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 02:24] Francesco Beretta [Recette] |
python:environnement_conda [2024/02/23 01:33] Francesco Beretta [Recette] |
||
|---|---|---|---|
| Ligne 4: | Ligne 4: | ||
| - | ====== Métadonnées et update de Conda ====== | + | ====== 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. | ||
| - | [[https://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html#managing-environments|Documentation et tutoriel]] concernant l'utilisation de Conda | ||
| Ligne 18: | Ligne 19: | ||
| <code >conda update conda</code> | <code >conda update conda</code> | ||
| - | On peut alternativement installer les environnements avec Mamba, ce que nous ferons ici. | ||
| - | On exécute donc préalablement : | ||
| - | <code >mamba update mamba</code> | ||
| - | La plupart des commandes de Mamba sont équivalentes à celles de Conda, la performance de gestion d'environnements supérieure. | + | ====== Créer manuellement un nouvel environnement ====== |
| + | 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 | ||
| - | ====== Créer un nouvel environnement ====== | + | <code> conda create --name py311_data_analysis python=3.11 ipykernel requests lxml pandas plotly altair</code> |
| + | |||
| + | Lister les librairies installées (seulement celles déclarées explicitement): | ||
| + | <code>conda env export --name py311_data_analysis --from-history</code> | ||
| - | Documentation: [[https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html|managing environments]] | ||
| + | Lister toutes les librairies et dépendances installées: | ||
| + | <code>conda activate py311_data_analysis</code> | ||
| - | <code> mamba create --name py39_analyse python=3.9 ipykernel pathlib plotly matplotlib scipy pandas xlrd statsmodels patsy </code> | + | On est ainsi positionné dans l'environnement et on liste les librairies: |
| + | <code>conda list</code> | ||
| - | Lister les bibliothèques de fonctions installées: | + | <code>conda deactivate</code> |
| - | <code>mamba env list</code> | + | |
| - | <code>mamba activate py39_analyse</code> | ||
| - | Manque la bibliothèque de visualisation: 'seaborn'. | + | Pour ajouter une librairire, par ex. la bibliothèque de visualisation: 'seaborn'. |
| Vérifier si elle est disponibles: | Vérifier si elle est disponibles: | ||
| <code>conda search seaborn</code> | <code>conda search seaborn</code> | ||
| - | Vérifier la version disponible (et conseillée) sur ce site : [[https://anaconda.org/search|Anaconda search package]] | + | Vérifier la version disponible (et conseillée) sur ce site : [[https://anaconda.org/search|Anaconda search package]] — choisir généralement la plus utilisée. |
| - | Si ce n'est pas le cas, d'abord sauvegarder la configuration de l'environnement: | + | Avant de procéder, sauvegarder la liste des librairies de l'environnement: |
| - | <code>conda env export --name py39_analyse --from-history > [exemple:] C:\Users\your_name\Documents\espace_python\environments\py39_analyse_20220228.yml</code> | + | <code>conda env export --name py311_data_analysis --from-history > [exemple:] C:\Users\your_name\Documents\espace_python\environments\py311_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>mamba env create --file [exemple:] C:\Users\your_name\Documents\espace_python\environments\py39_analyse_20220228.yml</code> | + | <code>conda env create --file [exemple:] C:\Users\your_name\Documents\espace_python\environments\py311_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 58: | Ligne 61: | ||
| <code>conda install seaborn</code> | <code>conda 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>conda env export --from-history</code> |
| + | ====== Supprimer un environnement: ====== | ||
| + | <code> conda env remove --name ENVIRONMENT </code> | ||
| + | |||
| + | |||
| + | |||
| + | ====== 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. | ||
| - | ====== Créer un nouvel environnement 'shn-pyshs' et l'ajouter aux kernels de Jupyter Lab ====== | ||
| 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. | 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. | ||
| Ligne 82: | Ligne 92: | ||
| - | Créer d'abord le nouvel environnement **//atelier//** avec toutes ses librairies: | + | Créer d'abord le nouvel environnement **//shn-pyshs//** avec toutes ses librairies: |
| - | <code>>mamba env create -name shn-pyshs --file C:\Users\your_name\Documents\espace_python\shn-pyshs\requirements.yml</code> | + | <code>conda env create --name py310_data_analysis --file C:\Users\your_name\Documents\espace_python\shn-pyshs\requirements.yml</code> |
| - | + | ||
| - | L'activer: | + | |
| - | <code>conda activate shn-pyshs</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 env_jupyterlab</code> | + | |
| - | + | ||
| - | Lister les kernels présents: | + | |
| - | <code>jupyter kernelspec list</code> | + | |
| - | Si tout s'est bien passé, on y trouvera le kernel '//shn-pyshs//' | + | |
| - | + | ||
| - | 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 '//shn-pyshs//' 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> | ||
python/environnement_conda.txt · Dernière modification: 2024/03/11 18:46 par Francesco Beretta
