Pixi: Eine intelligentere Möglichkeit, Python-Umgebungen zu verwalten

Bild vom Autor

# Einführung

Python ist heute eine der beliebtesten Sprachen mit Anwendungen in der Softwareentwicklung, Datenwissenschaft und maschinellem Lernen. Seine Flexibilität und die umfangreiche Bibliothekssammlung machen es zu einem Favoriten bei Entwicklern in quick allen Bereichen. Allerdings kann die Arbeit mit mehreren Python-Umgebungen immer noch eine große Herausforderung darstellen. Hier ist Pixi kommt zur Rettung. Es befasst sich mit den tatsächlichen Herausforderungen der Reproduzierbarkeit und Portabilität auf jeder Entwicklungsebene. Groups, die an maschinellem Lernen, Webanwendungen oder Datenpipelines arbeiten, erhalten konsistente Umgebungen, reibungslosere CI/CD-Workflows (Steady Integration/Steady Deployment) und ein schnelleres Onboarding. Mit seinem isolierten, projektbezogenen Design bietet es einen modernen und zuverlässigen Ansatz für die Python-Umgebungsverwaltung. In diesem Artikel wird erläutert, wie Sie Python-Umgebungen mit Pixi verwalten.

# Warum Umweltmanagement wichtig ist

Das Verwalten von Python-Umgebungen magazine am Anfang mit Instruments wie einfach klingen venv oder virtualenv. Sobald jedoch Projekte an Umfang gewinnen, zeigen diese Ansätze ihre Grenzen. Häufig kommt es vor, dass Sie dieselben Pakete für verschiedene Projekte wiederholt neu installieren, was repetitiv und ineffizient wird. Darüber hinaus kann es schwierig sein, Abhängigkeiten mit Ihren Teamkollegen oder über Produktionsserver hinweg synchron zu halten. Selbst eine geringfügige Versionsabweichung kann zum Scheitern des Projekts führen. Freigabe- oder Replikationsumgebungen können schnell unorganisiert werden, was dazu führt, dass ein Setup einer Abhängigkeit auf einem Pc funktioniert, auf einem anderen jedoch nicht funktioniert. Diese Umgebungsprobleme können die Entwicklung verlangsamen, Frustration hervorrufen und unnötige Inkonsistenzen hervorrufen, die die Produktivität beeinträchtigen.

Pixi-Workflow: Von Null zur reproduzierbaren Umgebung | Bild vom Herausgeber

# Schritt-für-Schritt-Anleitung zur Verwendung von Pixi

// 1. Installieren Sie Pixi

Für macOS / Linux:
Öffnen Sie Ihr Terminal und führen Sie Folgendes aus:

# Utilizing curl
curl -fsSL https://pixi.sh/set up.sh | sh

# Or with Homebrew (macOS solely)
brew set up pixi

Fügen Sie nun Pixi zu Ihrem PATH hinzu:

# If utilizing zsh (default on macOS)
supply ~/.zshrc

# If utilizing bash
supply ~/.bashrc

Für Home windows:
Öffnen Sie PowerShell als Administrator und führen Sie Folgendes aus:

powershell -ExecutionPolicy ByPass -c "irm -useb https://pixi.sh/set up.ps1 | iex"

# Or utilizing winget
winget set up prefix-dev.pixi

// 2. Initialisieren Sie Ihr Projekt

Erstellen Sie einen neuen Arbeitsbereich, indem Sie den folgenden Befehl ausführen:

pixi init my_project
cd my_project

Ausgabe:

✔ Created /Customers/kanwal/my_project/pixi.toml

Der pixi.toml Datei ist die Konfigurationsdatei für Ihr Projekt. Hier erfahren Sie, wie Pixi Ihre Umgebung einrichten muss.

// 3. Konfigurieren Sie pixi.toml

Derzeit Ihr pixi.toml sieht ungefähr so ​​aus:

(workspace)
channels = ("conda-forge")
title = "my_project"
platforms = ("osx-arm64")
model = "0.1.0"

(duties)

(dependencies)

Sie müssen es bearbeiten, um die Python-Model und PyPI-Abhängigkeiten einzuschließen:

(workspace)
title = "my_project"
channels = ("conda-forge")
platforms = ("osx-arm64")
model = "0.1.0"

(dependencies)
python = ">=3.12"

(pypi-dependencies)
numpy = "*"
pandas = "*"
matplotlib = "*"

(duties)

Lassen Sie uns die Struktur der Datei verstehen:

• (Arbeitsplatz): Diese enthält allgemeine Projektinformationen, einschließlich Projektname, Model und unterstützte Plattformen.
• (Abhängigkeiten): In diesem Abschnitt geben Sie Kernabhängigkeiten wie die Python-Model an.
• (Pypi-Abhängigkeiten): Sie definieren die Python-Pakete, die von PyPI installiert werden sollen (wie numpy Und pandas). Pixi erstellt automatisch eine virtuelle Umgebung und installiert diese Pakete für Sie. Zum Beispiel, numpy = "*" Installiert die neueste kompatible Model von NumPy.
• (Aufgaben): Sie können benutzerdefinierte Befehle definieren, die Sie in Ihrem Projekt ausführen möchten, z. B. zum Testen von Skripten oder zur Skriptausführung.

// 4. Installieren Sie Ihre Umgebung

Führen Sie den folgenden Befehl aus:

Pixi erstellt eine virtuelle Umgebung mit allen angegebenen Abhängigkeiten. Sie sollten eine Bestätigung sehen wie:

✔ The default atmosphere has been put in.

// 5. Aktivieren Sie die Umgebung

Sie können die Umgebung aktivieren, indem Sie einen einfachen Befehl ausführen:

Nach der Aktivierung nutzen alle Python-Befehle, die Sie in dieser Shell ausführen, die von Pixi erstellte isolierte Umgebung. Die Eingabeaufforderung Ihres Terminals ändert sich und zeigt an, dass Ihr Arbeitsbereich aktiv ist:

(my_project) kanwal@Kanwals-MacBook-Air my_project %

Innerhalb dieser Shell sind alle installierten Pakete verfügbar. Sie können die Umgebung auch mit dem folgenden Befehl deaktivieren:

// 6. Abhängigkeiten hinzufügen/aktualisieren

Sie können neue Pakete auch über die Befehlszeile hinzufügen. Um beispielsweise SciPy hinzuzufügen, führen Sie den folgenden Befehl aus:

Pixi aktualisiert die Umgebung und stellt sicher, dass alle Abhängigkeiten kompatibel sind. Die Ausgabe wird sein:

✔ Added scipy >=1.16.3,<2

// 7. Führen Sie Ihre Python-Skripte aus

Sie können auch Ihre eigenen Python-Skripte erstellen und ausführen. Erstellen Sie ein einfaches Python-Skript. my_script.py:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy


print("All packages loaded efficiently!")

Sie können es wie folgt ausführen:

Dies wird Folgendes ausgeben:

All packages loaded efficiently!

// 8. Teilen Sie Ihre Umgebung

Um Ihre Umgebung freizugeben, müssen Sie zunächst einen Commit durchführen pixi.toml Und pixi.lock zur Versionskontrolle:

git add pixi.toml pixi.lock
git commit -m "Add Pixi undertaking configuration and lock file"
git push

Danach können Sie die Umgebung auf einem anderen Pc reproduzieren:

git clone <your-repo-url>
cd <your-project-folder>
pixi set up

Pixi erstellt mit dem genau dieselbe Umgebung neu pixi.lock Datei.

# Zusammenfassung

Pixi bietet einen intelligenten Ansatz, indem es modernes Abhängigkeitsmanagement in das Python-Ökosystem integriert, um Reproduzierbarkeit, Portabilität und Geschwindigkeit zu verbessern. Aufgrund seiner Einfachheit und Zuverlässigkeit entwickelt sich Pixi zu einem unverzichtbaren Werkzeug im Werkzeugkasten moderner Python-Entwickler. Sie können auch die überprüfen Pixi-Dokumentation um mehr zu erfahren.

Kanwal Mehreen ist ein Ingenieur für maschinelles Lernen und ein technischer Redakteur mit einer großen Leidenschaft für Datenwissenschaft und die Schnittstelle zwischen KI und Medizin. Sie ist Mitautorin des E-Books „Maximizing Productiveness with ChatGPT“. Als Google Era Scholar 2022 für APAC setzt sie sich für Vielfalt und akademische Exzellenz ein. Sie ist außerdem als Teradata Range in Tech Scholar, Mitacs Globalink Analysis Scholar und Harvard WeCode Scholar anerkannt. Kanwal ist ein leidenschaftlicher Verfechter von Veränderungen und hat FEMCodes gegründet, um Frauen in MINT-Bereichen zu stärken.