Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révision Les deux révisions suivantes | ||
python:anaconda [2020/09/29 10:17] Francesco Beretta [Installer et configurer son environnement virtuel Python] |
python:anaconda [2020/09/29 11:11] Francesco Beretta [Miniconda / Anaconda/Miniconda] |
||
---|---|---|---|
Ligne 3: | Ligne 3: | ||
======= Installer et configurer son environnement virtuel Python ======= | ======= Installer et configurer son environnement virtuel Python ======= | ||
- | Les environnements virtuels fournissent un moyen puissant pour isoler les dépendances de paquets d’un projet. Cela signifie que vous pouvez utiliser des paquets particuliers à un projet Python sans les installer sur l’ensemble du système et ainsi en évitant ainsi la les conflits de version potentiels. | + | Les environnements virtuels fournissent un moyen puissant pour isoler les paquets utilisés dans un projet utilisant Python et leurs dépendances. Cela signifie que vous pouvez utiliser des paquets particuliers à un projet sans les installer sur l’ensemble du système, en évitant ainsi les conflits de version potentiels et en assurant la cohérence de l'environnement. |
Cf. [[https://docs.python.org/fr/3/tutorial/venv.html|Environnements virtuels et paquets]]. | Cf. [[https://docs.python.org/fr/3/tutorial/venv.html|Environnements virtuels et paquets]]. | ||
- | Comme nous pratiquons ici une approche orientée analyse de données (et non développement web ou développement d'applications), nous avons privilégié le gestionnaire de paquets Conda (cf. ci-dessous). D'autres outils existent, construits autour de PIP (cf. documentation officielle de Python). | ||
+ | Plusieurs outils de gestion d'environnements virtuels existent, construits autour de PIP (cf. documentation officielle de Python). Comme nous pratiquons ici une approche orientée analyse de données (et non développement web ou développement d'applications), nous avons privilégié le gestionnaire de paquets Conda (cf. ci-dessous). De plus, Conda permet d'installer des paquets d'autres langages informatiques, tel R, node.js ou java. Il est donc particulièrement intéressant et fléxible pour notre but. | ||
- | ====== Documentation et tutoriels ====== | ||
- | ===== Anaconda/Miniconda ===== | + | ====== Miniconda / Anaconda ====== |
- | * [[https://www.anaconda.com/what-is-anaconda/|Ce qu'est Anaconda]] – [[https://docs.conda.io/projects/conda/en/latest/index.html|ce qu'est **Conda**]] | + | * [[https://www.anaconda.com/what-is-anaconda/|Ce qu'est Anaconda]] – [[https://docs.conda.io/projects/conda/en/latest/index.html|ce qu'est Conda]] |
* Installer [[https://docs.conda.io/en/latest/miniconda.html|Miniconda]]. Dans le cadre de ce tutoriel, la version de python pouvant être utilisée est la **3.7**. | * Installer [[https://docs.conda.io/en/latest/miniconda.html|Miniconda]]. Dans le cadre de ce tutoriel, la version de python pouvant être utilisée est la **3.7**. | ||
* Quelle différence entre Anaconda et Miniconda ? [[https://www.anaconda.com/download/|Anaconda]] apporte, en plus du gestionnaire d'environnements Python //conda//, une interface graphique complète et différents logiciels. L'environnement risque d'être un peu lourd – pour des petits projets **Miniconda** est préférable. Il n'est pas recommandé, dans le cadre de cet atelier, de créer un environnement avec le logiciel Anaconda, car cela pose problème par la suite. | * Quelle différence entre Anaconda et Miniconda ? [[https://www.anaconda.com/download/|Anaconda]] apporte, en plus du gestionnaire d'environnements Python //conda//, une interface graphique complète et différents logiciels. L'environnement risque d'être un peu lourd – pour des petits projets **Miniconda** est préférable. Il n'est pas recommandé, dans le cadre de cet atelier, de créer un environnement avec le logiciel Anaconda, car cela pose problème par la suite. | ||
Ligne 19: | Ligne 18: | ||
* **[[python:environnement_conda|Créer et gérer un environnement Conda]]** | * **[[python:environnement_conda|Créer et gérer un environnement Conda]]** | ||
- | ===== JupyterLab git extension ===== | ||
- | Documentation concernant //JupyterLab git extension//: | ||
- | * [[https://github.com/jupyterlab/jupyterlab-git|jupyterlab / jupyterlab-git]] | ||
- | * Tutoriel [[https://annefou.github.io/jupyter_publish/02-git/index.html|JupyterLab git extension]] | ||
- | * Un tutoriel très intéressant sur Jupyter Lab dont la partie 3 concerne GitHub: [[http://jakevdp.github.io/blog/2017/03/03/reproducible-data-analysis-in-jupyter/|Reproducible Data Analysis in Jupyter]] | ||
- | |||
- | **/!\ Avant de faire le tutoriel, réfléchissez si vous devez créer un nouveau environnement virtuel, si vous avez déjà d'autres projets en cours.** Il est donc préférable de créer un environnement en ligne de commande. Voir ci-dessous pour l'installation de l'environnement. | ||
- | \\ Une fois que vous avez activé votre environnement dans Miniconda, pensez à installer **JupyterLab**. Jupyter Notebook sera automatiquement installé avec. | ||
- | \\ Une fois JupyterLab installé, lancez le, il s'affichera sur votre navigateur. | ||
- | |||
- | |||
- | Les paquets pour conda: | ||
- | * [[https://anaconda.org/conda-forge/jupyterlab-git|jupyterlab-git]] ([[https://github.com/jupyterlab/jupyterlab-git|documentation sur GitHub]]) | ||
- | * [[https://anaconda.org/krinsman/jupyterlab-github|jupyterlab-github]] ([[https://github.com/jupyterlab/jupyterlab-github|Documentation sur Github]]) | ||
====== Installation de Miniconda avec JupyterLab et ses plugins ====== | ====== Installation de Miniconda avec JupyterLab et ses plugins ====== | ||
Ligne 74: | Ligne 59: | ||
====== Configuration des plugins JupyterLab ====== | ====== Configuration des plugins JupyterLab ====== | ||
+ | |||
+ | |||
+ | ===== JupyterLab git extension ===== | ||
+ | |||
+ | Documentation concernant //JupyterLab git extension//: | ||
+ | * [[https://github.com/jupyterlab/jupyterlab-git|jupyterlab / jupyterlab-git]] | ||
+ | * Tutoriel [[https://annefou.github.io/jupyter_publish/02-git/index.html|JupyterLab git extension]] | ||
+ | * Un tutoriel très intéressant sur Jupyter Lab dont la partie 3 concerne GitHub: [[http://jakevdp.github.io/blog/2017/03/03/reproducible-data-analysis-in-jupyter/|Reproducible Data Analysis in Jupyter]] | ||
+ | |||
+ | **/!\ Avant de faire le tutoriel, réfléchissez si vous devez créer un nouveau environnement virtuel, si vous avez déjà d'autres projets en cours.** Il est donc préférable de créer un environnement en ligne de commande. Voir ci-dessous pour l'installation de l'environnement. | ||
+ | \\ Une fois que vous avez activé votre environnement dans Miniconda, pensez à installer **JupyterLab**. Jupyter Notebook sera automatiquement installé avec. | ||
+ | \\ Une fois JupyterLab installé, lancez le, il s'affichera sur votre navigateur. | ||
+ | |||
+ | |||
+ | Les paquets pour conda: | ||
+ | * [[https://anaconda.org/conda-forge/jupyterlab-git|jupyterlab-git]] ([[https://github.com/jupyterlab/jupyterlab-git|documentation sur GitHub]]) | ||
+ | * [[https://anaconda.org/krinsman/jupyterlab-github|jupyterlab-github]] ([[https://github.com/jupyterlab/jupyterlab-github|Documentation sur Github]]) | ||
+ | |||
+ | |||
===== Plugin jupyterlab-github ===== | ===== Plugin jupyterlab-github ===== |