.7之前的python包，换其他源也没有）


### 2. 包的安装和更新
conda install numpy                                   # 安装一个包
conda install python=3.10.16                          # 更改Python 版本
conda install numpy=1.21.0                            # 安装一个指定版本的包；也可以用来更新或倒退到指定版本
conda install -n envname numpy                        # 指定虚拟环境安装一个包
conda install -y --file requirements.txt              # （不推荐）批量安装txt文件中的包，并自动确认；Conda 会尽可能使用 conda 仓库中的包，但如果包是 pip 专属的，可能会出错
conda update numpy                                    # 更新单个包到最新版本
conda update --all                                    # 更新所有已安装包到最新版本
conda list | grep numpy                               # 查看当前安装的numpy版本
conda search --outdated                               # 检查已安装包的可更新的所有版本
	- search会列出版本号和构建号，不用纠结构建号，直接安装想要的版本即可。
	- 如果想精确使用构建号安装：conda install pytorch==2.3.1=gpu_mps_py39h7b7e308_100 -c pkgs/main
conda search numpy                                    # 查找可用的numpy信息


### 3. 环境导出与迁移
conda env export > environment.yml                    # 将当前环境导出为 yml 文件（包括包及版本）
conda list --export > requirements.txt                # 将当前环境导出为纯文本格式（每行一个包=版本），适用于conda install -f
conda env export --no-builds > environment.yml        # 忽略构建号导出，提升兼容性
conda env update --file environment.yml               # 使用 yml 文件更新已有环境（自动添加/更新缺失包）
conda env remove -n envname                           # 删除环境（同 remove --all 效果）


### 4. 查看、配置、管理通道
conda config --show                                   # 查看当前 conda 配置
conda config --add channels conda-forge               # 添加 conda-forge 通道（优先级靠后）
conda config --set channel_priority strict            # 设置严格通道优先级（推荐，避免包冲突）
conda config --remove channels conda-forge            # 移除已添加的通道


### 5. 其他命令
conda info -e                                         # 查看所有虚拟环境
conda env list                                        # 查看所有虚拟环境
conda list                                            # 查看当前环境下已安装的所有包
conda list -n envname                                 # 查看某个指定环境的已安装的所有包
conda create -n new_name --clone old_name             # 克隆一个虚拟环境；常用在环境备份、虚拟环境重命名（克隆之后删除原环境）
conda clean --all                                     # 用于清理 conda 缓存的命令；当遇到包安装问题时、当需要解决包冲突时
conda clean --index-cache                             # 只清理索引缓存
conda clean --packages                                # 只清理未使用的包
conda clean --tarballs                                # 只清理压缩包缓存
conda clean --lock                                    # 只清理锁定文件
conda install somepkg --dry-run                       # 预演安装过程，不真正安装，可提前发现冲突
conda create -n testenv python=3.10 somepkg --dry-run # 预演新环境创建，查看冲突信息

# 永久配置 Conda 使用清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk
conda config --set show_channel_urls true
conda info

2.3、使用poetry管理

### 1. 安装与初始化项目

# 安装 poetry（推荐使用官方脚本）
curl -sSL https://install.python-poetry.org | python3 -                # 安装最新版
# 或手动安装：参考 https://python-poetry.org/docs/#installation
poetry --version                                                       # 查看 Poetry 版本
poetry self update                                                     # 更新 poetry 本体

# 初始化项目并创建 pyproject.toml
poetry init                                                            # 交互式初始化，通常针对已有的项目；只会创建 pyproject.toml 文件，不会生成其他目录结构。
poetry new myproject                                                   # 创建一个带基本结构的新项目（myproject/）
# - 自动生成标准的 Python 项目结构
			project_name/
			├── pyproject.toml      # Poetry 的项目配置文件，包含项目信息和依赖
			├── README.md          # 项目说明文档
			├── project_name/      # 源代码目录
			│   └── __init__.py   # Python 包初始化文件
			└── tests/            # 测试目录
			    └── __init__.py   # 测试包初始化文件
# - 创建 pyproject.toml 文件，包含：
      - 项目基本信息（名称、版本、描述等）
      - Python 版本要求
      - 依赖管理配置
# - 初始化 Git 仓库（如果目录中没有）

# 在已有项目中启用 poetry 管理（自动创建虚拟环境）
poetry install                                                 # 根据 pyproject.toml 安装依赖并创建虚拟环境
poetry shell                                                   # 激活 Poetry 自动创建的虚拟环境
deactivate                                                     # 退出虚拟环境（标准方式）
poetry env list                                                # 查看所有关联虚拟环境
poetry env info                                                # 查看当前项目虚拟环境详细信息
poetry env use python3.10                                      # 为当前项目指定 Python 版本（需要该版本已安装）
poetry env remove <env-path-or-name>                           # 删除某个环境


### 2. 添加、管理依赖
poetry add requests                                            # 添加普通依赖包，自动写入 pyproject.toml
poetry add requests@^2.25                                      # 添加指定版本依赖（支持语义版本：^、~、>=）
poetry add "fastapi[all]"                                      # 添加 fastapi 及其 extra 依赖（如 async、httpx）
poetry remove requests                                         # 移除依赖包，更新 pyproject.toml 和 lock 文件
poetry update                                                  # 更新所有依赖
poetry update numpy                                            # 更新指定依赖
poetry lock                                                    # 手动重新生成 poetry.lock 文件


### 3. 开发依赖、测试依赖
poetry add --dev black                                         # 添加开发依赖（仅开发中使用）
poetry add --group test pytest                                 # 添加 test 分组依赖（Poetry ≥1.2 支持）
poetry install --with test                                     # 安装包括 test 分组依赖
poetry install --without dev                                   # 安装时排除开发依赖
poetry install --only main                                     # 只安装主依赖


### 4. 发布与构建包
poetry build                                                   # 构建源码包（.tar.gz）和 wheel 包（.whl）
poetry publish                                                 # 发布到 PyPI（需要设置 token）
poetry config pypi-token.pypi your-token                       # 配置 PyPI 的 API token（用于自动发布）
poetry config repositories.<name> <url>                        # 添加其他 PyPI 镜像源（如私有源）
# 示例：使用清华源安装依赖
poetry config repositories.tuna https://pypi.tuna.tsinghua.edu.cn/simple
poetry add numpy --source tuna                                 # 指定从 tuna 镜像源安装 numpy


### 5. 常用设置与信息查看
poetry show                                                    # 查看项目中安装的所有依赖
poetry show --tree                                             # 以依赖树形式显示依赖关系
poetry show requests                                           # 查看某个包的详细信息
poetry run python script.py                                    # 在 Poetry 环境中运行 Python 脚本
poetry run pytest                                              # 在虚拟环境中执行 pytest
poetry run jupyter notebook                                    # 启动 Jupyter（需先 add jupyter）
# 在 pyproject.toml 中配置 scripts
# 如：在 [tool.poetry.scripts] 中添加：
# greet = "mypkg.scripts:greet"
poetry run greet                                               # 执行自定义命令


### 6. 清理缓存和锁文件
poetry cache clear pypi --all                                  # 清理 PyPI 缓存
poetry config --list                                           # 查看所有配置
poetry config virtualenvs.in-project true                      # 设置虚拟环境保存在项目根目录的 `.venv` 中
poetry check                                                   # 检查 pyproject.toml 是否有效
# 彻底删除 lock 文件并重装
rm poetry.lock && poetry install


### 7. 导出依赖为 requirements.txt（例如部署到不支持 Poetry 的环境）
poetry lock                                                    # 手动生成或更新 poetry.lock，记录精确版本
poetry export -f requirements.txt --output requirements.txt    # 导出为标准 pip 格式
poetry export -f requirements.txt --without-hashes > req.txt   # 无 hash 导出，便于兼容某些平台
poetry export -f requirements.txt --dev > dev-requirements.txt # 包括开发依赖一并导出
# 用 pip 安装导出的 requirements.txt（迁移到非 Poetry 项目中）
pip install -r requirements.txt
# 迁移已有 pip 项目到 Poetry（将 requirements.txt 转为 Poetry 管理）
poetry init                                                    # 初始化 pyproject.toml（交互式选择依赖）
poetry add $(cat requirements.txt)                             # 自动读取并添加依赖（不推荐太多依赖时用）
poetry install                                                 # 自动还原完整依赖和虚拟环境
poetry install --no-dev                                        # 仅安装主依赖，跳过 dev 依赖

2.4、使用 uv 管理

• 新项目： 强烈建议使用 uv init 初始化项目，然后使用 uv add 来管理你的项目依赖。这会让你充分利用 uv 的项目管理功能，确保依赖声明清晰、锁定精确，并简化后续的维护和部署。

• 现有 pip 项目迁移： 如果你的项目目前使用 requirements.txt 和 pip，你可以逐步过渡。一开始，你可以直接用 uv pip install -r requirements.txt 来替代 pip install -r requirements.txt 以获得速度优势。如果你想拥抱 pyproject.toml 的声明式管理，可以考虑使用 uv init 创建 pyproject.toml，然后将 requirements.txt 的内容迁移到 pyproject.toml，并使用 uv add。

### 安装
curl -Ls https://astral.sh/uv/install.sh | sh               # 安装 uv（适用于 Linux/macOS）
pipx install uv                                             # 安装 uv（推荐使用 pipx 安装，确保 uv 在独立环境中）
uv --version                                                # 查看 uv 版本


### 创建与管理虚拟环境
uv init                                                     # 在当前路径初始化项目；初始化会创建pyproject.toml、.python-version、README.md、main.py
uv init dirname                                             # 指定一个已经存在的目录进行初始化；如果目录是空的则会成功创建基本的项目结构；如果目录不为空则会继续初始化但不覆盖文件；如果目录不存在则会创建
uv venv                                                     # 当前目录下创建 .venv 虚拟环境（默认使用当前 Python 版本）
uv venv -p 3.10.0                                           # 创建时指定 Python 版本（如果未安装，uv 会自动下载并安装），需要指定完整版本号
uv venv --python=3.10.0                                     # 同上，创建时指定 Python 版本
uv venv --system-site-packages                              # 创建环境时允许访问系统级包
rm -rf .venv                                                # 删除当前目录下的 .venv 虚拟环境  
source .venv/bin/activate                                   # 激活虚拟环境（Linux/macOS）
./.venv/Scripts/activate                                    # 激活虚拟环境（Windows PowerShell）


### 安装源管理
uv pip install <包名> --index-url <镜像地址>                  # 临时使用源
uv pip install numpy --index-url https://pypi.tuna.tsinghua.edu.cn/simple                   # 使用清华源安装
uv pip install -U 'mostlyai[local]' --index-url https://pypi.tuna.tsinghua.edu.cn/simple    # 使用清华源安装并升级带 extras 的包


### Python版本管理
uv python install                                           # 安装最新版本的 Python
uv python install 3.10                                      # 安装 Python 3.10 的最新稳定版本；如果该版本已存在，默认不会重新下载或更新
uv python install 3.10 --reinstall                          # 重新安装 Python 3.10
uv python install [email protected]                                  # 安装 PyPy 3.9
uv python install 3.10 3.11 3.12                            # 一次性安装多个版本
uv python list                                              # 列出已安装的 Python 版本
uv python pin 3.10                                          # 将当前项目的 Python 版本锁定到 3.10；这会在当前目录创建或更新一个 .python-version 文件，内容为 3.10。
uv python pin --global 3.11   # 全局设置一个默认版本
# 现代 Python 项目通常使用 pyproject.toml 文件来管理项目元数据和依赖。你可以在 pyproject.toml 中通过 requires-python 字段指定兼容的 Python 版本范围
```pyproject.toml
[project]
name = "my-awesome-app"
version = "0.1.0"
description = "A simple Python application"
requires-python = ">=3.9,<3.13" # 指定兼容 Python 3.9 到 3.12 的版本
```


### 安装和更新依赖（uv 管理方式）
uv pip install：临时安装（不修改依赖文件pyproject.toml 或 requirements.txt），适用快速测试某个包；一般会安装最新的版本；
uv add：正式添加为依赖把依赖写入项目的 pyproject.toml 文件中（推荐用于项目开发）；会根据pyproject.toml 文件的版本安装；一般推荐使用 uv add，不建议混用

## uv pip install 和 uv add 的通用选项
--verbose / --quiet                                         # 控制输出的详细程度。
--color                                                     # 控制是否启用彩色输出。
--cache-dir <PATH>                                          # 指定缓存目录。
--no-cache                                                  # 禁用缓存。
--index-url <URL>                                           # 指定 PyPI 镜像源或私有包仓库。
--extra-index-url <URL>                                     # 指定额外的 PyPI 镜像源。
--python <PATH>                                             # 指定要使用的 Python 解释器路径或版本（例如 uv --python 3.10 pip install requests）。
--system                                                    # 指示 uv 使用系统 Python 环境（通常不推荐，用于特殊情况）。
--no-build-isolation                                        # 禁用构建隔离（用于处理某些复杂包的构建问题）。
--break-system-packages                                     # 允许在系统 Python 环境中安装可能导致冲突的包（仅在 CI/容器中谨慎使用）。

uv add requests                                           # 添加 requests 为项目核心依赖，写入 pyproject.toml 并自动安装；add 命令如果没有虚拟环境会自动创建一个再安装包
uv add "requests==2.30.0"                                 # 添加指定版本的依赖
uv add "numpy>=1.20,<1.25"                                # 添加指定版本范围的依赖
uv add "mcp[cli]"                                         # 添加带 extras 的包
uv add "httpx @ git+https://github.com/encode/httpx"      # 添加 VCS URL 依赖（在 pyproject.toml 中声明）
uv add pytest --group dev                                 # 将 pytest 添加到 dev 依赖组
uv add requests --dev                                     # 快捷方式，等同于 --group dev，添加开发依赖
uv add torch --index pytorch=https://download.pytorch.org/whl/cpu # 添加依赖并指定自定义索引源
uv add numpy pandas                                       # 添加多个依赖（uv add 默认会更新锁文件和环境）
uv add requests --optional --features=console             # 添加为可选依赖，并指定 feature 名称
uv add -e ./my_package                                    # 添加本地包为可编辑模式依赖
uv add requests --no-install                              # 只写入 pyproject.toml，不执行安装
uv add "requests[standard]" --pre                         # 添加预发布版本的标准扩展（如果包有预发布版本）
uv add requests --source https://pypi.tuna.tsinghua.edu.cn/simple # 添加依赖并指定源（会写入 pyproject.toml 的 [tool.uv.sources]）
uv remove requests                                        # 卸载 requests 并从 pyproject.toml 中删除
uv remove requests --lock                                 # 卸载后自动更新 uv.lock 文件

uv pip install fastapi                                    # 安装一个包（语法同 pip，但速度更快）
uv pip install fastapi==0.104.1                           # 安装精确版本的包
uv pip install "numpy>=1.20,<1.25"                        # 安装指定范围内最新版本的包
uv pip install "pandas>=2.0.0rc0"                         # 安装最新的高于 2.0.0rc0 的稳定或预发布版本
uv pip install "requests[security]"                       # 安装附加可选依赖（如 extras）
uv pip install "langflow[deploy,local,postgresql]"        # 安装多个额外的可选依赖
uv pip install ./my_local_package                         # 安装本地目录下的包
uv pip install "git+https://github.com/org/repo.git#egg=packagename" # VCS URL 安装（可以通过 --tag, --branch, --rev 指定 Git 引用）
uv pip install "git+ssh://[email protected]/org/repo.git@branch_name#egg=packagename" # SSH 方式的 VCS URL 安装
uv pip install "https://example.com/packages/my_package-1.0.0.tar.gz" # 直接 URL 安装
uv pip install .                                          # 安装当前目录（本地项目包）
uv pip install -e .                                       # 安装为可编辑模式（开发中包）
uv pip install -U                                         # 升级所有当前虚拟环境中已安装的包到它们的最新兼容版本
uv pip install --upgrade                                  # 同上
uv pip install -U fastapi                                 # 更新指定包 fastapi 到最新版（并可能升级其依赖）
uv pip install ./my_package.whl --no-deps                 # 安装 wheel 包但不安装其依赖
uv pip install requests -t ./libs                         # 将包安装到指定目录，而不是虚拟环境
uv pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask # 使用国内清华镜像源临时安装 flask
uv pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple pandas # 同上，使用清华镜像源临时安装 pandas
uv pip install --pre transformers                         # 允许安装预发布版本
uv pip install --python 3.10 requests                     # 在 Python 3.10 环境中安装 requests
uv pip download numpy                                     # 仅下载包，不安装
uv pip check                                              # 检查依赖是否有冲突或不兼容
uv pip list                                               # 查看已安装的包
uv pip list --outdated                                    # 查看可更新的包
uv pip show fastapi                                       # 显示包的元信息
uv pip uninstall fastapi                                  # 卸载某个包
uv pip uninstall -y numpy pandas                          # 卸载多个包（自动确认）
uv pip freeze > requirements.txt                          # 生成当前环境下的依赖列表
uv pip install -r requirements.txt                        # 从 requirements.txt 文件中批量安装依赖
uv pip install --force-reinstall                          # 强制重新安装所有包，即使它们已经存在且版本匹配


### 依赖锁定（uv 的亮点功能之一）
uv pip compile pyproject.toml                             # 从 pyproject.toml 锁定依赖，生成 requirements.txt（兼容 pip-tools）
uv pip compile --all-extras                               # 锁定所有可选依赖
uv pip compile --without-urls                             # 生成的锁定文件中不包含 VCS URL 信息（用于更兼容不同平台或环境）
uv pip sync                                               # 根据 uv.lock 或 requirements.txt 同步环境，确保环境一致（类似 pip-sync）
uv pip check                                              # 检查依赖是否有冲突或不兼容
# uv 会自动识别 poetry、pipenv、requirements.txt 等主流格式并加速安装。


### 运行与环境管理
uv run main.py                                              # 自动检测 uv 管理下该项目对应的 Python 解释器执行脚本
uv run python main.py                                       # 使用uv 管理下的 Python 解释器执行脚本
uv run python -c "print('hello uv')"                        # 直接用 -c 在终端执行 Python 代码
uv run pytest tests/                                        # 在虚拟环境中运行 pytest 测试
uv run -- python -m http.server                             # 分隔符：告诉 uv run，-- 之后是要执行的原始命令，不是 uv run 的参数；使用 Python 启动内置的 HTTP 服务器，默认端口为 8000，共享当前目录内容
which python                                                # 查看当前激活的 python 路径，确认是否为 uv 环境
uv --directory /Desktop/weather run weather.py              # 先切换工作目录再执行脚本
# 在运行脚本时如果不指定 Python，则判断流程如下：
# 1、如果项目目录中有.venv文件夹（即 uv venv 创建过的环境）：使用该虚拟环境中的 Python 解释器；
# 2、如果目录中存在 pyproject.toml 且包含 [tool.uv] 或 [project] 等配置：uv 会根据该配置解析环境（或创建临时虚拟环境）
# 3、uv 会使用它默认缓存/管理的 Python 版本（从 uv 的缓存中调出），而不是系统的全局 Python


### 其他常用命令
uv sync                                                     # 同步 pyproject.toml 或 requirements.txt 中的依赖；如果当前项目还没有创建虚拟环境则会自动创建
uv pip cache info                                           # 查看缓存信息
uv pip cache remove numpy                                   # 清理某个包的缓存
uv pip cache purge                                          # 清除所有 pip 缓存
# 若与系统原生 pip 冲突，可在项目中始终用 `uv pip` 替代 `pip` 命令


### uv 管理命令行工具
uv tool install pytest                                      # 在全局安装 pytest 工具
uv tool uninstall pytest                                    # 在全局安装 pytest 工具


### 临时虚拟环境
uvx pytest                                                  # 创建一个临时的虚拟环境运行 pytest 工具
uv init --script main.py                                    # 在脚本代码最前面添加环境相关的元数据，依赖信息和 Python 版本，
uv run main.py                                              # 识别环境相关的元数据，创建一个临时的虚拟环境，然后安装元数据中的依赖，然后执行脚本

2.5、对比总结和其他

依赖锁定

• 避免“今天能跑，明天挂了”的问题（上游库版本变化造成冲突或不兼容）。

• 确保开发、测试、生产环境一致。

• 容易重现历史版本行为（如回滚 bug）。

对比总结

总结建议

• 用 conda 管环境（特别是非 Python 的库），是科学计算和跨平台部署的主力。

• 用 poetry 管理项目、构建、版本、依赖，一体化最强。

• 用 uv 提速安装/编译过程，是 pip 的超级加速版，非常适合替代 pip-tools、pip 本身。

• 多数项目可以组合使用：poetry + uv + pyenv（或 conda 环境） 是目前比较推荐的现代开发组合。

三、虚拟环境使用

3.1、在 vscode 中如何选择虚拟环境

• command + shift + P

• python:select interpreter

• 选择特定虚拟环境

3.2、在 vscode 中显示双层虚拟环境

# 关闭 conda 的自动激活
conda config --set auto_activate_base False

3.3、ohmyzsh 中不显示 conda 环境名称的问题

echo $ZSH_THEME                # 查看主题名称
ls ~/.oh-my-zsh/themes         # 找到对应的主题文件名称

vim ~/.oh-my-zsh/themes/agnoster.zsh-theme     # 以agnoster为例

# 修改 AGNOSTER_PROMPT_SEGMENTS 数组
typeset -aHg AGNOSTER_PROMPT_SEGMENTS=(
    prompt_conda                # 添加这一行
    prompt_status
    prompt_context
    prompt_virtualenv
    prompt_dir
    prompt_git
    prompt_end
)

# ... 其他代码保持不变 ...

# 在 prompt_virtualenv 函数后添加 prompt_conda 函数
# Display current conda environment
prompt_conda() {
  if [[ -n $CONDA_DEFAULT_ENV ]]; then
    color=blue
    prompt_segment $color $PRIMARY_FG
    print -Pn " ($CONDA_DEFAULT_ENV) "
  fi
}

# ... 其他代码保持不变 ...