[PYTHON] Préparer un environnement de langage de programmation pour l'analyse des données

J'ai déjà parlé de Préparation d'un environnement informatique pour l'analyse des données, mais même si vous n'avez qu'un ordinateur, vous ne pouvez pas en parler sans environnement de langage de programmation. ..

Aujourd'hui, je vais vous expliquer l'installation de Python et ses bibliothèques associées.

Construire Python

La dernière version 3.4.1 est sortie le 18/05.

Raisons de construire le vôtre

Les méthodes d'installation de Python incluent des environnements virtuels pour des langages tels que virtualenv, apt et [brew]. ](Http://brew.sh/) utilisera souvent un système de gestion de paquets.

L'auteur vous recommande de créer votre propre langage de programmation que vous utilisez souvent. Les principales raisons sont les suivantes.

  1. Peut être construit en utilisant le dernier code source qui n'a pas encore été publié
  2. S'il y a un bogue dans la langue ou le comportement que vous voulez changer, vous pouvez le corriger et le construire vous-même.
  3. faciliter la participation au développement du langage
  4. Vous pouvez suivre les étapes courantes sur de nombreuses plates-formes sans être verrouillé dans un système de gestion de packages ou un middleware d'environnement virtuel spécifique.

Construire la destination d'installation

De plus, en standardisant la destination à construire et à installer, il sera plus facile de comprendre comment désinstaller ou changer de version.

L'auteur spécifie le répertoire de la plupart des produits comme suit.

/opt/[Nom du produit]/[version]

Il crée également un lien symbolique appelé courant sous / opt / [nom du produit] / et le lie à la version que vous souhaitez utiliser.

Par exemple:

$ ls -la /opt/python/
drwxr-xr-x 3.3
drwxr-xr-x 3.4
drwxr-xr-x trunk
lrwxrwxrwx current -> 3.4

$ ls -la /opt/ruby/
drwxr-xr-x 1.9.3
drwxr-xr-x 2.0
drwxr-xr-x 2.1
lrwxrwxrwx current -> 2.1

Cela facilite le basculement entre les versions en coexistence avec les anciennes versions, et même lors de la désinstallation, vous pouvez facilement le supprimer avec rm -rf.

Script d'installation

De plus, les builds utilisent des scripts shell plutôt que des scripts manuels.

Par exemple, pour installer Python, utilisez ce script. https://github.com/ynakayama/tagokura-python/blob/master/installer/install_python.sh

Au démarrage, spécifiez la version dans le premier argument et la destination de l'installation dans le deuxième argument, comme décrit dans les commentaires.

~/install_python.sh 3.4.1 /opt/python/3.4

Si vous pouvez construire en lançant simplement le script shell, vous n'avez pas à répéter le travail manuel lors de l'installation sur un hôte différent ou lors de la construction d'une version plus récente.

Récemment, les frameworks automatisés tels que chef sont devenus populaires, mais les scripts shell sont depuis longtemps traditionnels, donc c'est vrai. Vous n'avez pas à vous soucier qu'il devienne facilement obsolète. Il peut être utilisé même dans le plus petit environnement qui existe depuis longtemps, et il est facile de vérifier le comportement en regardant le contenu lorsque quelque chose ne va pas.

Installez le package pip

Il est recommandé d'installer le package pip ainsi que l'unité principale avec un script shell.

C'est une bonne idée de rassembler tous les packages nécessaires en se référant à ce script. https://github.com/ynakayama/tagokura-python/blob/master/installer/install_pip.sh

Si vous utilisez AWS, vous devez également inclure l 'AWS Command Line Interface.

Résumé

Il est pratique de standardiser et d'automatiser le travail d'installation du langage de programmation utilisé dans l'environnement informatique. Lors de l'utilisation dans un environnement distribué, spécifiez la version et installez-la en utilisant la même procédure afin qu'il n'y ait aucune différence entre les versions.

Recommended Posts

Préparer un environnement de langage de programmation pour l'analyse des données
Préparez un environnement d'analyse haute vitesse en accédant à mysql depuis l'environnement d'analyse de données
Créer un Ubuntu de démarrage USB avec un environnement Python pour l'analyse des données
Mettre en place un environnement de développement pour le traitement du langage naturel
Construction d'environnement Python pour les débutants en programmation (Mac OS)
Python pour l'analyse des données Chapitre 4
Python pour l'analyse des données Chapitre 2
Conseils et précautions lors de l'analyse des données
Python pour l'analyse des données Chapitre 3
Créez un environnement d'analyse de données avec Kedro + MLflow + Github Actions
Recommandation de Jupyter Notebook, un environnement de codage pour les data scientists
Dockerfile pour créer un environnement de science des données basé sur pip3
Créer un environnement d'analyse de données python sur Mac (El Capitan)
<Python> Construisez un serveur dédié pour l'analyse des données Jupyter Notebook
Démarrez avec SQLite dans un langage de programmation
Modèle de prétraitement pour l'analyse des données (Python)
Analyse de données pour améliorer POG 3 ~ Analyse de régression ~
Préparer l'environnement pour Atom pour Pythonista
Le premier débutant en programmation à essayer une analyse de données simple avec programmation
Utilisez un langage de script pour une vie C ++ confortable 5 - Utilisez l'environnement intégré de Spyder pour vérifier les données numériques -
Programmation pour les humains avec un __repr__ bien défini
Préparez un environnement virtuel Python pour votre projet avec venv avec VS Code
Outil de visualisation Python pour le travail d'analyse de données
Environnement de programmation pour les débutants réalisé avec Windows
Créons un environnement virtuel pour Python
[Mac] Création d'un environnement virtuel pour Python
Résumé du livre électronique Python utile pour l'analyse de données gratuite
Création d'une application d'analyse de données à l'aide de Streamlit
Essayez d'utiliser un langage de programmation probabiliste (Pyro)
Préparer l'environnement de développement pour keyhac pour Mac
Construire un environnement conda pour les utilisateurs de ROS
Créez rapidement un environnement python pour le Deep Learning / Data Science (Windows)
Environnement d'analyse de données centré sur Datalab (+ GCP)
Créer un environnement de développement Python pour le développement de l'IA
Créer un environnement de développement pour l'apprentissage automatique
JupyterLab Basic Setting 2 pour l'analyse des données (pip)
Configuration de base de JupyterLab pour l'analyse des données (pip)
Exécuter l'API de Cloud Pak for Data Analysis Project Job avec des variables d'environnement
Créer un environnement d'analyse de données qui relie l'authentification GitHub et Django avec JupyterHub
Créer un environnement de développement de langage C avec un conteneur
Analyse des données pour améliorer POG 2 ~ Analyse avec le notebook jupyter ~
Créez un environnement d'exécution pour chaque langue avec boot2docker
[CovsirPhy] Package Python COVID-19 pour l'analyse des données: chargement des données
Utilisez un langage de script pour une vie confortable en C ++
J'ai essayé de créer un Dockerfile pour l'environnement de développement de Django
Introduction à la modélisation statistique pour l'analyse des données
Comment utiliser les outils d'analyse de données pour les débutants
Python: préparez un sérialiseur pour l'instance de classe:
Analyse de données en Python: une note sur line_profiler
J'ai essayé d'utiliser Pythonect, un langage de programmation de flux de données.
Commandes pour créer un environnement python3 avec virtualenv
Créer un environnement Kubernetes pour le développement sur Ubuntu
Procédure de création d'un environnement d'isolation Python (environnement venv)
Préparez vous-même des exemples de données pour l'exploration de texte
Notes sur la création d'un environnement python par les débutants
Environnement enregistré pour l'analyse des données avec Python
Histoire de l'analyse de données par apprentissage automatique
Créer un environnement de développement mruby pour ESP32 (édition Linux)
Analyse des données Titanic 2