Python
环境准备
开始搞项目之前先把他需要的一些常见的环境都弄好，例如：python、pip、venv、Poetry 等
Python
这里说一下在不同的操作系统下如何安装
Ubuntu 22.04
# 检查版本
python3 -V
pip
Ubuntu 22.04
# 检查 pip 版本：pip -V
sudo apt install python3-pip
设置清华镜像源
参考地址： pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
# 临时使用清华镜像来升级 pip
python3 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
# 全局设置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
venv
他和
Ubuntu 22.04
sudo apt install python3-venv
虚拟环境
# 创建
python3 -m venv venv
# 激活
source ./venv/bin/activate
# 退出虚拟环境
deactivate
# 安装依赖（添加到这里，使用的时候方便一些）
pip install -r requirements.txt
# 你可以创建多个虚拟环境
python3 -m venv venv1
source ./venv1/bin/activate
python3 -m venv venv2
source ./venv2/bin/activate
Windows
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
.\venv\scripts\activate
# 退出虚拟环境
deactivate
# 安装依赖（添加到这里，使用的时候方便一些）
pip install -r requirements.txt
# 你可以创建多个虚拟环境
python -m venv venv1
.\venv1\scripts\activate
python -m venv venv2
.\venv2\scripts\activate
Poetry
- Poetry - Python dependency management and packaging made easy
- GitHub - python-poetry/poetry: Python packaging and dependency management made easy
- Introduction | Documentation | Poetry - Python dependency management and packaging made easy
一些常用的命令
-
安装依赖
- poetry install：安装项目依赖。
- poetry install -h：查看安装选项。
-
添加依赖
- poetry add <package>：添加一个依赖到你的项目。
- poetry add <package> --dev：将依赖添加到开发依赖中。
-
移除依赖
- poetry remove <package>：从项目中移除一个依赖。
-
更新依赖
- poetry update：更新所有依赖到最新版本。
- poetry update <package>：更新指定的依赖。
-
查看依赖
- poetry show：显示项目的所有依赖。
- poetry show --tree：以树状图形式显示依赖。
-
构建包
- poetry build：构建你的包，可以生成源码包和wheel文件。
-
发布包
- poetry publish：将你的包发布到PyPI。
-
检查依赖
- poetry check：检查依赖是否有任何问题。
-
配置
- poetry config：查看或修改 poetry 的配置。
-
新项目初始化
- poetry new <project-name>：创建一个新的Python项目。
-
环境管理
- poetry env list：列出所有虚拟环境。
- poetry env use <env>：切换到指定的虚拟环境。
-
运行脚本
- poetry run <command>：在项目环境中运行命令。
官网介绍他有好几种安装方式：pipx、the official installer……
Ubuntu 22.04
这里选用的安装方式是：the official installer
curl -sSL https://install.python-poetry.org | python3 -
# 检查版本（安装完成之后立即检查版本是不行的，你还有一步没做）
poetry --version
添加到 PATH
有点不智能啊，还得自己搞……
# 更新 /home/ddz/.bashrc 文件
export PATH="/home/ddz/.local/bin:$PATH"
刷新 .bashrc 文件：
设置清华镜像源
参考地址： pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
poetry source add --priority=primary mirrors https://pypi.tuna.tsinghua.edu.cn/simple/
开始以为会像
那么有没有一种方式可以设置全局镜像？？？
conda
本来
下载地址（Anaconda 和 Miniconda 都在这里）：Download | Anaconda
Windows
点击查看安装过程
下面是在 win11 上的安装截图
注意：看上去安装挺简单的，又在自己的电脑（ win10 ）上安装了一次，安装完成之后检查版本时
# Anaconda 和 Miniconda 都安装了一下，最后保留了 Miniconda
# 添加到环境变量（下面几个都添加过去了）
# 注意：使用你自己的安装路径
D:\ProgramData\miniconda3
D:\ProgramData\miniconda3\Library\bin
D:\ProgramData\miniconda3\Scripts
D:\ProgramData\miniconda3\condabin
下面是一些常用的命令：
# 创建虚拟环境
# 1、使用 environment.yml 文件（没有测试过）
conda env create -f environment.yml
# 2、使用命令行创建
conda create --name 环境名称 python=3.11
# --name 简写方式
conda create -n 环境名称 python=3.11
# 虚拟环境列表（可以看到你创建的虚拟环境）
conda env list
conda info --envs
# 激活虚拟环境
conda activate 环境名称
# 退出当前虚拟环境
conda deactivate
# 删除虚拟环境
conda remove -n 环境名称 --all
__pycache__
kimi 的解释
__pycache__ 目录是Python解释器在运行Python代码时自动创建的，它包含了编译后的Python文件的字节码（bytecode）。这个目录的目的是为了提高程序的启动速度和运行效率。以下是__pycache__目录的一些具体用途和特点：
- 存储字节码：当Python解释器执行.py文件时，它会将源代码编译成中间形式的字节码，这些字节码被存储在__pycache__目录中，文件扩展名为.pyc。
- 加快程序启动：如果.pyc文件存在，并且源代码自上次编译以来没有发生变化，那么Python解释器可以直接加载.pyc文件，而不需要重新编译源代码。这样可以减少程序的启动时间。
- 优化运行效率：由于字节码的执行速度通常比直接解释源代码要快，所以使用.pyc文件可以提高程序的运行效率。
- 跨平台兼容性：.pyc文件包含了平台无关的字节码，这意味着同一份字节码可以在不同的操作系统和架构上运行，只要它们有兼容的Python解释器。
- 减少I/O操作：由于.pyc文件的存在，减少了对磁盘上源代码文件的读取次数，从而减少了I/O操作。
- 调试信息：.pyc文件中包含了足够的信息，使得在调试时能够映射回原始的.py文件，这有助于开发者在调试时定位问题。
- 版本控制：通常建议将__pycache__目录排除在版本控制系统之外，因为它包含了编译后的文件，这些文件在不同的开发环境中可能会有所不同，而且它们不是源代码的必需部分。
总的来说，__pycache__目录是Python为了提高性能和效率而自动管理的一部分，它使得程序的加载和执行更加迅速，同时保持了跨平台的一致性。
如何删除所有的 __pycache__ 目录？你可以创建一个 py 文件，这里命名为
import os
import shutil
for root, dirs, files in os.walk("."):
for dir in dirs:
if dir == "__pycache__":
shutil.rmtree(os.path.join(root, dir))