L1: Przygotowanie środowiska¶
Efekty kształcenia laboratorium¶
poznasz możliwości tworzenia środowiska wirtualnego Python
poznasz środowisko Jupyter
poznasz podstawowe mechanizmy systemu kontroli wersji Git i ekosystemu GitHub
Wymagania wstępne¶
Python¶
Podczas zajęć pracować będziemy używając języka Python. Na zajęciach nie będziemy wprowadzać podstaw tego języka.
See also
W razie potrzeby instalacji Pythona, odsyłamy do dokumentacji, gdzie znajdują się instrukcje krok po kroku odnośnie instalacji w różnych systemach.
See also
W celu odświeżenia podstaw języka (składnia, zmienne, pętle itd) odsyłamy np. do tego kursu.
Git¶
Laboratoria prowadzić będziemy przy pomocy GitHub Classroom, bazującym na repozytoriach Git. Potrzebne będą jedynie podstawowe funkcjonalności - klonowanie repozytorium, commitowanie i pushowanie do niego.
See also
W razie potrzeby instalacji Gita, odsyłamy do dokumentacji, gdzie znajdują się instrukcje krok po kroku odnośnie instalacji w różnych systemach.
GitHub Classroom¶
Zajęcia przeprowadzone zostaną przy pomocy narzędzia GitHub Classroom, które pozwala na łatwe zarządzanie zadaniami grupy studentów.
Każde laboratorium zostanie opublikowane w formie Assignmentu, do którego każdorazowo zostaniecie zaproszeni poprzez rozesłanie linka przez prowadzącego.
Po zaakceptowaniu Assignmentu, sklonowane zostanie repozytorium zawierajace pliki przygotowane przez prowadzącego. Zadaniem studenta jest rozwiązanie zamieszczonych zadań i commit zmienionych plików z powrotem do repozytorium.
Po upływie terminu oddawania zadań (tydzień od zajęć na których zostały one opublikowane) prowadzący sprawdza repozytoria, przegląda kod i weryfikuje umieszczone rozwiązania.
See also
Więcej informacji wraz z dokładnymi instrukcjami korzystania z Classroom - tutaj (należy jednakże pominąć część dotyczącą instalacji i użytkowania RStudio)
Środowiska wirtualne¶
W celu izolacji środowiska Pythona na potrzeby konkretnego projektu stosuje się środowiska wirtualne. Umożliwiają one instalację bibliotek w izolacji od głównego systemu - dzięki czemu można stosować np. różne wersje jednej biblioteki w różnych projektach.
Najpopularniejsze z nich to venv
, pipenv
i conda
. Wymagamy używania środowisk wirtualnych jako dobrej praktyki programistycznej. Jednocześnie nie narzucamy wyboru konkretnego rozwiązania - choć różnią się między sobą, wszystkie spełniają założenia wirtualizacji.
Venv¶
Najprostsze z rozwiązań. Tworzy wirtualne środowisko - i to jedyne co robi.
W celu stworzenia nowego środowiska należy wykonać w terminalu następujące komendy:
cd DIRECTORY
python3 -m venv .
Tak stworzone środowisko należy każdorazowo aktywować po zmianie sesji terminala:
# na Linuxie
source bin/activate
# na Windowsie
\Scripts\activate.bat
Środowisko wyłączamy przy pomocy:
deactivate
Pipenv¶
Działa analogicznie do venva, jednak jest bardziej zaawansowane w kwestii zarządzania zależnościami instalowanych paczek. Automatycznie zapisuje instalowane biblioteki do pliku Pipfile
, który może służyc łatwej reprodukcji całego środowiska
Po zainstalowaniu przy pomocy
pip install pipenv
stworzenie środowiska jest równie proste co przy venvie:
cd DIRECTORY
pipenv install
Środowisko aktywujemy przy pomocy:
pipenv shell
Środowisko wyłączamy przy pomocy:
deactivate
Conda¶
Jest to środowisko wirtualne korzystające z Anacondy, zawierającej dystrybucję Pythona sprofilowaną pod zastosowania naukowe. Anaconda zawiera preinstalowaną i zoptymalizowaną gamę paczek, osobny menager paczek i GUI
Anaconda bywa częstym wyborem w przypadku używania Windowsa - standardowa instalacja części paczek często jest problematyczna, podczas gdy te wbudowane w Anacondę zazwyczaj nie sprawiają problemów.
W celu instalacji odsyłamy do dokumentacji
Stworzenie środowiska jest równie proste:
conda create --name ENVIRONMENT_NAME
Możemy też podczas tworzenia środowiska wybrać konkretną wersję Pythona:
conda create --name ENVIRONMENT_NAME python=3.9
Aktywacja natomast polega na wywołaniu:
conda activate ENVIRONMENT_NAME
Instalacja paczek (choć możliwa także przy użyciu pip
) przebiega przy pomocy:
conda install --name ENVIRONMENT_NAME paczka==wersja
Środowisko wyłączamy przy pomocy:
deactivate
Hint
Conda nie jest mechanizmem stricte Pythonowym - tak samo można używać środowisk wirtualnych dla innych jezyków
Jupyter¶
Większość laboratoriów przygotowane zostało w formie notebooków Jupytera. Jest to proste przeglądarkowe IDE Pythona, które w prosty sposób umożliwia eksperymentowanie i ewaluację kodu.
W celu instalacji wykonujemy (uprzednio oczywiście aktywowawszy środowisko wirtualne):
pip install jupyter
Teraz uruchamiamy notebook przy pomocy:
jupyter notebook
See also
W celu pogłębienia wiedzy o interfejsie i możliwościach Jupyter Notebooka - zachęcamy do lektury np. tego artykułu