Conda 和 PDM 组合使用的最佳实践

大家好，欢迎来到IT知识分享网。

在 Python 项目开发中，Conda 和 PDM 各有优势。Conda 擅长管理复杂的依赖关系，尤其是涉及多语言和二进制包的情况，还能轻松创建和管理不同 Python 版本的环境；PDM 则专注于 Python 包管理，采用现代化的依赖管理方式，安装和更新速度快，能精确锁定依赖版本。将两者组合使用，可以充分发挥它们的长处，以下是一些最佳实践。

一、项目初始化与环境搭建

1. 使用 Conda 创建基础环境

首先，使用 Conda 创建一个包含所需 Python 版本和一些基础依赖的环境。例如，要创建一个使用 Python 3.10 的环境，并安装 NumPy 和 Pandas 这两个常用的数据科学库，可以执行以下命令：

conda create -n my_project_env python=3.10 numpy pandas

这将创建一个名为 my_project_env 的 Conda 环境，安装指定版本的 Python 以及 NumPy 和 Pandas。

2. 激活 Conda 环境

在创建好环境后，激活该环境，后续的操作将在这个环境中进行：

conda activate my_project_env

3. 安装 PDM

在激活的 Conda 环境中安装 PDM。可以使用以下命令：

pip install pdm

4. 使用 PDM 初始化项目

在项目根目录下，使用 PDM 初始化项目。执行 pdm init 命令，按照提示完成项目的基本配置，如选择 Python 解释器（这里选择 Conda 环境中的 Python 解释器）、项目名称等。初始化完成后，会生成 pyproject.toml 和 pdm.lock 文件。

pdm init

二、依赖管理

1. 使用 PDM 管理 Python 包

在项目开发过程中，使用 PDM 来管理 Python 包的安装和更新。例如，要安装 requests 库，可以使用以下命令：

pdm add requests

PDM 会将 requests 及其依赖项安装到项目的虚拟环境中，并更新 pyproject.toml 和 pdm.lock 文件。

2. 分组依赖管理

PDM 支持分组依赖管理，这在处理不同环境下的依赖时非常有用。在 pyproject.toml 文件中，可以定义不同的依赖组，如开发环境依赖和生产环境依赖。例如：

[project.optional-dependencies] dev = ["flake8", "pytest"]

然后使用以下命令安装特定组的依赖：

pdm add -G dev

3. 利用 Conda 安装特殊依赖

对于一些需要二进制编译或有复杂依赖关系的包，使用 Conda 进行安装。例如，安装 TensorFlow 可以使用以下 Conda 命令：

conda install tensorflow

这样可以利用 Conda 的强大依赖解析能力，确保这些特殊依赖能够正确安装。

三、项目开发与运行

1. 使用 PDM 运行脚本

在项目开发过程中，使用 pdm run 命令来运行项目脚本。假设项目中有一个 main.py 脚本，可以使用以下命令运行：

pdm run python main.py

这将确保脚本在 PDM 管理的项目环境中执行。

2. 持续集成与部署

在持续集成（CI）和持续部署（CD）流程中，确保正确配置 Conda 和 PDM。在 CI 环境中，首先创建和激活 Conda 环境，然后安装 PDM 并根据 pyproject.toml 和 pdm.lock 文件安装项目依赖。例如，在 GitLab CI/CD 配置文件中可以这样配置：

stages: - test test: stage: test script: - conda create -n ci_env python=3.10 - conda activate ci_env - pip install pdm - pdm install - pdm run pytest

四、版本控制与协作

1. 提交关键文件

将 pyproject.toml、pdm.lock 和 Conda 环境文件（如果有）提交到版本控制系统（如 Git）中。这些文件记录了项目的依赖信息，确保团队成员和不同环境中的依赖一致。

2. 团队协作

团队成员在克隆项目后，首先使用 Conda 创建和激活相同的环境，然后使用 PDM 安装项目依赖。这样可以避免因依赖不一致导致的问题。例如，新成员克隆项目后可以执行以下步骤：

conda create --name my_project_env --file environment.yml conda activate my_project_env pip install pdm pdm install

五、环境清理与维护

1. 定期清理

定期使用 Conda 和 PDM 的清理命令来释放磁盘空间。例如，使用 Conda 的 conda clean 命令清理缓存文件：

conda clean -a

使用 PDM 的 pdm cache clear 命令清理 PDM 的缓存：

pdm cache clear

2. 更新依赖

定期使用 Conda 和 PDM 检查和更新依赖。使用 Conda 更新已安装的包：

conda update --all

使用 PDM 更新项目依赖：

pdm update

通过以上 Conda 和 PDM 组合使用的最佳实践，可以在 Python 项目开发中充分发挥两者的优势，提高开发效率，确保项目的稳定性和可复现性。