uv 常用命令大全:极速 Python 包管理神器

uv 常用命令大全:极速 Python 包管理神器

uv 常用命令大全:极速 Python 包管理神器

在这里插入图片描述

uv 是一个用 Rust 编写的极其快速的 Python 包和项目管理器,旨在替代 pippip-toolsvirtualenvconda 等工具。它由 Astral 公司(创建 Ruff 的公司)开发,并且是 ruff 的"兄弟"工具。

🚀 安装 uv

# macOS 和 Linuxcurl-LsSf https://astral.sh/uv/install.sh |sh# Windows (Powershell) powershell -c"irm https://astral.sh/uv/install.ps1 | iex"

📁 项目初始化

# 初始化一个新的 Python 项目 uv init my-project cd my-project # 在现有项目目录中初始化 uv init 

🔧 虚拟环境管理

# 创建虚拟环境(默认 .venv) uv venv # 指定路径创建 uv venv /path/to/venv # 使用特定 Python 版本 uv venv --python3.11# 激活虚拟环境# Linux/macOSsource .venv/bin/activate # Windows .venv\Scripts\activate # 退出虚拟环境 deactivate 

📦 依赖管理(核心功能)

安装包

# 安装单个包 uv add requests # 安装多个包 uv add requests pandas numpy # 安装指定版本 uv add"django>=4.2, <5.0"# 安装开发依赖 uv add--dev pytest black # 从 requirements.txt 安装 uv pip install-r requirements.txt # 安装当前项目所有依赖 uv install

移除与更新

# 移除包 uv remove requests # 更新单个包 uv update requests # 更新所有包 uv update --all

依赖锁定

# 生成/更新锁文件 uv lock # 根据锁文件精确安装 uv sync

🎯 运行项目

# 运行 Python 脚本 uv run myscript.py # 运行模块 uv run -m pytest # 运行自定义脚本(在 pyproject.toml 中定义) uv run start 

🔍 项目管理

# 查看已安装包 uv pip list # 查看包详情 uv pip show requests # 导出依赖到 requirements.txt uv pip freeze > requirements.txt 

🐍 Python 解释器管理

# 查看可安装的 Python 版本 uv python list # 安装特定版本 uv python install3.11# 使用指定 Python 版本运行 uv run --python3.11 myscript.py 

💡 典型工作流

1. 创建新项目

uv init my-project cd my-project 

2. 添加依赖

uv add requests pandas uv add--dev pytest 

3. 编写代码

在项目目录中创建 Python 文件

4. 运行测试

uv run -m pytest 

5. 锁定依赖(部署准备)

uv lock 

6. 在其他环境同步

git clone your-repo uv sync

⚡ 性能优势

uv 相比传统工具具有显著的速度优势:

  • 比 pip 快 10-100 倍
  • 比 poetry 快 5-50 倍
  • 并行解析和下载依赖
  • 全局缓存机制

🎊 总结

uv 通过统一的命令行接口,将 Python 开发的多个环节整合在一起,提供了:

  • ✅ 极速的包安装
  • ✅ 虚拟环境管理
  • ✅ 依赖解析和锁定
  • ✅ 项目脚本运行
  • ✅ Python 版本管理

无论你是初学者还是经验丰富的开发者,uv 都能显著提升你的 Python 开发体验!


希望这份 uv 命令大全对你有帮助!如果有任何问题,欢迎在评论区留言讨论。

Read more

Python | XGBoost+SHAP可解释性分析回归预测及可视化算法

Python | XGBoost+SHAP可解释性分析回归预测及可视化算法

立个flag,这是未来一段时间打算做的Python教程,敬请关注。 1 数据及应用领域 我的程序中给出数据data.xlsx(代码及数据见文末),10 列特征值,1 个目标值,适用于各行各业回归预测算法的需求,其中出图及数据自动保存在当前目录,设置的训练集与预测集的比例为 80%:20%。 (1)地球科学与环境科学 * 遥感反演:利用多源遥感数据预测水体深度、土壤湿度、植被指数、叶面积指数等。 * 气象与气候研究:预测降水量、气温、风速、风向等连续气象变量。 * 水文与水资源管理:河流流量、地下水位、径流量预测。 * 环境污染监测:空气质量指数、PM2.5/PM10浓度、重金属污染水平预测。 * 地质与矿业:预测矿区地表沉降、地裂缝发展趋势,或矿产储量评估。 (2)生物学与医学 * 生态学:预测物种分布密度、群落生物量或生态环境因子变化。 * 公共卫生:基于环境、

By Ne0inhk
python之路并不一马平川:带你踩坑Pandas

python之路并不一马平川:带你踩坑Pandas

这是我的亲身经历。作为一名全能型的混子,Pandas是我吃饭的家伙之一,但光是把它请到我的电脑上,就差点让我“饭碗不保”。这是一段长达数周,充满挫折、困惑和最终解脱的曲折历程。我将带你完整回顾我踩过的每一个坑,以及那最后的“救命稻草”。我将以第一视角,带你完整回顾我踩过的那些坑,以及我是如何一步步爬出来的。 记得刚入行那年,我接手的第一个项目是个电商小程序开发。当时为了赶进度,我直接跳过了需求分析阶段,结果上线后发现支付接口和后台数据对不上,不得不紧急下架整改。那三天三夜不眠不休的debug经历,现在想起来还心有余悸。 去年在开发智能家居App时,我又犯了个典型错误:没有做好版本兼容性测试。当用户反馈老型号设备无法连接时,我们才发现蓝牙协议栈对新老设备的处理方式完全不同。这个教训让我养成了建立完整测试矩阵的习惯。 最惨痛的经历是去年年底的云服务迁移。当时为了节省成本,我选择了直接全量迁移数据库,结果因为网络波动导致数据不一致,差点酿成重大事故。现在我做数据迁移时都会严格遵循"全量备份-增量同步-数据校验"的标准流程。 这些血泪教训让我明白,在技术这条路上,捷径往往是最远的路。每

By Ne0inhk
全网最全!Python、PyTorch、CUDA 与显卡版本对应关系速查表

全网最全!Python、PyTorch、CUDA 与显卡版本对应关系速查表

摘要:搞深度学习,最痛苦的不是写代码,而是配环境! “为什么我的 PyTorch 认不出显卡?” “新买的显卡装了旧版 CUDA 为什么报错?” 本文提供一份保姆级的版本对应关系速查表,涵盖从 RTX 50 系列 (Blackwell) 到经典老卡的软硬件兼容信息。建议收藏保存,每次配环境前查一下,能省下大量的排坑时间! 🗺️ 核心逻辑图解 在看表格前,先理清显卡架构的代际关系与 CUDA 版本的强绑定逻辑。 📊 一、PyTorch 版本对照表 (推荐) PyTorch 是目前兼容性最好的框架,只要 CUDA 驱动版本 足高,通常都能向下兼容。对于使用最新硬件(如 RTX 50 系)的用户,请务必使用 2.4 或更高版本。 PyTorch 版本Python 版本推荐 CUDA适用显卡建议2.

By Ne0inhk

ROS1基础入门:从零搭建机器人通信系统(Python/C++)

文章目录 * 前言 * 一、ROS核心概念:5分钟理解机器人通信架构 * 1. 节点(Node):功能最小单元 * 2. 主节点(Master):通信调度中心 * 3. 话题(Topic):异步消息总线 * 4. 服务(Service):同步请求-响应 * 5. 参数服务器(Parameter Server):全局配置仓库 * 二、实战第一步:创建ROS工作空间 * 1. 创建目录结构 * 2. 编译空工作空间 * 3. 配置环境变量 * 4.工作空间组成 * 三、实战2:话题通信(Python/C++) * 1. Python实现(ros-noetic默认python版本为Python3,18.04的系统安装的是melodic,默认版本为Python2) * (1)发布者节点(

By Ne0inhk