Outils pour utilisateurs
python:environnement_conda
Différences
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:environnement_conda [2022/02/28 01:25] Francesco Beretta [Créer un nouvel environnement] |
python:environnement_conda [2023/04/17 11:04] Francesco Beretta [Créer manuellement un nouvel environnement] |
||
|---|---|---|---|
| Ligne 4: | Ligne 4: | ||
| - | ====== Métadonnées et update de Conda ====== | + | ====== Métadonnées et update de Conda / Mamba ====== |
| + | |||
| + | [[https://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html#managing-environments|Documentation et tutoriel]] concernant l'utilisation de Conda. | ||
| + | |||
| + | [[https://mamba.readthedocs.io/en/latest/user_guide/mamba.html|Documentation]] concernant l'utilisation de Mamba. Mamba est une sorte de sur-couche logicielle exécute la plupart des commandes de Conda de manière plus performante. Dans la plupart des cas les appel conda / mamba sont interchangeables. | ||
| - | [[https://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html#managing-environments|Documentation et tutoriel]] concernant l'utilisation de Conda | ||
| Ligne 26: | Ligne 29: | ||
| - | ====== Créer un nouvel environnement ====== | + | ====== Créer manuellement un nouvel environnement ====== |
| Documentation: [[https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html|managing environments]] | Documentation: [[https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html|managing environments]] | ||
| + | Lorsqu'on souhaite créer un nouvel environnement Conda on peut procéder en listant les librairies à installer dans la commande de création ou en convoquant un texte qui contient la liste des librairies. Voici un exemple de la première méthode qui ajoute des librairies permettant de traiter des documents HTML et XML Le nouvel environnement est | ||
| - | <code> mamba create --name py39_analyse python=3.9 ipykernel pathlib plotly matplotlib scipy pandas xlrd seaborn statsmodels patsy </code> | + | <code> mamba create --name py310_data_analysis python=3.10 ipykernel requests lxml pandas plotly altair</code> |
| - | Lister les bibliothèques de fonctions installées: | + | Lister les librairies installées (seulement celles déclarées explicitement): |
| - | <code>mamba env list</code> | + | <code>mamba env export --name py310_data_analysis --from-history</code> |
| - | <code>mamba activate py39_analyse</code> | ||
| - | Vérifier si telle bibliothèque (ici seaborn) est installée: | + | Lister toutes les librairies et dépendances installées: |
| - | <code>mamba search seaborn</code> | + | <code>conda activate py310_data_analysis</code> |
| + | On est ainsi positionné dans l'environnement et on liste les librairies: | ||
| + | <code>conda list</code> | ||
| - | Si ce n'est pas le cas, d'abord sauvegarder la configuration de l'environnement: | + | <code>conda deactivate</code> |
| - | <code>conda env export --name py39_analyse --from-history > [exemple:] /Volumes/MyDisk/python_notebooks/_environments/py39_analyse_20200507.yml</code> | + | |
| + | |||
| + | Pour ajouter une librairire, par ex. la bibliothèque de visualisation: 'seaborn'. | ||
| + | |||
| + | Vérifier si elle est disponibles: | ||
| + | <code>conda search seaborn</code> | ||
| + | |||
| + | Vérifier la version disponible (et conseillée) sur ce site : [[https://anaconda.org/search|Anaconda search package]] — choisir généralement la plus utilisée. | ||
| + | |||
| + | |||
| + | Avant de procéder, sauvegarder la liste des librairies de l'environnement: | ||
| + | <code>mamba env export --name py310_data_analysis --from-history > [exemple:] C:\Users\your_name\Documents\espace_python\environments\py310_data_analysis_20220228.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: | 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/py39_analyse_20200507.yml</code> | + | <code>mamba env create --file [exemple:] C:\Users\your_name\Documents\espace_python\environments\py310_data_analysis_20220228.yml</code> |
| * Vérifier ensuite les spécifications dans l'entrepôt de bibliothèques : [[https://anaconda.org/anaconda/seaborn | anaconda / packages / seaborn]] | * Vérifier ensuite les spécifications dans l'entrepôt de bibliothèques : [[https://anaconda.org/anaconda/seaborn | anaconda / packages / seaborn]] | ||
| Ligne 52: | Ligne 68: | ||
| Puis installer la nouvelle bibliothèque: | Puis installer la nouvelle bibliothèque: | ||
| - | <code>conda install seaborn</code> | + | <code>mamba install seaborn</code> |
| - | Pour supprimer un environnement: | + | Pour lister les librairies installées dans l'environnement Conda actif: |
| - | <code> conda env remove --name ENVIRONMENT --all</code> | + | <code>mamba env export --from-history</code> |
| + | ====== Supprimer un environnement: ====== | ||
| + | <code> conda env remove --name ENVIRONMENT </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. | + | |
| + | ====== Créer un nouvel environnement 'shn-pyshs' à partir d'une liste de librairie et l'ajouter aux kernels de Jupyter Lab ====== | ||
| + | |||
| + | On présente ici la création d'un environnement Conda à partir d'une liste de librairies. | ||
| + | |||
| + | |||
| + | En règle générale, on utilise un environnement Conda par projet ou dépôt de code. 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. Généralement les dépôts de code indiquent la liste des paquets à installer. | ||
| 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. | 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. | ||
| Ligne 75: | Ligne 98: | ||
| ===== Recette ===== | ===== Recette ===== | ||
| + | D'abord cloner le [[https://github.com/Sciences-historiques-numeriques/shn-pyshs|dépôt de code shn-pyshs]] dans le dossier de travail Python. | ||
| - | Créer d'abord le nouvel environnement **//atelier//** avec toutes ses librairies: | ||
| - | <code>conda create --name atelier python=3.7 matplotlib</code> | ||
| - | L'activer: | + | Créer d'abord le nouvel environnement **//shn-pyshs//** avec toutes ses librairies: |
| - | <code>conda activate atelier</code> | + | <code>mamba env create --name py310_data_analysis --file C:\Users\your_name\Documents\espace_python\shn-pyshs\requirements.yml</code> |
| - | Installer ipykernel (et toues les dépendances ipython) | + | |
| + | ATTENTION : seulement __si non installé__, installer ipykernel (et toues les dépendances ipython) | ||
| + | <code>conda activate py310_data_analysis</code> | ||
| <code>conda install ipykernel</code> | <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> | + | Puis activer l'ipykernel pour cet utilisateur |
| + | <code>python -m ipykernel install --user --name py310_data_analysis --display-name "py310_data_analysis"</code> | ||
| + | |||
| + | Lister les kernels présents: | ||
| + | <code>jupyter kernelspec list</code> | ||
| + | Si tout s'est bien passé, on y trouvera le kernel '//py310_data_analysis//' | ||
| Désactier l'environnement: | Désactier l'environnement: | ||
| <code>conda deactivate</code> | <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: | + | |
| + | |||
| + | Plus tard, lancer JupyterLab: | ||
| <code>jupyter lab</code> | <code>jupyter lab</code> | ||
| Dans l'interface graphique, dans un carnet, choisir le kernel et environnement souhaité. | 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 '//shn-pyshs//' et lui ajouter de nouvelles bibliothèques. Puis on redémarre le kernel et elles seront activables. | |
| - | **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. | + | |
python/environnement_conda.txt · Dernière modification: 2024/03/11 18:46 par Francesco Beretta
