Python1

Python1-环境配置
Python2-基础认识
Python3-数据类型
Python4-面向对象
Python5-闭包和装饰器
Python6-IO 模块
Python7-进程线程携程
Python8-网络编程
Python 爬虫

Python 的独立安装

win 版本

1. 打开官网,下载 python

2. 选择安装的包，下面以 windows 系统 python3.10.x 版本为例
   

3. 点击进行下载
   

4. 可以选择装入 c 盘中的默认安装，也可以选择自定义路径进行安装，自定义安装需要使用管理员权限打开安装软件

5. 等待安装完成

6. Win+R调出运行窗口输入cmd

输入python查看安装情况，出现“>>>”这个代表成功

Linux 版本

1. 创建文件夹

$ mkdir /usr/local/python3
$ cd /usr/local/python3

2. 下载 python3.9.5

$ wget https://www.python.org/ftp/python/3.9.5/Python-3.9.5.tgz # 下载 python3.9.5
$ tar -xvf Python-3.9.5.tgz # 解压下载的文件
$ cd Python-3.9.5/

3. 编译安装

$./configure --prefix=/usr/local/python3Dir # 配置安装路径
$ make && make install # 编译并安装

4. 配置环境变量

$ cd /usr/bin
$ ln -s /usr/local/python3Dir/bin/python3 /usr/bin/python3
$ ln -s /usr/local/python3Dir/bin/pip3 /usr/bin/pip # 创建软连接

5. 查看安装情况

$ pip install --upgrade pip

这样 Linux 的 python3 环境就安装完毕

进阶使用 Python

第一次使用管理工具的话，建议先看视频

工具名称	功能定位	核心优点	主要缺点	适用场景	推荐使用
pip	基础包安装	简单直接，Python 默认集成	无环境隔离，依赖管理弱	小型项目/快速安装	⭐⭐⭐⭐
venv	虚拟环境（官方内置）	无需安装，轻量级	功能单一，不支持多 Python 版本	简单隔离环境	⭐⭐⭐⭐⭐
virtualenv	虚拟环境（增强版）	跨版本支持，速度快于 venv	需单独安装	需要灵活虚拟环境的项目	⭐⭐⭐⭐
pipenv	依赖+环境集成管理	自动生成 Pipfile.lock，依赖锁定	依赖解析速度慢，社区活跃度下降	中型 Web 项目	⭐⭐⭐
poetry	依赖+打包+发布一体化	强依赖解析，标准化 pyproject.toml	需配合 pyenv 管理 Python 版本	中大型项目/库开发	⭐⭐⭐⭐
conda	跨语言科学计算环境	支持非 Python 包（如 CUDA、R）	安装慢，依赖冲突处理差	科学计算/多语言混合项目	⭐⭐⭐
Mamba	Conda 的替代品	依赖解析速度比 Conda 快 10 倍以上	生态兼容性略弱于 Conda	复杂科学计算项目	⭐⭐⭐⭐
uv	新一代高效工具链	Rust 编写，极速依赖解析+环境管理	仍在开发中，功能未完全稳定	中小型项目/追求速度的场景	⭐⭐⭐⭐
Pixi	科学计算优化工具	多语言扩展，与 uv 深度整合	生态较新，文档较少	替代 Conda 的科学工作流	⭐⭐⭐⭐
pipx	全局应用隔离安装	隔离安装 Python 命令行工具	不适用于项目开发	全局工具管理（如 black、poetry）	⭐⭐⭐⭐⭐
pyenv	多版本 Python 管理	灵活切换 Python 版本	需配合其他工具实现环境隔离	多版本兼容需求	⭐⭐⭐

表格引用自 csdn

通常的虚拟环境管理分为两种，一种是将环境创建并统一存放 conda 为例子，另一种是创建后存放在项目目录下 venv 为例子

uv 和 pixi结合了上述两种方式用软链接的方式将环境链接到项目目录下。

UV 管理项目

Github 地址
uv 中文文档地址

安装 UV

# Windows（管理员权限运行）： 自动完成安装到"C:\Users\si\.local\bin"
$ powershell -ExecutionPolicy Bypass -c "irm https://github.com/astral-sh/uv/releases/download/0.8.8/uv-installer.ps1 | iex"
# 使用命令添加到PATH，添加到用户环境变量中，系统环境变量需要手动添加。
$env:Path = "C:\Users\si\.local\bin;$env:Path"
# 安装命令补全
$ uv generate-shell-completion powershell > $PROFILE # 重启powershell 生效
#

# Linux/macOS：
$ curl --proto '=https' --tlsv1.2 -LsSf https://github.com/astral-sh/uv/releases/download/0.8.8/uv-installer.sh | sh
$ uv generate-shell-completion bash > ~/.bashrc # 重启bash 生效

使用 UV

常用命令

# 创建一个脚本
$ uv init path --script
# 创建一个项目
$ uv init path -p 3.10 -q
# 执行一下空内容
$ uv run .\main.py # 这样会自动创建python环境还有uv.lock文件
# 添加包
$ uv add requests
# 删除包
$ uv remove requests
# 打开交互式环境
$ uv run python # 自动打开当前环境的 python
# vscode使用jupyter
$ uv init project
$ cd project
$ uv add --dev ipykernel
$ code .

1. 管理 uv

# 升级UV
$ uv self update

# 查看版本
$ uv self version
$ uv --version

# 清理缓存
$ uv cache clear # 全部
$ uv cache prune # 不用的

# 删除 uv
$ uv self uninstall

# 查看帮助
$ uv --help

# 导出其他格式的依赖文件
$ uv export # 导出为 requirements.txt
$ uv export -f requirements.txt -o requirements.txt # 导出为 requirements.txt
$ uv export -f requirements.txt -o requirements.txt -r # 导出为 requirements.txt 并删除 uv.lock

2. 管理 python,uv 优先使用二种

   1. 集中管理 python 版本(类似 conda)

      # 查看所有 python 版本
      $ uv python list
      # 安装 python 版本
      $ uv python install 3.10.8
      # 升级补丁
      $ uv python upgrade 3.10.8
      # 卸载 python 版本
      $ uv python uninstall 3.10.8
      # 搜索已经安装的 python 版本
      $ uv python find 3.10.8
      # 显示安装目录
      $ uv python dir
      

   2. 管理项目(类似 pipenv)

      # 创建项目
      $ uv init project_name
      # 创建虚拟环境(手动创建)
      $ uv venv .venv
      # 激活虚拟环境
      $ .venv\Scripts\activate
      # 退出虚拟环境
      $ deactivate
      # 更新锁文件
      $ uv lock
      

3. 管理依赖

# 安装依赖（手动安装）
$ uv pip install requests
$ uv add requests # 将依赖添加到 pyproject.toml 文件中并安装
# 安装依赖（自动安装）
$ uv pip sync requirements.txt # 安装 pyproject.toml 中的依赖
$ uv sync requirements.txt
# 卸载依赖
$ uv pip uninstall requests
# 导出依赖requirements.txt格式
$ uv pip freeze > requirements.txt
$ uv export -o requirements.txt
# 列出依赖
$ uv pip list
# 显示依赖树
$ uv pip tree
$ uv tree

4. 配置依赖文件

# 将依赖添加到 pyproject.toml 文件中并安装
$ uv add requests
# 将依赖添加到 pyproject.toml 文件中并锁定版本
$ uv add requests@2.25.1
# 将依赖添加到 pyproject.toml 文件中并锁定版本并安装
$ uv add requests@2.25.1 --install
# 在配置文件中删除包
$ uv remove requests

5. 执行命令或工具

# 执行命令
$ uv run main.py # 这样执行相当于执行了python pip install -e . && python main.py 这样的组合命令
# 执行工具
$ uv tool run black # 如果没有会自动查找安装
$ uvx black
# 安装工具
$ uv tool install black
# 升级工具
$ uv tool upgrade black
# 列出工具列表
$ uv tool list
# 删除工具
$ uv tool uninstall black
# 显示工具路径
$ uv tool dir

6. 打包

# build部分
$ uv build
# publish部分
$ uv publish

7. 全局环境配置
   配置路径$XDG_CONFIG_HOME/uv/uv.toml,需要自己创建。
   官方配置信息

# 常用全局配置
prerelease = "if-necessary" # 尽可能不使用预发布版本

UV 管理设置

想要使用 UV 就需要先了解一下什么是 pyproject.toml 和 uv.lock 文件

pyproject.toml 是一个配置文件，用于管理 Python 项目的依赖关系。它是一个 TOML 格式的文件，可以包含项目的元数据、依赖关系、构建配置等信息。

uv.lock 文件是一个用于锁定项目依赖关系的文件。它通常与 pyproject.toml 文件一起使用，用于确保项目的依赖关系在多个环境中保持一致。lock 文件通常是一个 TOML 格式的文件，其中包含了项目的依赖关系及其版本号。

这样只需要知道什么是 TOML 格式文件就行。

pixi 管理项目

同上，将 uv 改成 pixi 就行，主要是构建的环境不同，pixi 可以构建科学计算环境

# Windows（管理员权限运行）：
powershell -ExecutionPolicy ByPass -c "irm -useb https://pixi.sh/install.ps1 | iex"
# Linux/macOS：
curl -fsSL https://pixi.sh/install.sh | sh

Anaconda 管理项目

win 版本

1. win 版本官网或下载器官网也可清华镜像查看需要安装的版本

3. win 版本下载完成后点击进行安装(部分电脑需要管理员权限运行)

4. 安装路径必须全英文

5. 自动配置 PATH(环境变量)

6. 测试

Win+R调出运行窗口输入cmd输入conda查看安装情况

输入conda -V查看安装版本

手动配置 path

编辑系统环境变量将 anaconda 添加进入

D:\AnaConda

D:\AnaConda\Scripts

D:\AnaConda\Library\bin

运行 conda init 后再次打开出现报错，执行下面的命令再打开就好了

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

Linux 版本

# 下载安装包以 Anaconda3-2024.10-1-Linux-x86_64.sh 为例
$ wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
$ chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh
$ bash Anaconda3-2024.10-1-Linux-x86_64.sh
# 安装完成后输入`source ~/.bashrc`使配置生效
$ source ~/.bashrc
$ conda -V

可能出现的报错

1. 安装 anaconda 时出现 Failed 报错，可能是因为安装路径有中文。
2. 输入 conda 命令时显示 conda 不是内部命令，可能是因为没授权自动配置 path，或者主机 user 为中文导致配置 path 失败。