Documentation et tutoriel concernant l'utilisation de Conda

conda --version
conda info
conda info --envs

conda update conda

Documentation: managing environments

 conda create --name atelier python=3.7 jupyterlab=1.2.7 jupyterlab-git 

Lister les bibliothèques de fonctions installées:

conda list

Vérifier si telle bibliothèque (ici BeautifulSoup) est installée:

conda search beautifulsoup4

Si ce n'est pas le cas, d'abord sauvegarder la configuration de l'environnement:

conda env export --name py37_gitlab > [exemple:] /Volumes/MyDisk/python_notebooks/_environments/py37_gitlab_20200507.yml

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:

conda env create --file [exemple:] /Volumes/MyDisk/python_notebooks/_environments/py37_gitlab_20200507.yml

• Vérifier ensuite les spécifications dans l'entrepôt de bibliothèques : anaconda / packages / beautifulsoup4
• Si le paquet n'existe pas pour Conda, on peut recourir à PIP, depuis Conda, mais voici les précautions à prendre.

Puis installer la nouvelle bibliothèque:

conda install beautifulsoup4

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 ajouter des paquets ou librairies à l'environnement base de Conda: il faut créer toujours des 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 billet de blog

Créer d'abord le nouvel environnement avec toutes ses librairies:

conda create --name atelier python=3.7 matplotlib

L'activer:

conda activate atelier

Installer ipykernel (et toues les dépendances ipython)

conda install ipykernel

Activer l'ipykernel pour cet utilisateur

python -m ipykernel install --user --name atelier --display-name "Py 3.7 atelier"

Désactier l'environnement:

conda deactivate

Activer l'environnement principal Jupyter Lab:

conda activate py37_gitlab

Lister les kernels présents:

jupyter kernelspec list

Si tout s'est bien passé, on y trouvera le kernel 'atelier'

Lancer JupyterLab:

jupyter lab

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 bilbiothèques à l'environnement de base de JupyterLab où a été installé jupyterlab-github pour préserver cet environnement de toute corruption