update:win-all

content/windows-5-py.md

@@ -0,0 +1,269 @@
++++
+title = "Windows系列(5):Python开发配置"
+date = 2024-05-31
+
+[taxonomies]
+tags = ["Windows"]
++++
+
+前言 由于 Windows 中开发环境较 linux 复杂，这里总结 Windows 中使用 Jupyter 开发 Python 的环境配置。
+
+<!-- more -->
+## 安装
+
+Python是一种跨平台的编程语言,社区生态丰富，有许多现成的包可以调用。传统的安装方法如下：
+
+- 下载、安装Pythond解释器；
+- 验证安装；
+- 安装VScode以及Python的拓展；
+
+但Python开发项目时往往需要不同版本，不同的第三方包，如果用传统方法难以管理；因此现在的主流方法是：
+
+- 安装Anaconda或miniconda等Python集成包；
+- 使用conda创建并启动一个Python环境；
+- 安装jupyter编辑器编写python。
+
+在[Anaconda官网](https://www.anaconda.com/)下载并安装，安装成功后，命令行中敲``conda info``，会显示conda的版本和python的版本等详细信息；再敲``conda list``，会列出当前环境下所有安装的包。
+
+安装好了Anaconda，就相当于同时有了Python、环境管理器、包管理器以及一大堆开箱即用的科学计算工具包。
+
+## 使用
+
+安装好了，默认是在base虚拟环境下，此时我们从base环境复制一份出来，在新环境里工作。
+
+- 复制base环境, 创建test环境
+```
+conda create --name test --clone base
+```
+- 激活test环境
+```
+conda activate test
+```
+- 取消Conda默认激活base虚拟环境
+```
+conda config --set auto_activate_base false
+```
+- 列出本机的所有环境，如下，可见当前有2个环境，当前激活的是test环境：
+```
+(test) ➜  ~ conda info -e
+- conda environments:
+#
+base                     /Volumes/300g/opt/anaconda3
+test                  *  /Volumes/300g/opt/anaconda3/envs/test
+```
+- Anaconda默认安装了jupyter，打开jupyter：
+```
+jupyter notebook
+```
+此时会自动弹出浏览器窗口打开Jupyter Notebook网页，默认为``http://localhost:8888``
+
+> Jupyter汉化/下载中文包：``pip install jupyterlab-language-pack-zh-CN``
+
+
+### 虚拟环境管理
+
+- 创建环境，后面的python=3.6是指定python的版本
+```
+conda create --name env_name python=3.6
+```
+- 创建包含某些包的环境（也可以加上版本信息）
+```
+conda create --name env_name python=3.7 numpy scrapy
+```
+- 激活某个环境
+```
+conda activate env_name
+```
+- 关闭某个环境
+```
+conda deactivate
+```
+- 复制某个环境
+```
+conda create --name new_env_name --clone old_env_name
+```
+- 删除某个环境
+```
+conda remove --name env_name --all
+```
+- 生成需要分享环境的yml文件（需要在虚拟环境中执行）
+```
+conda env export > environment.yml
+```
+- 别人在自己本地使用yml文件创建虚拟环境
+```
+conda env create -f environment.yml
+```
+### 包管理
+
+- 列出当前环境下所有安装的包
+```
+conda list
+```
+- 列举一个指定环境下的所有包
+```
+conda list -n env_name
+```
+- 查询库
+```
+conda search scrapys
+```
+- 安装库安装时可以指定版本例如：（scrapy=1.5.0）
+```
+conda install scrapy
+```
+- 为指定环境安装某个包
+```
+conda install --name target_env_name package_name
+```
+- 更新安装的库
+```
+conda update scrapy
+```
+- 更新指定环境某个包
+```
+conda update -n target_env_name package_name
+```
+- 更新所有包
+```
+conda update --all
+```
+- 删除已经安装的库
+```
+conda remove scrapy
+```
+- 删除指定环境某个包
+```
+conda remove -n target_env_name package_name
+```
+- 更多命令请查看官方文档或者查询帮助命令：
+```
+conda --help
+
+conda install --help
+```
+
+有了Conda包管理器，为什么Anaconda环境中，可能还需要用pip安装包呢？因为Anaconda本身只提供部分包，远没有pip提供的包多，有时conda无法安装我们需要的包，此时需要用pip将其装到conda环境里。
+
+安装特定版本的包，conda用=，pip用==。例如：
+```
+conda install xxx=1.0.0
+pip install xxx==1.0.0
+```
+## Jupyter使用
+
+安装Anaconda并启动一个环境之后，如何让Jupyter Notebook在我们要的环境中启动呢？
+
+- 激活目标环境
+```
+conda activate myenv
+```
+- 安装 ipykernel（如尚未安装）
+为了让 Jupyter Notebook 能识别该环境中的 Python 解释器，你需要在该环境中安装 ipykernel：
+```
+conda install ipykernel
+
+# 或者使用 pip
+
+pip install ipykernel
+```
+- 注册环境内核
+将该环境注册为 Jupyter 的一个内核（kernel），这样启动 Jupyter Notebook 后就能选择这个内核：
+```
+python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
+
+# 这里 --name 指定内核的名称，--display-name 是在 Jupyter Notebook 界面中显示的名称，你可以根据需要自定义。
+```
+- 启动 Jupyter Notebook：依然在激活后的环境中，启动 Jupyter Notebook：
+```
+jupyter notebook
+```
+- 启动后，你在新建 notebook 时可以选择刚刚注册的内核 “Python (myenv)” 来确保使用该环境的 Python 解释器。
+
+> 当然，你也可以使用其他编辑器/IDE如 Sublime Text 或者 JetBrains 系列的 PyCharm 。
+
+> linux中使用Miniconda 
+```
+# Miniconda安装脚本
+wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
+# 执行以下命令启动安装程序：
+bash Miniconda3-latest-Linux-x86_64.sh
+# 验证安装
+conda --version
+```
+
+## 使用UV替代Conda
+
+> 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。
+
+**安装与激活**
+```
+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）
+```
+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**
+
+```bash
+# 安装单个包
+uv pip install requests
+
+# 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**
+
+```bash
+# 从 requirements.in 生成统一依赖文件
+uv pip compile docs/requirements.in \
+   --universal \
+   --output-file docs/requirements.txt
+
+# 根据锁文件同步环境
+uv pip sync docs/requirements.txt
+```
+
+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**
+
+```bash
+uv pip list       # 列出已安装包（类似 conda list）
+uv pip uninstall numpy
+```
+
+**替代常见 Conda 工作流**
+
+| Conda 操作                         | UV 对应                                    |
+| -------------------------------- | ---------------------------------------- |
+| `conda create -n env python=3.x` | `uv venv --python 3.x`                   |
+| `conda activate env`             | `source .venv/bin/activate` 或 `activate` |
+| `conda install pkg1 pkg2`        | `uv pip install pkg1 pkg2`               |
+| `conda env export > env.yml`     | `uv pip compile requirements.in`         |
+| `conda env update -f env.yml`    | `uv pip sync requirements.txt`           |
+| `conda list`                     | `uv pip list`                            |
+
+**最佳实践**：
+
+1. **系统依赖**：用 Conda/Mamba 安装较难编译的 C 库（`conda install gdal`）。
+2. **Python 包**：用 UV 管理所有纯 Python 依赖（`uv pip install pandas scikit-learn`）。
+3. **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。
+
+--- 
+**Done.**
+