【python venv vs uv】

Python 虚拟环境工具终极指南：venv vs uv

一、核心对比（表格版）

特性	venv (Python 内置)	uv (Astral 高性能工具)
安装方式	Python 自带	pip install uv
环境创建速度	慢（需复制解释器）	极快（Rust 实现，快5-10倍）
依赖管理	需配合 pip 使用	内置高性能 uv pip
Python版本管理	不支持	需配合 pyenv/conda
依赖解析性能	一般	极快（快10-100倍）
适用场景	小型项目/兼容性要求高	中大型项目/追求极致性能

二、完整生命周期使用Demo

# ======================
# uv 全生命周期使用示例
# ======================

# 1. 安装uv（首次使用）
pip install uv

# 2. 创建虚拟环境（比venv快5-10倍）
uv venv .venv

# 3. 激活环境
# Linux/macOS
source .venv/bin/activate
# Windows
# .venv\Scripts\activate

# 4. 安装依赖（比pip快10-100倍）
uv pip install numpy pandas matplotlib

# 5. 从requirements.txt安装
uv pip install -r requirements.txt

# 6. 开发模式安装当前项目
uv pip install -e .

# 7. 生成精确锁文件（类似pip-compile）
uv pip compile pyproject.toml -o requirements.lock

# 8. 同步生产环境依赖（类似pip-sync）
uv pip sync requirements.lock

# 9. 日常维护
# 列出已安装包
uv pip list
# 升级特定包
uv pip install --upgrade numpy
# 卸载包
uv pip uninstall pandas

# 10. 退出环境
deactivate

# 11. 删除环境（直接删除目录即可）
rm -rf .venv

# =============================
# 高级用法：配合pyenv使用示例
# =============================

# 1. 使用pyenv选择Python版本
pyenv install 3.11.6
pyenv local 3.11.6

# 2. 基于指定Python版本创建uv环境
uv venv --python $(pyenv which python) .venv

三、关键要点总结

1. 性能革命：

   • 环境创建：比 venv 快5-10倍
   • 依赖安装：比 pip 快10-100倍

2. 最佳实践：

   • 开发环境：uv pip install -e .
   • 生产环境：uv pip sync requirements.lock

3. 生态整合：

   • 完美兼容现有 requirements.txt
   • 支持 pyproject.toml 工作流
   • 可与 pyenv/conda 无缝配合

4. 升级维护：

   # 更新uv自身
   uv self update
   
   # 检查版本
   uv --version
   

📌 提示：uv 正在快速迭代，建议定期关注官方更新：uv会成为主流
GitHub仓库：https://github.com/astral-sh/uv