-当然，你也可以使用其他编辑器/IDE如 Sublime Text 或者 JetBrains 系列的 PyCharm 。
--UV（由 Astral 团队开发）是一个用 Rust 编写的高性能包管理器，提供了类似 Conda 的虚拟环境管理和依赖解析功能，并且在大多数场景下比 pip 和 Conda 快 10–100 倍。它通过命令行工具如 uv venv（创建/管理虚拟环境）和 uv pip（安装/锁定/同步依赖）来覆盖传统的 conda create、conda install、conda env export 等操作，但本身并不管理底层的 C/C++ 库，因此对于诸如 GDAL、SciPy 等需要系统级二进制依赖的包，仍建议在 Conda/系统包管理器中预装相关库，然后用 UV 来管理 Python 包。
+UV（由 Astral 团队开发）是一个用 Rust 编写的高性能 Python 包管理器，提供类似 Conda 的虚拟环境管理和依赖解析功能，在大多数场景下比 pip 和 Conda 快 10–100 倍。它通过命令行工具如
uv venv（创建/管理虚拟环境）和uv pip（安装/锁定/同步依赖）覆盖传统的 Conda 流程，但本身不管理底层的 C/C++ 库，因此对于 GDAL、SciPy 等需要系统级二进制依赖的包，仍建议先通过系统包管理器或 Conda 安装，然后用 UV 管理 Python 包。
安装与激活
-wget -qO- https://astral.sh/uv/install.sh | sh
+
+
+- 安装 UV
+
+wget -qO- https://astral.sh/uv/install.sh | sh
-- 在当前目录下创建 .venv，使用系统默认 Python（若不存在则自动下载）
+- 创建与管理环境
-uv venv
-
-
-- 指定环境名称或路径
-
-uv venv myenv
-
-
-- 指定 Python 版本（需系统已有或可下载）
-
-uv venv --python 3.11
-
-
-- 激活
-
-source .venv/bin/activate
-
-安装包
-# 安装单个包
-uv pip install requests
+# 创建虚拟环境，指定 Python 版本
+uv venv --python 3.12
-# 批量安装并自动锁定依赖
-uv pip install fastapi uvicorn sqlalchemy
-
-生成与同步锁文件
-# 从 requirements.in 生成统一依赖文件
-uv pip compile docs/requirements.in \
- --universal \
- --output-file docs/requirements.txt
+# 激活环境
+source .venv/bin/activate
-# 根据锁文件同步环境
-uv pip sync docs/requirements.txt
+# 退出环境
+deactivate
+
+# 删除环境
+rm -rf .venv
-此流程替代 conda env export + conda env update，并保证跨平台一致性 ([GitHub][3])。
-查看与卸载
-uv pip list # 列出已安装包（类似 conda list）
+
+- 直接运行
+
+uv run python
+uv run jupyter lab
+
+
+- 注册 Jupyter 内核
+
+uv run python -m ipykernel install --user --name bank --display-name "Python (bank)"
+
+
+
+- 安装依赖
+
+uv add tensorflow
+uv pip install requests fastapi uvicorn sqlalchemy
+
+
+安装完成后，UV 会自动更新 uv.lock 文件锁定依赖版本，保证环境可复现。
+
+
+- 使用 TOML 配置管理依赖
+
+创建一个 pyproject.toml：
+[tool.uv.dependencies]
+fastapi = "*"
+uvicorn = "*"
+sqlalchemy = "*"
+
+然后同步环境：
+uv pip sync
+
+这会根据 pyproject.toml + uv.lock 安装和锁定所有依赖。
+
+- 查看与卸载包
+
+uv pip list # 列出已安装包
uv pip uninstall numpy
-替代常见 Conda 工作流
+
+替代常见 Conda 工作流
Conda 操作 UV 对应 conda create -n env python=3.xuv venv --python 3.xconda activate envsource .venv/bin/activate 或 activateconda activate envsource .venv/bin/activate 或 uv venv activateconda install pkg1 pkg2uv pip install pkg1 pkg2conda env export > env.ymluv pip compile requirements.inconda env update -f env.ymluv pip sync requirements.txtconda env export > env.yml自动生成 uv.lock 或 uv pip compile requirements.in conda env update -f env.ymluv pip sync（根据 uv.lock 或 pyproject.toml 同步）conda listuv pip list
-最佳实践：
-
-- 系统依赖：用 Conda/Mamba 安装较难编译的 C 库（
conda install gdal）。
-- Python 包：用 UV 管理所有纯 Python 依赖（
uv pip install pandas scikit-learn）。
-- 统一锁定：把
uv pip compile 生成的 requirements.txt 放入版本控制，确保团队环境一致。
-
ipynb转markdown
首先安装 nbformat 和 nbconvert包：
conda install nbformat nbconvert -y