uv === ###### tags: `Python` ###### tags: `Python`, `uv`, `pip`, `virtualenv`, `conda` <br> [TOC] <br> :::info ### :bulb: **一種新型虛擬環境，類似 virtualenv, conda 環境** - **比較** - [uv 和 virtualenv 的差異在哪？](#uv-和-virtualenv-的差異在哪？) - [uv 跟 conda 的功能上差異呢？](#uv-跟-conda-的功能上差異呢？) ::: <br> ## 安裝 uv 執行檔 > https://docs.astral.sh/uv/configuration/installer/ ``` curl -LsSf https://astral.sh/uv/install.sh | env UV_INSTALL_DIR="/your/software/path" sh ``` - ### 執行範例 ``` $ curl -LsSf https://astral.sh/uv/install.sh | env UV_INSTALL_DIR="/home/tj/software/python-uv" sh downloading uv 0.9.10 x86_64-unknown-linux-gnu no checksums to verify installing to /home/tj/software/python-uv uv uvx everything's installed! To add $HOME/software/python-uv to your PATH, either restart your shell or run: source $HOME/software/python-uv/env (sh, bash, zsh) source $HOME/software/python-uv/env.fish (fish) ``` <br> ## uv (DEMO) ```bash= # 建立專案資料夾 mkdir my_pandas cd my_pandas # 建立虛擬環境＆啟用 uv venv myenv-20250414 -p 3.10 source myenv-20250414/bin/activate # 安裝 panda 套件 up pip install pandas # 查詢已安裝套件 uv pip list ``` - ### 對照 virtualenv 版本 ```bash= # virtualenv 須先安裝：pip install virtualenv # 建立虛擬環境（使用 Python 3.10） virtualenv myenv-20250414 -p python3.10 # 啟用虛擬環境 source myenv-20250414/bin/activate # 安裝 pandas pip install pandas ``` - ### 對照 conda 版本 ```bash= # 建立 conda 環境（使用 Python 3.10） conda create -n myenv-20250414 python=3.10 pandas -y # 啟用 conda 環境 conda activate myenv-20250414 ``` - 或事後在安裝： ```bash= # 建立 conda 環境（使用 Python 3.10） conda create -n myenv-20250414 python=3.10 # 啟用 conda 環境 conda activate myenv-20250414 # 安裝 pandas conda install pandas ``` - 也可以指定套件來源，例如用 conda-forge（更常見於開源套件）： ```bash conda install -c conda-forge pandas ``` - 實用指令 | 用途 | 指令 | |-----|------| | 查看已安裝套件 | conda list | | 搜尋 pandas 版本 | conda search pandas | | 更新 pandas | conda update pandas | | 移除 pandas | conda remove pandas | <br> <hr> <br> ## 討論 ### uv 和 virtualenv 的差異在哪？ - ### gpt-4o (2025/04/14) > `uv` 與 `virtualenv` 的差異比較 > [![](https://hackmd.io/_uploads/rkRj_gcAJx.png)](https://hackmd.io/_uploads/rkRj_gcAJx.png) ### 🧩 基本定義 | 工具 | 說明 | |--------------|------| | **virtualenv** | 傳統的 Python 虛擬環境建立工具，可與 Python 官方的 `venv` 模組類比。用途是建立隔離的 Python 執行環境。 | | **uv** | 是一個 **用 Rust 寫成的超快 Python 包管理器**，類似於 `pip` + `venv` + `virtualenv` + `pip-tools` 的整合體。強調速度與效能，能快速建立虛擬環境與安裝套件。 | --- ### ⚙️ 功能比較 | 功能 | `virtualenv` | `uv` | |--------------------------------|--------------|------| | 建立虛擬環境 | ✅ | ✅（內建，使用 `uv venv`） | | 安裝 Python 套件 | ❌（需搭配 pip） | ✅（`uv pip install`） | | 支援 `.lock` 檔案（鎖定依賴） | ❌（需另用 pip-tools） | ✅（`uv pip compile`） | | 安裝速度 | 一般 | 🚀 極快（Rust 編寫、平行處理） | | 對標對象 | `virtualenv`, `venv` | `pip`, `virtualenv`, `pip-tools`, `poetry` | | 相依工具需求 | 只需 Python | 需安裝 `uv` 執行檔 | --- ### 📦 安裝方式 **安裝 `virtualenv`** ``` pip install virtualenv virtualenv venv source venv/bin/activate ``` **安裝 `uv`** ``` curl -Ls https://astral.sh/uv/install.sh | sh uv venv source .venv/bin/activate uv pip install requests ``` --- ### 🧠 總結 - 如果你只是想要 **建立虛擬環境**，`virtualenv` 就足夠。 - 如果你想要 **又快又現代、能鎖定依賴、全部整合一起的開發體驗**，那就用 `uv`。 > `uv` 是現代 Python 開發中值得關注的整合解決方案，適合追求效率與自動化的使用者。 <br> ### uv 跟 conda 的功能上差異呢？ - ### gpt-4o (2025/04/14) > uv vs conda 功能比較筆記 > [![](https://hackmd.io/_uploads/rkuStxqC1x.png)](https://hackmd.io/_uploads/rkuStxqC1x.png) ### 🧩 基本定義 | 工具 | 說明 | |------|------| | **uv** | 新一代的 Python 工具鏈（用 Rust 開發），整合了 `pip`, `venv`, `pip-tools`，主打速度快與相依性鎖定。只管理 **Python 套件**，使用 PyPI。 | | **conda** | 跨語言的套件與環境管理工具，不只限於 Python。支援 Python、R、C、Fortran 等等，也能管理 **系統級函式庫（如 libjpeg）**。使用 Conda 自有的套件倉庫。 | --- ### ⚙️ 功能對比 | 功能 | `uv` | `conda` | |------|------|---------| | 虛擬環境管理 | ✅ `uv venv` | ✅ `conda create` | | Python 套件安裝 | ✅（PyPI） | ✅（Conda repo，也可 pip） | | 系統函式庫（libX, ffmpeg） | ❌ | ✅ ✅ ✅ | | 多語言支援（非 Python） | ❌ | ✅（R, C++, …） | | 相依鎖定（lockfile） | ✅（`uv pip compile`） | ⚠️（非原生，需 conda-lock） | | 安裝速度 | 🚀 快（Rust） | ⚠️ 慢（解相依慢） | | 原生支援 wheels | ✅（PyPI） | ❌（不是透過 PyPI） | | 套件庫來源 | PyPI | Conda Repo（Anaconda、conda-forge） | --- ### 📦 生態與使用場景建議 | 類型 | 建議工具 | 原因 | |------|-----------|-------| | **純 Python 專案**（如 Web 開發, 機器學習） | `uv` | 快速、輕量、符合 Python 社群習慣（PyPI） | | **科學計算／數值分析專案**（NumPy, SciPy, OpenCV） | `conda` | 可以裝非 Python 的底層 C/C++ 函式庫 | | **混合語言需求**（R + Python）或需要 `libxyz` 支援 | `conda` | 最方便 | | **效能要求**（CI/CD、快速安裝） | `uv` | 比 conda 快 3～10 倍 | --- ### 🧠 總結一句話 - `uv` 是 **PyPI 世界的極速 pip + venv 管理員**。 - `conda` 是 **跨語言的科學/資料環境管理工具**。 <br> ### uv & conda 為何在系統函式庫（libX, ffmpeg）有支援上差異？能舉實際例子來說明？ - ### gpt-4o (2025/04/14) > uv vs conda 在系統函式庫支援上的差異 > [![](https://hackmd.io/_uploads/S12o9l50Jx.png)](https://hackmd.io/_uploads/S12o9l50Jx.png) ### 🧠 為什麼 `uv` 無法處理系統函式庫，而 `conda` 可以？ | 比較項目 | `uv` | `conda` | |----------|------|--------| | 套件來源 | PyPI（Python-only wheel） | Conda 自有倉庫（包含 C/C++ 套件） | | 能否處理 C/C++ 系統函式庫 | ❌（wheel 無法包含） | ✅（有 prebuilt binary + 相依 C lib） | | 安裝流程 | 安裝 `.whl` 或編譯 `.tar.gz` | 安裝 `.tar.bz2` 的 binary，**包含所有依賴** | | 與 OS 整合 | 須仰賴 OS 安裝 lib（如 `apt install libjpeg`） | 不需安裝 OS 套件，conda 環境中已內建 | --- ### 🎯 實際案例比較 #### 📌 案例：安裝 `opencv-python` 處理影像 ##### 使用 `uv`（或 `pip`） ``` uv pip install opencv-python ``` - 問題：若使用 `cv2.imwrite()` 存圖成 JPEG、PNG 等格式時，會報錯： ``` error: (-215:Assertion failed) !_img.empty() in function 'imwrite' ``` - 原因：系統缺 `libjpeg` 或 `libpng`（這些為 C 寫成的函式庫，不在 PyPI 的 wheel 內） - 解法（需自己安裝系統套件）： ``` sudo apt install libjpeg libpng ``` ##### 使用 `conda` ``` conda create -n img python=3.11 opencv ``` - ✅ 一行指令搞定，`conda` 自動處理 `libjpeg`, `libpng`, `zlib`, `ffmpeg`，`cv2.imwrite()` 可直接使用 - 不需額外安裝系統套件 --- #### 📌 案例：安裝 `ffmpeg` 處理影片 ##### 使用 `uv`/`pip` + `moviepy` ``` uv pip install moviepy ``` - 再執行： ``` from moviepy.editor import VideoFileClip clip = VideoFileClip("video.mp4") ``` - 會報錯： ``` OSError: MoviePy error: failed to read the duration of file video.mp4... ``` - 原因：系統未安裝 `ffmpeg` binary ##### 使用 `conda` ``` conda install -c conda-forge moviepy ffmpeg ``` - ✅ `ffmpeg` binary 一併被安裝，可直接使用 --- ### 🔧 觀念整理 | 類別 | PyPI (`uv/pip`) | Conda | |------|-----------------|--------| | 安裝 `cv2` 成功 | ✅ | ✅ | | 可以存 JPEG 圖片 | ❌（缺 libjpeg） | ✅（已內建） | | 安裝 `moviepy` 成功 | ✅ | ✅ | | 能正確處理影片檔 | ❌（缺 ffmpeg binary） | ✅（內建 ffmpeg） | --- ### 🧠 總結一句話 > `uv` 快、乾淨、純 Python，但凡涉及底層函式庫（如 C 的 libjpeg、ffmpeg）就得靠系統幫忙； > `conda` 重，但全包，**連系統函式庫都打包好給你**，開箱即用。 <br> {%hackmd vaaMgNRPS4KGJDSFG0ZE0w %}