Différences

Ci-dessous, les différences entre deux révisions de la page.

--- python:environnement_conda [2020/05/13 20:54]
Francesco Beretta
+++ python:environnement_conda [2022/02/28 01:14]
Francesco Beretta [Métadonnées et update de Conda]
@@ Ligne 5: / Ligne 5: @@
 ====== Métadonnées et update de Conda ======
+[[https://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html#managing-environments|Documentation et tutoriel]] concernant l'utilisation de Conda
 <code >
-  conda --version
+conda --version
-  conda info
+conda info
-  conda info --envs
+conda info --envs
+conda env list
 </code>
 <code >conda update conda</code>
+On peut alternativement installer les environnements avec Mamba, ce que nous ferons ici.
+On exécute donc préalablement :
+<code >conda update conda</code>
+La plupart des commandes de Mamba sont équivalentes à celles de Conda, la performance de gestion d'environnements supérieure.
@@ Ligne 18: / Ligne 28: @@
 ====== Créer un nouvel environnement ======
-<code> conda create --name atelier python=3.7 jupyterlab=1.2.7 jupyterlab-git </code>
+Documentation: [[https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html|managing environments]]
+<code> conda create --name atelier python=3.7 ipykernel pathlib plotly matplotlib scipy pandas xlrd seaborn statsmodels patsy </code>
+Lister les bibliothèques de fonctions installées:
+<code>conda list</code>
+Vérifier si telle bibliothèque (ici BeautifulSoup) est installée:
+<code>conda search seaborn</code>
+Si ce n'est pas le cas, d'abord sauvegarder la configuration de l'environnement:
+<code>conda env export --name atelier > [exemple:] /Volumes/MyDisk/python_notebooks/_environments/atelier_20200507.yml</code>
+En cas de pépin lors de l'installation du nouveau paquet, on peut restaurer (c'est-à-dire recréer) l'environnement dans l'état précis où il était lors de la sauvegarde:
+<code>conda env create --file [exemple:] /Volumes/MyDisk/python_notebooks/_environments/atelier_20200507.yml</code>
+  * Vérifier ensuite les spécifications dans l'entrepôt de bibliothèques : [[https://anaconda.org/anaconda/seaborn | anaconda / packages / seaborn]]
+  * Si le paquet n'existe pas pour Conda, on peut recourir à PIP, depuis Conda, mais voici les **[[https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html#using-pip-in-an-environment|précautions à prendre]]**.
+Puis installer la nouvelle bibliothèque:
+<code>conda install seaborn</code>
+Pour supprimer un environnement:
+<code> conda env remove --name ENVIRONMENT  --all</code>
+====== Créer un nouvel environnement 'atelier' et l'ajouter aux kernels de Jupyter Lab ======
+En règle générale, on utilise un environnement Conda par projet. Ceci permet de garantir une stabilité du code et d'éviter que des ajouts de paquets ou des mises à jour produisent des effets non souhaités.
+Aussi, il est fortement déconseillé de travailler et d'ajouter des paquets ou librairies à l'environnement //base// de Conda: il faut créer toujours de nouveaux environnements de travail.
+Ceux-ci peuvent devenir assez volumineux si on y ajoute tout type de bibliothèque de fonctions. Il est donc opportun de regrouper les bibliothèques, par exemple, par projet ou par thématiques: NLP, graphes, visualisations, machine learning, etc.
+Dans un notebook Jupyter on pourra ensuite choisir entre les différents environnements moyennant qu'on suive les instructions indiquées ci-dessous.
+Cf. ce [[https://medium.com/@ace139/enable-multiple-kernels-in-jupyter-notebooks-6098c738fe72|billet de blog]]
+===== Recette =====
+Créer d'abord le nouvel environnement **//atelier//** avec toutes ses librairies:
+<code>conda create --name atelier python=3.7 matplotlib</code>
+L'activer:
+<code>conda activate atelier</code>
+Installer ipykernel (et toues les dépendances ipython)
+<code>conda install ipykernel</code>
+Activer l'ipykernel pour cet utilisateur
+<code>python -m ipykernel install --user --name atelier --display-name "Py 3.7 atelier"</code>
+Désactier l'environnement:
+<code>conda deactivate</code>
+Activer l'environnement principal Jupyter Lab:
+<code>conda activate py37_gitlab</code>
+Lister les kernels présents:
+<code>jupyter kernelspec list</code>
+Si tout s'est bien passé, on y trouvera le kernel '//atelier//'
+Lancer JupyterLab:
+<code>jupyter lab</code>
+Dans l'interface graphique, dans un carnet, choisir le kernel et environnement souhaité.
+**N.B. 1** On peut, dans une autre fenêtre de terminal, activer l'environnement '//atelier//' et lui ajouter de nouvelles bibliothèques. Puis on redémarre le kernel et elles seront activables.
+**N.B. 2** Eviter d'ajouter des bibliothèques à l'environnement de base de JupyterLab où a été installé //jupyterlab-github// pour préserver cet environnement de toute corruption
+Pour supprimer un kernel
+<code>jupyter kernelspec uninstall KERNELNAME</code>

Wiki de l'ARHNAxe de recherche en histoire numériqueLARHRA UMR5190

Outils pour utilisateurs

Outils du site

Différences

Outils de la page

Wiki de l'ARHN

Axe de recherche en histoire numérique
LARHRA UMR5190