uv i Python, tydelig forklart (med kode):

UV er utrolig raskt. - Opprette virtuelle env. Å bruke UV er ~80 ganger raskere enn Python -M VENV. - Pakkeinstallasjonen er 4–12 ganger raskere uten hurtigbufring, og ~100 ganger med hurtigbufring La oss i dag forstå hvordan du bruker uv for Python-pakkeadministrasjon. La oss dykke inn!

uv er en Rust-basert Python-pakkebehandler bygget for å være rask og pålitelig. Den erstatter ikke bare pip, men også pip-tools, virtualenv, pipx, poesi og pyenv, alle med en enkelt frittstående binær. Her er et uv-jukseark for Python-utviklere👇 La oss se på koden neste gang!

1️⃣ Opprett et nytt prosjekt For å sette opp et nytt Python-prosjekt, kjør: uv init project-name. Dette oppretter en katalogstruktur, en TOML-fil, et eksempelskript og en README. Sjekk dette 👇

2️⃣ Initialiser en env. Selv om uv automatisk initialiserer en virtuell env. I et prosjekt kan du eksplisitt opprette en virtuell ENV. med 'UV venv'-kommandoen. Aktiver den som følger: - MacOS/Linux: kilde .venv/bin/activate - Windows: .venv\Scripts\activate Sjekk dette 👇

3️⃣ Installere pakker Deretter kan du legge til avhengigheter ved å bruke kommandoen 'uv add <library-name>'. Når du legger til pakker, uv-oppdaterer du toml-filen og løser hele avhengighetstreet, og genererer en låsefil. Sjekk dette 👇

4️⃣ Kjør et skript For å kjøre et skript, bruk 'uv run script[.]py'-kommandoen. Hvis en pakke ikke er tilgjengelig i miljøet ditt, men den brukes i skriptet, vil uv installere den når du kjører skriptet, forutsatt at avhengigheten er spesifisert i toml-filen. Sjekk dette 👇

5️⃣ Gjengi en env. Til slutt gir uv 100 % reproduserbare installasjoner. La oss si at du klonet et prosjekt som brukte uv. Du kan kjøre "uv-synkronisering" for å matche prosjektet nøyaktig. Dette fungerer på tvers av operativsystemer, og selv om prosjektet du klonet brukte en annen Python-versjon. Sjekk dette 👇

Og det er slik du kan begynne å bruke uv. Merk: Når du sender prosjektet til GitHub, må du IKKE legge til uv[.]Lås filen til Gitignore-filen. Dette bidrar til å uv-reprodusere miljøet når andre bruker prosjektet ditt. Her er juksearket igjen for din referanse 👇

Hvis du syntes det var innsiktsfullt, kan du dele det med nettverket ditt. Finn meg → @akshay_pachaar ✔️ For mer innsikt og opplæringer om LLM-er, AI-agenter og maskinlæring!