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 [2022/03/12 12:21] Francesco Beretta [Créer manuellement un nouvel environnement] |
python:environnement_conda [2024/02/22 20:29] 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://docs.conda.io/projects/conda/en/latest/user-guide/getting-started.html#managing-environments|Documentation et tutoriel]] concernant l'utilisation de Conda | ||
Ligne 17: | Ligne 18: | ||
<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. | ||
- | |||
Ligne 32: | Ligne 26: | ||
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 | 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 env create --name py39_html_xml python=3.9 ipykernel requests lxml </code> | + | <code> conda create --name py310_data_analysis python=3.10 ipykernel requests lxml pandas plotly altair</code> |
Lister les librairies installées (seulement celles déclarées explicitement): | Lister les librairies installées (seulement celles déclarées explicitement): | ||
- | <code>mamba env export --name py39_html_xml --from-history</code> | + | <code>conda env export --name py310_data_analysis --from-history</code> |
Lister toutes les librairies et dépendances installées: | Lister toutes les librairies et dépendances installées: | ||
- | <code>conda activate py39_html_xml</code> | + | <code>conda activate py310_data_analysis</code> |
On est ainsi positionné dans l'environnement et on liste les librairies: | On est ainsi positionné dans l'environnement et on liste les librairies: | ||
Ligne 56: | Ligne 50: | ||
Avant de procéder, sauvegarder la liste des librairies 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 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>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\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 67: | 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 export --from-history</code> | ||
+ | |||
+ | |||
+ | ====== Supprimer un environnement: ====== | ||
<code> conda env remove --name ENVIRONMENT </code> | <code> conda env remove --name ENVIRONMENT </code> | ||
- | ====== Créer un nouvel environnement 'shn-pyshs' et l'ajouter aux kernels de Jupyter Lab ====== | + | ====== 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. | 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 92: | Ligne 93: | ||
Créer d'abord le nouvel environnement **//shn-pyshs//** avec toutes ses librairies: | Créer d'abord le nouvel environnement **//shn-pyshs//** avec toutes ses librairies: | ||
- | <code>mamba create --name shn-pyshs --file C:\Users\your_name\Documents\espace_python\shn-pyshs\requirements.yml</code> | + | <code>mamba env create --name py310_data_analysis --file C:\Users\your_name\Documents\espace_python\shn-pyshs\requirements.yml</code> |
- | ATTENTION : seulement si non installé, installer ipykernel (et toues les dépendances ipython) | + | ATTENTION : seulement __si non installé__, installer ipykernel (et toues les dépendances ipython) |
- | <code>conda activate shn-pyshs</code> | + | <code>conda activate py310_data_analysis</code> |
<code>conda install ipykernel</code> | <code>conda install ipykernel</code> | ||
- | <code>conda deactivate</code> | ||
- | Activer l'ipykernel pour cet utilisateur | + | Puis activer l'ipykernel pour cet utilisateur |
- | <code>python -m ipykernel install --user --name shn-pyshs --display-name "shn-pyshs"</code> | + | <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 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: | + | |
+ | |||
+ | Plus tard, lancer JupyterLab: | ||
<code>jupyter lab</code> | <code>jupyter lab</code> | ||