Mis à jour le 19 novembre 2020
Installer la distribution Miniconda
Téléchargement et installation
Télécharger l'installateur sur https://docs.conda.io/en/latest/miniconda.html
Puis installer la distribution, je conseille une installation sans inscription dans le PATH et pour l'utilisateur uniquement
Mettre à jour la distribution
Lancer l'invite de commande "Anaconda Prompt (miniconda 3)"
Et executer les commandes suivantes :
# ETAPE 1 : MAJ de la distribution conda
conda update conda
# ETAPE 2 : MAJ de tous les paquets (ici uniquement pour la racine)
conda update --all
# ETAPE 3 : Nettoyage des paquets obsolètes
conda clean --all
Création d'un environnement virtuel pour les sciences
Je vous propose pour bien comprendre l'intéret des environnements virtuels (venv) d'en créer un spécifique pour les sciences et de regarder ce qu'il se passe sur l'ordinateur.
Lancer l'invite de commande "Anaconda Prompt (miniconda 3)"
# Creation d'un environnement de développement que l'on nomme "Sciences"
conda create -n Sciences
Répertoire principal de /minconda3/
Répertoire /minconda3/envs/Sciences
On remarque que conda a créé un sous répertoire intitulé "Sciences" qui contient sa propre version de python et ses propres paquets (Library). L'intérêt est grand :
- On peut séparer des installations différentes de python (version 3.7, 3.8 ou 3.9b, 32bits, 64bits) ;
- On peut avoir des paquets différents pour chaque distribution ;
- On peut isoler chaque distribution pour chaque application limitant les problèmes de compatibilité lors des mises à jour.
Ainsi dans notre cas nous installerons pour ces raisons tout notre barda de scientifique dans l'environnement (répertoire) "Sciences".
Installation des paquets utiles aux scientifiques
Lancer l'invite de commande "Anaconda Prompt (miniconda 3)"
conda install -n Sciences numpy pandas matplotlib pyserial scikit-learn sympy seaborn cython scipyDescription des paquets
- numpy : Powerful n-dimensional arrays. Numerical computing tools. Interoperable. Performant. Open source.
- pandas : pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.
- matplotlib : Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python.
- pyserial : This module encapsulates the access for the serial port. (on l'utilise pour arduino)
- scikit-learn : Scikit-learn is a free software machine learning library for the Python programming language. It features various classification, regression...
- sympy : sympy is a Python library for symbolic mathematics. It aims to become a full-featured computer algebra system (CAS)
- seaborn : Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics.
- cython : Cython est un langage de programmation et un compilateur qui simplifient l'écriture d'extensions compilées pour Python.
Installation de l'IDE Jupyter
Jupyter est une application web utilisée pour programmer dans plus de 40 langages de programmation, dont Python. Il est très utilisé par les scientifiques car il permet d'exécuter et de présenter facilement leurs travaux.
Lancer l'invite de commande "Anaconda Prompt (miniconda 3)"
conda activate Sciences
conda install -n Sciences jupyter notebookPour lancer Jupyter notebook
Lancer l'invite de commande "Anaconda Prompt (miniconda 3)"
conda activate Sciences
jupyter notebook
Vous pouvez aussi créer un raccourci (sauf si l'installateur en a créé un pour vous) vers
%USERPROFILE%\miniconda3\python.exe %USERPROFILE%\miniconda3\cwp.py %USERPROFILE%\miniconda3\envs\Sciences\ %USERPROFILE%\miniconda3\envs\Sciences\python.exe %USERPROFILE%\miniconda3\envs\Sciences\Scripts\jupyter-notebook-script.py "%USERPROFILE%/"Et qui a pour icône
%USERPROFILE%\miniconda3\envs\Sciences\Lib\site-packages\notebook\static\base\images\favicon.ico
🦅Version rapide pour Windows
Executer les commandes suivantes :
# ETAPE 1 : MAJ de la distribution conda
conda update conda
# ETAPE 2 : MAJ de tous les paquets (ici uniquement pour la racine)
conda update --all
# ETAPE 3 : Nettoyage des paquets obsolètes
conda clean --all
# ETAPE 4 : Installation des paquets utiles
conda install numpy pandas matplotlib scikit-learn sympy seaborn cython
conda install -c conda-forge notebook
conda update --all
# ETAPE 5 : Installation de autopep8
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
conda install "nbconvert=5.6.1" # Bug avec nbconvert >= v6
pip install autopep8