Сравнение инструментов для управления пакетами

Тимур Салимов — Techlead DS

Настоящее время: Зоопарк инструментов

По итогу за 20 с лишним лет появился и умерло огромное количество инструментов для управления зависимостями в Python. До этого мы рассмотрели историю развития относительно ключевые проектов, которые в той или иной мере повлияли на движение сообщества. В этом разделе мы рассмотрим текущую ситуацию, доступные инструменты и какие задачи они решают, чтобы вам было проще выбрать подходящий для вас. Ведь там, где одни могут видеть перегруз выбора, другие видят множество альтернатив. :)

Категоризация

Для целей этого сравнения было выделено 10 основных категорий, которые важны, когда речь идет об управлении Python проектом:

Управление версией Python
Виртуальные окружения
Управление пакетами
Управление научными пакетами
Воспроизводимые зависимости (lock-file)
Сборка и публикация пакетов (PyPI)
Сборка и публикация научных пакетов (conda-like)
Единый файл мета данный (PEP 621)
Автоматизация выполнения команд (Task runner/workflow manager)
Шаблонизация структуры проекта

Для целей этого сравнения было выделено 10 основных категорий, которые важны, когда речь идет об управлении Python проектом:
- Управление версией Python
- Виртуальные окружения
- Управление пакетами
- Управление научными пакетами
- Воспроизводимые зависимости (lock-file)
- Сборка и публикация пакетов (PyPI)
- Сборка и публикация научных пакетов (conda-like)
- Единый файл мета данный (PEP 621)
- Автоматизация выполнения команд (Task runner/workflow manager)
- Шаблонизация структуры проекта
Естественно, есть инструменты, которые будут решать только одно задачу, такие инструменты мы рассмотрим в разделе специализированных инструментов. Для многозадачных инструментов будет не только описание, но и сравнение их между собой по пунктам выше.

Специализированные инструменты

Управление версией Python

pyenv

  $ pyenv versions
    2.7.10
  * 3.5.0 (set by /Users/yuu/.pyenv/version)
    miniconda3-3.16.0
    pypy-2.6.0

  $ python --version
  Python 3.6.0

  $ pyenv global pypy-2.6.0

  $ python --version
  Python 2.7.9 [PyPy 2.6.0 with GCC 4.9.2]

  $ cd /Volumes/treasuredata/jupyter

  $ pyenv version
  miniconda3-3.16.0 (set by /Volumes/treasuredata/.python-version)

  $ python --version
  Python 3.4.3 :: Continuum Analytics, Inc.

Виртуальные окружения

venv - простой вариант доступный сразу.
virtualenv - если не устраивает venv.
Наиболее важные отличия venv от virtualenv:
- работает медленнее (из-за отсутствия метода начальной фиксации app-data);
- не так расширяем;
- не может создавать виртуальные среды для произвольно установленных версий Python (и автоматически обнаруживать их);
- не обновляется через pip;
- не имеет такого богатого программного API;

Виртуальные окружения
- venv
  - Стандартный вариант, работает из коробки.
- virtualenv
  - Если не устраивает скорость работы venv и нужны дополнительные функции.
- Наиболее важные отличия venv от virtualenv:
  - работает медленнее (из-за отсутствия метода начальной фиксации app-data);
  - не так расширяем;
  - не может создавать виртуальные среды для произвольно установленных версий Python (и автоматически обнаруживать их);
  - не обновляется через pip;
  - не имеет такого богатого программного API;

Управление пакетами

pip

  $ python -m pip install SomePackage            # latest version
  $ python -m pip install 'SomePackage>=1.0.4'   # with version
  $ python -m pip install --upgrade SomePackage  # upgrade package
  $ python -m pip uninstall SomePackage          # uninstall

  $ python -m pip install -r requirements.txt    # using requirements

  $ python -m pip list
  Package Version
  ------------ -------
  SomePackage  0.0.1

  $ python -m pip freeze
  SomePackage==0.0.1

pipx

  $ pipx install hello
  installed package hello 2.0.3, Python 3.7.3
  These apps are now globally available
      - hello
  done! ✨ 🌟 ✨

  $ pipx list
  venvs are in /home/user/.local/share/pipx/venvs
  apps are exposed on your $PATH at /home/user/.local/bin
  package hello 2.0.3, Python 3.7.3
      - hello

  # Now you can run hello from anywhere
  $ hello World
  Hello, World!

  # This will install the package in an isolated, temporary directory and invoke the app.
  $ pipx run hello Isolated world
  Hello, Isolated world!

Управление пакетами
- pip
  - Стандартный вариант, работает из коробки.
- pipx
  - pipx — это инструмент, который поможет вам устанавливать и запускать приложения для конечных пользователей, написанные на Python. Он примерно похож на Brew в macOS, npx в JavaScript и apt в Linux.
  - Не стоит путать его с pip. Фактически, да, он использует pip, но ориентирован на установку и управление пакетами Python, которые можно запускать из командной строки непосредственно как приложения.

Сборка и публикация пакетов

build & setuptools & twine
flit
maturin
hatchling

Сборка и публикация пакетов
- build & setuptools & twine
  - По новому стандарту сборки необходимо использовать связку build frontend и build backend.
    - build frontend - должен обладать простым интерфейсом, он находит в зависимостях, какой build backend используется и устанавливает его в виртуальное окружение, после чего вызывает его, чтобы произвести уже саму сборку.
    - build backend должен иметь API, указанное в стандарте, чтобы его можно было единым образом использовать через один build frontend разные build backend. Этот модуль обычно и производит сборку и от него зависит, будет ли собираться просто пакет с исходным кодом или же wheels, хотя есть и инструменты, которые позволяют также собирать python пакеты в других форматах.
  - Классической связкой инструментов для сборки и публикации пакетов на Python является - build & setuptools & twine.
    - build выступает в качестве build frontend. Он читает pyproject.toml, понимает, какой build backend используется, устанавливает его в виртуальное окружение и затем вызывает.
    - setuptools - самый старый и распространенный метод собирать python пакеты. На данный момент его развитие занимается PyPA, добавлена поддержка wheels, а от egg формата рекомендуют отказаться. Также setuptools теперь выполняет роль build backend, а значит, можно наконец использовать сборки на основе pyproject.toml.
    - twine - простая утилита, которая позволяет вам опубликовать в PyPI ваш пакет.
- flit
  - flit — это простой и современный способ разместить пакеты и модули Python в PyPI. Он пытается упростить задачу упаковки, используя последние PEP, и помогает избежать распространенных ошибок. Однако он предназначен только для пакетов на чистом Python, без расширений на C.
- maturin
  - Позволяет создавать и публиковать Rust crates с привязками pyo3, Rust-cpython, cffi и uniffi, а также двоичные файлы Rust в виде пакетов Python с минимальной настройкой.
  - Он поддерживает создание wheels для Python 3.8+ в Windows, Linux, Mac и FreeBSD и может загружать их в pypi.
- hatchling
  - Он является часть пакетного менеджера hatch, и в целом позволяет выполнять всё то, что позволяет pipenv, но за исключением lock файлов. Так как до сих пор нет согласованного PEP. И на данный момент это самый большой недостаток hatch, из-за которого я не могу его рекомендовать.
  - При этом hatch дает возможность более точечно настраивать окружений с разными версиями пакетов, используя матрицу зависимостей.

Сборка и публикация научных пакетов

conda-build
rattler-build

Сборка и публикация научных пакетов
- conda-build
  - conda-build содержит команды и инструменты для создания собственных пакетов Conda. Он также предоставляет полезные инструменты для ограничения или закрепления версий в рецептах.
  - Для создания пакета conda необходимо установить conda-build и создать conda resipe. Затем вы используете команду conda build для сборки пакета conda на основе conda resipe.
- rattler-build
  - rattler-build позволяет создавать кросс-платформенные двоичные пакеты из простого формата рецептов. Формат рецепта во многом вдохновлен conda-build и boa, а результатом обычного запуска rattler-build является пакет, который можно установить с помощью mamba, rattler или conda.
  - rattler-build не имеет каких-либо зависимостей от conda-build или Python и работает как отдельный бинарник.

Автоматизация выполнения команд

task (taskfile.dev)

Пример Taskfile.yml:

version: '3'

tasks:
  test:
    cmds:
      - pytest --cov=my_app

poethepoet

Пример pyproject.toml:

    [tool.poe.tasks]
    test         = "pytest --cov=my_app" # a simple command task
    serve.script = "my_app:run(debug=True)" # python script based task
    tunnel.shell = "ssh -N -L 0.0.0.0:8080 $PROD"# (posix) shell based task

task (taskfile.dev)
- task — это инструмент для автоматизации выполнения команд, который призван быть проще и понятнее в использовании, чем, например, GNU Make.
- Поскольку task написан на Go, он представляет собой всего лишь один бинарный файл и не имеет других зависимостей, а это означает, что вам не нужно возиться с сложной установкой для того, чтобы просто использовать инструмент автоматизации.
- После установки вам просто нужно описать задачи, используя простую схему YAML в файле Taskfile.yml.
poethepoet
- Poe the Poet — это модуль для автоматизации задач, который хорошо работает с poetry.
- Изначально он создавался как плагин для poetry, но в итоге вырос в отдельный инструмент.
- Он обеспечивает простой способ определения задач проекта в вашем pyproject.toml.

Шаблонизация структуры проекта

cookiecutter

Пример шаблона cookiecutter

Структура проекта:

    ├── README.md
    ├── {{ cookiecutter.repo_name }}/
    │   ├── src/
    │   ├── __init__.py
    │   ├── {pipeline name 1}.smk
    │   ├── ...
    │   └── {pipeline name n}.smk
    ├── research/
    ├── _quarto.yaml
    └── pyproject.toml

cookiecutter.json:

    {
        "author_name": "John Doe",
        "author_email": "doe@john.com",
        "project_name": "Project name",
        "description": "A short description of the project.",
    }

Пример вставки значений в файл:

    [project]
    name = "{{ cookiecutter.repo_name }}"
    version = "{{ cookiecutter.version }}"
    description = "{{ cookiecutter.description }}"
    authors = ["{{ cookiecutter.author_name }} <{{ cookiecutter.author_email }}>"]

copier

Пример шаблона copier:

Структура проекта:

    my_copier_template/
    ├── copier.yml
    ├── .git/
    ├── {{project_name}}
    │   └── {{module_name}}.py.jinja
    └── {{_copier_conf.answers_file}}.jinja

copier.yml:

project_name:
    type: str
    help: What is your project name?

module_name:
    type: str
    help: What is your Python module name?

Пример вставки значений в файл:
- ```
    print("Hello from {{module_name}}!")
```

Многозадачные инструменты

`pipenv`

❌ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
❌ Управление научными пакетами
✅ Воспроизводимые зависимости
❌ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
❌ Единый файл мета данный
❌ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

pipenv
- Общая информация
  - Про него уже было сказано выше, так что просто проговорим, что он полезен как один из самый простых вариантов, построенных на экосистеме Python, с поддержкой PyPA. Если вам достаточно его функциональности.
  - После установки можно больше не вспоминать про pip, так как pipenv предоставляет полноценную замену.
- Анализ
  - ❌ Управление версией Python
  - ✅ Виртуальные окружения
    - Активация виртуального окружение:
      - Таким образом вы попадаете в выделенную оболочку внутри виртуального окружения.
      - Если окружения до этого не было, то оно будет создано.
      - Также важно отметить, что если вы попробуете просто установить пакет без виртуального окружения, то pipenv создаст его за вас.
  - ✅ Управление пакетами
  - ❌ Управление научными пакетами
  - ✅ Воспроизводимые зависимости
  - ❌ Сборка и публикация пакетов
  - ❌ Сборка и публикация научных пакетов
  - ❌ Единый файл мета данный
  - ❌ Автоматизация выполнения команд
  - ❌ Шаблонизация структуры проекта

`pipenv`: примеры

Установка pipenv:
- ```
      $ pip install pipenv
```
Активация виртуального окружения:
- ```
      $ pipenv shell
```

Установка зависимостей:

      $ pipenv install flask==0.12.1
      Adding flask==0.12.1 to Pipfile's [packages]...
      Pipfile.lock not found, creating...

Установка dev зависимостей:
- ```
      $ pipenv install pytest --dev
```
Фиксация зависимостей:
- ```
      $ pipenv lock
```
Установка последней зафиксированной версии проекта:
- ```
      $ pipenv install --ignore-pipfile
```

`poetry`

❌ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
❌ Управление научными пакетами
✅ Воспроизводимые зависимости
✅ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
❌ Единый файл мета данный
❌ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

poetry
- Общая информация collapsed:: true
  - poetry — это инструмент для управления зависимостями и упаковки в Python. Он позволяет вам объявлять библиотеки, от которых зависит ваш проект, и он будет управлять ими (устанавливать/обновлять) за вас. Poetry предлагает lock файл для обеспечения воспроизводимости и может собрать ваш проект.
  - В своё время poetry появился, как более функциональная замена pipenv.
- Анализ
  - ❌ Управление версией Python
  - ✅ Виртуальные окружения
    - poetry обладает встроенной возможностью управлять виртуальными окружениями. Интерфейс похож на многие инструменты.
    - poetry также умеет работать с внешними виртуальными окружениями. То есть, если вы создали виртуальное окружение другими инструментами, можно настроить работу poetry внутри него.
  - ✅ Управление пакетами
    - Стоит отметить, что есть расхождения в синтаксисе указания ограничений зависимостям между poetry и другими инструментами, обратите на это внимание при конфигурации.
  - ❌ Управление научными пакетами
  - ✅ Воспроизводимые зависимости
    - При добавлении или удалении пакета poetry зафиксирует это в poetry.lock. Таким образом поддерживается версия не только ваших прямых зависимостей, но и необходимых им пакетов.
  - ✅ Сборка и публикация пакетов
    - poetry умеет собирать как просто сборку с исходными файлами, так и wheels, однако только на чистом Python, без расширений на других языках.
  - ❌ Сборка и публикация научных пакетов
  - ❌ Единый файл мета данный
    - На данный момент в poetry до сих пор не поддерживается стандарт PEP 621, используя отдельные таблицы для себя. Однако, уже есть готовый Pull request на GitHub, который добавляет эту возможность, так что, стоит, возможно, подождать.
  - ❌ Автоматизация выполнения команд
    - В poetry есть базовая возможность задавать команды, через вызов функций в python скриптах, однако, в обсуждении на GitHub было принято решение не развивать дальше эту функцию для поддержки команд в shell, а потому, сказать, что эта возможность в poetry присутствует полноценно нельзя.
  - ❌ Шаблонизация структуры проекта
    - У poetry есть команда poetry new, которая создает новый проект с определенной структурой, однако авторы отказались от идеи добавлять возможность свои шаблоны этой структуры делать.

`poetry`: примеры

Активация окружения:
- ```
      poetry shell
```
Запуск скрипта в окружении:
- ```
      poetry run python your_script.py
```
Для управления пакетами в poetry можно воспользоваться командой:
- ```
      poetry add numpy
```
Для сборки пакета:
- ```
      poetry build
```
Для публикации пакета:
- ```
      poetry publish
```

Пример poetry scripts:

      [tool.poetry.scripts]
      my_package_cli = 'my_package.console:run'

`conda`/`mamba`

✅ Управление версией Python
✅ Виртуальные окружения
❌ Управление пакетами
✅ Управление научными пакетами
❌ Воспроизводимые зависимости
❌ Сборка и публикация пакетов
✅ Сборка и публикация научных пакетов
❌ Единый файл мета данный
❌ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

conda/mamba
- Общая информация
  - При экосистему conda уже было сказано, поэтому просто отмечу, что в случае, если вам нужные научные пакеты, которые используют низкоуровневые языки, то скорее вы рано или поздно дойдете и до этой экосистемы.
- Анализ
  - ✅ Управление версией Python
    - Для conda нет никакой разницы между Python и любыми другими пакетами, поэтому и нет особого синтаксиса, версия Python указывается как и для всех других пакетов.
  - ✅ Виртуальные окружения
    - В conda виртуальные окружения встроенные. После первичной установки у вас уже будет одного виртуальное окружение - base. Куда будут устанавливаться все глобальные пакеты, а не сразу к вам в систему.
  - ❌ Управление пакетами
  - ✅ Управление научными пакетами
    - Как было сказано ранее, conda использует свой формат пакетов conda packages, который изначально создавался для пакетов, в которых используется не только Python.
  - ❌ Воспроизводимые зависимости
  - ❌ Сборка и публикация пакетов
  - ✅ Сборка и публикация научных пакетов
    - Для сборки пакетов используется внешний модуль conda-build, который, возможно, придется установить, в зависимости от того, какой установщик conda вы использовали.
  - ❌ Единый файл мета данный
  - ❌ Автоматизация выполнения команд
  - ❌ Шаблонизация структуры проекта

`conda`/`mamba`: примеры

Создание виртуального окружения:

      conda create -n myenvironment python=3.10 numpy pandas

Создание виртуального окружения из файла:
- ```
      conda env create -f environment.yml
```

Пример environment.yml файла:

      name: stats2
      channels:
      - javascript
      dependencies:
      - python=3.9
      - conda-forge::numpy=1.21.*
      - nodejs=16.13.*
      - flask
      - pip
      - pip:
          - Flask-Testing

Активация и дезактивация виртуального окружения:
- ```
      conda activate myenvironment
```
- ```
      conda deactivate
```

Установка пакета

      conda install --name myenvironment numpy

`hatch`

❌ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
❌ Управление научными пакетами
❌ Воспроизводимые зависимости
✅ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
✅ Единый файл мета данный
✅ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

hatch
- Общая информация
  - hatch — современный менеджер Python проекта, позволяющий использовать матрицу зависимостей, для создания сразу нескольких виртуальных окружений, чтобы можно было тестировать на разных версиях пакетов ваш проект. Он использует pip для решения зависимостей и установки пакетов.
  - Однако в неё до сих пор отсутствуют lock файлы. Так как нет согласованного PEP. И на данный момент это самый большой недостаток hatch, из-за которого я не могу его рекомендовать.
- Анализ
  - ❌ Управление версией Python
  - ✅ Виртуальные окружения
  - ✅ Управление пакетами
    - В hatch нет отдельной команды на добавление зависимостей. Нужно вносить их руками в файл и при вызове hatch shell или hatch run создадутся нужные вам окружения и в них при помощи pip будут установлены зависимости.
  - ❌ Управление научными пакетами
  - ❌ Воспроизводимые зависимости
  - ✅ Сборка и публикация пакетов
    - hatch использует свой build backend – hatchling, а сам выступает как build frontend. hatchling позволяет как собирать пакеты в формате архива с исходным кодом, так и в формате wheels.
  - ❌ Сборка и публикация научных пакетов
  - ✅ Единый файл мета данный
  - ✅ Автоматизация выполнения команд
    - hatch позволяет объявлять команды, которые в том числе могут ссылаться друг на друга и быть привязаны к определенным виртуальным окружениям.
  - ❌ Шаблонизация структуры проекта
    - Есть возможность создать типовой проект при помощи hatch new, однако, можно ли включать и выключать элементы уже заданного шаблона.

`hatch`: примеры

Создание виртуального окружения:

      $ hatch env create
      Creating environment: default
      Installing project in development mode
      Syncing dependencies

Пример pyproject.toml для сборки:

  [build-system]
  requires = ["hatchling"]
  build-backend = "hatchling.build"

  [tool.hatch.build.targets.sdist]
  include = [ "pkg/*.py", ]
  exclude = [ "pkg/_compat.py", ]

  [tool.hatch.build.targets.wheel]
  packages = ["src/foo"]

Пример автоматизации команд pyproject.toml:

  [tool.hatch.envs.test.scripts]
  run-coverage = "pytest --cov-config=pyproject.toml --cov=tests"
  run = "run-coverage --no-cov"

  [tool.hatch.envs.style.scripts]
  check = [ "flake8 .", "black --check --diff .", "isort --check-only --diff ." ]
  fmt = [ "isort .", "black .", "check" ]

`pixi`

✅ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
✅ Управление научными пакетами
✅ Воспроизводимые зависимости
❌ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
❌ Единый файл мета данный
✅ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

pixi
- Общая информация
  - Со временем часть людей, которые работали над mamba объединились в одну компанию – “prefix.dev”, и их первым совместным продуктом стал новый менеджер проектов pixi. Они реализовали свой солвер зависимостей из mamba на Rust, решили добавить дополнительную функциональность, чтобы это было больше похоже на современный менеджер проектов, и упаковать всё это в один небольшой бинарный файл.
  - Это всё ещё очень молодой проект, который сейчас активно развивается, так что, возможно, будет не самой лучшей идей использовать его где-то в production сегменте, однако за ним стоит команда, которая уже до этого себя показала в “Mamba org”, поэтому стоит его опробовать хотя бы в своих личных проектах.
- Анализ
  - ✅ Управление версией Python
    - Для pixi, как и для conda, python – это просто ещё один пакет, поэтому нет никаких сложностей с установкой различных версий python.
  - ✅ Виртуальные окружения
  - ✅ Управление пакетами
    - Одной из прорывных фичей pixi стала возможность устанавливать не только conda packages, но и пакеты с PyPI. Для этого изначально был реализован модуль rip, который использовал их солвер на Rust для решения зависимостей, но уже Python пакетов. Однако, по итогу, сейчас от него принято решение отказаться и использовать вместо него uv, о котором будет сказано дальше.
  - ✅ Управление научными пакетами
    - pixi умеет устанавливать conda packages из различных conda channels. В этом плане он является прямым приемником mamba.
  - ✅ Воспроизводимые зависимости
    - pixi генерирует pixi.lock файл, в котором фиксирует все зависимости из разных окружений, позволяя таким образом гарантировать воспроизводимость установки проекта.
    - Также pixi позволяет указывать платформы, на которых планируется собирать проект, и в случае, если не находит необходимых пакетов под все указанные платформы, то подсвечивает это пользователю. Таким образом становится куда проще следить за тем, чтобы у вас корректно устанавливался ваш проект, даже если в команде используются разные платформы.
  - ❌ Сборка и публикация пакетов
  - ❌ Сборка и публикация научных пакетов
  - ❌ Единый файл мета данный
  - ✅ Автоматизация выполнения команд
    - pixi использует под капотом deno_task_shell, который позволяет вам, хоть и с ограниченным набором команд терминала, но писать команды, которые будут работать на всех платформах.
    - Таким же образом можно объявлять команды в таблицах разных виртуальных окружений и ссылаться потом в других командах на них. Например, объявив команду сборки в одном окружении, а потом использовав её в другом.
  - ❌ Шаблонизация структуры проекта

`pixi`: примеры

Пример pixi.toml с несколькими окружениями:

      [dependencies]
      python = ">=3.12"
      fastapi = ">=0.105.0"
      uvicorn = "*"
      [feature.test.dependencies]
      pytest = "*"
      pytest-md = "*"
      [feature.test.tasks]
      test = "pytest --md=report.md"
      [environments]
      default = {features = ["test"], solve-group = "prod-group"}
      prod = {features = [], solve-group = "prod-group"}

Пример автоматизации команд в pixi.toml:

      [tasks]
      fmt = "ruff"
      lint = "pylint"
      style = { depends_on = ["fmt", "lint"] }
      run = "python main.py $PIXI_PROJECT_ROOT"

Пример цепочки команд, которые выполняются в своем окружении:

      [tasks]
      build = { cmd = "quarto render", depends_on = ["build-cs"] } 
      [feature.codestyle.tasks]
      build-cs = "quarto render codestyle/"

rye(uv)

✅ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
❌ Управление научными пакетами
✅ Воспроизводимые зависимости
✅ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
✅ Единый файл мета данный
✅ Автоматизация выполнения команд
❌ Шаблонизация структуры проекта

rye(uv)
- Общая информация
  - rye по-прежнему остается экспериментальным инструментом, созданным автором flask. Его идея состоит в том, что должен быть один инструмент, который обеспечивает менеджмент всего цикла разработки пакета. Недавно разработчики ruff, которые сейчас делают свой пакетный менеджер uv, взяли этот проект на свою поддержку. Пока в планах поддерживать rye, развивая uv, пока он не станет полноценным приемником rye.
- Анализ
  - ✅ Управление версией Python
    - rye позволяет фиксировать версию питона, которую будет использовать проект и она может отличаться от установленной у вас версии интерпретатора Python.
  - ✅ Виртуальные окружения
    - rye не даёт напрямую управлять виртуальными окружениями, он просто постоянно работает только в нём. Вы можете разделить зависимости проекта от его зависимостей, необходимых во время разработки, например, линтеров, однако на этом всё. Множественные окружения создать нельзя и переключаться между ними тоже.
  - ✅ Управление пакетами
  - ❌ Управление научными пакетами
  - ✅ Воспроизводимые зависимости
  - ✅ Сборка и публикация пакетов
  - ❌ Сборка и публикация научных пакетов
  - ✅ Единый файл мета данный
  - ✅ Автоматизация выполнения команд
  - ❌ Шаблонизация структуры проекта
    - Есть команда rye init, но она использует уже готовый шаблон и позволяет лишь изменить некоторые параметры уже этого шаблона. Задать свой шаблон возможности нет.

`rye`: примеры

Для того, чтобы зафиксировать или изменить версию Python необходимо выполнить команду:
- ```
      rye pin <python-version>
```
После чего синхронизировать изменение:
- ```
      rye sync
```

Пример автоматизации команд в pyproject.toml:

  [project.scripts]
  my-hello-script = 'hello:main'

  [tool.rye.scripts]
  # These three options are equivalent:
  devserver = "flask run --app ./hello.py --debug"
  devserver-alt = ["flask", "run", "--app", "./hello.py", "--debug"]
  devserver-explicit = { cmd = "flask run --app ./hello.py --debug" }

  # Using env vars
  devserver-env = { cmd = "flask run --debug", env = { FLASK_APP = "./hello.py" } }
  devserver-env-file = { cmd = "flask run --debug", env-file = ".dev.env" }

  # Chain call
  lint = { chain = ["lint:black", "lint:flake8" ] }
  "lint:black" = "black --check src"
  "lint:flake8" = "flake8 src"

`pdm`

✅ Управление версией Python
✅ Виртуальные окружения
✅ Управление пакетами
❌ Управление научными пакетами
✅ Воспроизводимые зависимости
✅ Сборка и публикация пакетов
❌ Сборка и публикация научных пакетов
✅ Единый файл мета данный
✅ Автоматизация выполнения команд
✅ Шаблонизация структуры проекта

pdm
- Общая информация
  - pdm - современный пакетный менеджер Python, поддерживающий последние стандарты PEP, который со временем стал полноценным менеджером проекта.
- Анализ
  - ✅ Управление версией Python
  - ✅ Виртуальные окружения
  - ✅ Управление пакетами
  - ❌ Управление научными пакетами
  - ✅ Воспроизводимые зависимости
  - ✅ Сборка и публикация пакетов
    - У pdm есть свой build backend – pdm-backend, однако, он позволяет использовать и другие.
  - ❌ Сборка и публикация научных пакетов
  - ✅ Единый файл мета данный
  - ✅ Автоматизация выполнения команд
  - ✅ Шаблонизация структуры проекта
    - pdm позволяет вам создавать свои шаблоны проекта и разворачивать их при помощи pdm init.
    - Единственное, шаблоны там достаточно простые, нельзя использовать вставки в файлы, меняется разве что имя проекта, после развертки по шаблону. Для полноценной шаблонизации рекомендуют всё же использовать специализированные инструменты.

Выводы

Категория/Инструмент	pipenv	poetry	conda	hatch	pixi	rye(uv)	pdm
Управление версией Python	❌	❌	✅	❌	✅	✅	✅
Виртуальные окружения	✅	✅	✅	✅	✅	✅	✅
Управление пакетами	✅	✅	❌	✅	✅	✅	✅
Управление научными пакетами	❌	❌	✅	❌	✅	❌	❌
Воспроизводимые зависимости	✅	✅	❌	❌	✅	✅	✅
Сборка и публикация пакетов	❌	✅	❌	✅	❌	✅	✅
Сборка и публикация научных пакетов	❌	❌	✅	❌	❌	❌	❌
Единый файл мета данный	❌	❌	✅	✅	❌	✅	✅
Автоматизация выполнения команд	❌	❌	❌	✅	✅	✅	✅
Шаблонизация структуры проекта	❌	❌	❌	❌	❌	❌	✅

Вы сами выбираете свой ад. :) Всегда можно взять многозадачный инструмент, понравившийся вам, и дополнить его другими инструментами, в этом и бонус большого количества разных альтернатив. Если у вас проект на чистом Python, то стоит рассмотреть rye и pdm. Если вы используете много научных пакетов, то conda/mamba или pixi, в зависимости от того, нужны ли вам пакеты из PyPI, и нужно ли выполнять сборку пакета. Также можно использовать комбинацию conda/mamba + pdm для того, чтобы одновременно управления и python и conda пакетами.