Virtuelle Umgebungen

Virtuelle Umgebungen (“virtual environments”) sind isolierte Arbeitsbereiche, in denen Sie Python-Pakete separat für jedes Projekt installieren und verwalten können. Sie helfen Ihnen, verschiedene Abhängigkeiten für unterschiedliche Projekte zu verwalten, um Kompatibilität zu gewährleisten und Konflikte zu vermeiden.

Vorteile:

  • Abhängigkeitsverwaltung: Eine Umgebung stellt sicher, dass die richtige Version jedes Pakets für Ihr Projekt verfügbar ist, wodurch Fehler durch inkompatible Versionen vermieden werden.

  • Projekttrennung: Sie können verschiedene Projekte mit unterschiedlichen Paketanforderungen haben und so Konflikte vermeiden. Beispielsweise kann ein Data-Science-Projekt spezifische Versionen von Datenanalysebibliotheken erfordern, während ein Webentwicklungsprojekt andere Bedürfnisse haben könnte.

  • Entwicklung benutzerdefinierter Module: Wenn Sie Ihre eigenen Module erstellen, helfen Umgebungen dabei, diese in Ihre Projekte zu integrieren, ohne Ihre globale Python-Installation zu beeinträchtigen.

Umgebung erstellen

Um eine virtuelle Umgebung einzurichten, befolgen Sie diese Anweisungen basierend auf Ihrem Betriebssystem:

  1. Zugriff auf die Eingabeaufforderung oder das Terminal:
    • Windows-Benutzer: Öffnen Sie die Anaconda-Eingabeaufforderung über das Startmenü.
    • macOS-Benutzer: Öffnen Sie das Terminal unter Programme > Dienstprogramme oder durch die Suche nach “Terminal”.
  2. Erstellen der Umgebung:
    • Verwenden Sie den folgenden Befehl, um eine neue Conda-Umgebung namens basics mit Python 3.11 und pip zu erstellen:
    conda create --name basics python=3.11 pip
    • Geben Sie bei Proceed ([y]/n)?ein y ein, um die Installtion zu starten.
    Hinweis

    pip ist ein Paketverwaltungstool für Python. Es steht für “Pip Installs Packages” oder “Pip Installs Python” und wird verwendet, um Python-Pakete aus dem Python Package Index (PyPI) zu installieren und zu verwalten. Mit pip kann man Pakete installieren, aktualisieren und deinstallieren.

  3. Aktivieren der Umgebung:
    • Sobald die Umgebung erstellt ist, aktivieren Sie sie mit:
    conda activate basics
    • Die Eingabeaufforderung ändert sich, um anzuzeigen, dass die Umgebung basics aktiv ist.
  4. Installieren der benötigten Bibliotheken:
    • Mit aktivierter Umgebung installieren Sie die Bibliotheken:
    pip install numpy pandas openpyxl matplotlib seaborn altair jupyter ipykernel
    • numpy: Eine leistungsfähige Bibliothek für numerische Berechnungen.
    • pandas: Ein wichtiges Tool zur Datenmanipulation und -analyse.
    • openpyxl: Ermöglicht das Lesen und Schreiben von Excel-Dateien (.xlsx) und wird oft in Verbindung mit Pandas verwendet, um Excel-Daten zu bearbeiten.
    • matplotlib: Eine weitverbreitete Bibliothek zur Erstellung von Visualisierungen in Python.
    • seaborn: Aufbauend auf matplotlib, bietet diese Bibliothek statistische Datenvisualisierungen.
    • altair: Eine Visualisierungsbibliothek, die interaktive Grafiken erstellt.
    • jupyter: Ein Open-Source-Webanwendungs-Tool, das es ermöglicht, Dokumente zu erstellen und zu teilen, die Live-Code, Gleichungen, Visualisierungen und narrativen Text enthalten.
    • ipykernel: Ermöglicht die Integration von Jupyter Notebooks mit dem IPython-Kernel, was das Ausführen von Python-Code innerhalb der Jupyter-Umgebung unterstützt.
    • Dieser Befehl ruft alle Pakete von PyPI ab und installiert sie.
    Hinweis

    Obwohl Sie Pakete auch mit conda install installieren können, verwenden wir ausschließlich pip, um mögliche Konflikte zwischen Conda- und Pip-installierten Paketen zu vermeiden. Dieser Ansatz stellt eine konsistente und zuverlässige Verwaltung von Abhängigkeiten in Ihrer Python-Umgebung sicher.

  5. Überprüfen der Paketinstallation:
    • Nach der Installation öffnen Sie ein Jupyter Notebook und überprüfen, ob die Pakete verfügbar sind, indem Sie sie in Python importieren.
    Hinweis

    Um die Nutzung der Funktionen und Methoden der Bibliotheken in Ihrem Code zu erleichtern, importieren wir sie häufig mit kürzeren, standardisierten Aliasen (die Verwendung dieser Standard-Aliase verbessert die Lesbarkeit des Codes und reduziert den Schreibaufwand).

    import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import altair as alt
    • Wenn keine Fehler auftreten, wurden die Bibliotheken korrekt installiert.

    NumPy (np): Der Alias np wird weit verbreitet verwendet und ermöglicht einen prägnanten Zugriff auf NumPys Funktionen für numerische Berechnungen.

    Pandas (pd): Der Alias pd bietet eine Kurzform für Pandas’ leistungsstarke Datenmanipulationstools.

    Matplotlib (plt): Der Alias plt vereinfacht das Aufrufen der Funktionen von Matplotlib zum Plotten, Erstellen von Abbildungen und Anpassen von Grafiken.

    Seaborn (sns): Der Alias sns erleichtert den Zugriff auf Seaborns statistische Datenvisualisierungstools, die nahtlos mit Matplotlib integriert sind.

    Altair (alt): Der Alias alt ermöglicht einen schnellen Zugriff auf Altairs Visualisierungssyntax für interaktives Plotten.

  6. Deaktivieren der Umgebung:
    • Wenn Sie fertig sind oder zur Basisumgebung zurückkehren möchten, deaktivieren Sie die aktuelle Umgebung:
    conda deactivate

Das Erstellen einer separaten Umgebung für Python-Grundlagen stellt sicher, dass Ihr Arbeitsbereich isoliert und stabil bleibt.