Wirtualne środowisko (venv) w Pythonie - jak utworzyć

Nie zawsze będziemy pracować z IDE typu Pycharm które wytworzy za nas "automagicznie" środowisko uruchomieniowe. Nawet jeśli tak by było, warto dowiedzieć się jakie mechanizmy za tym stoją.

Aby stworzyć wirtualne środowisko dla naszego projektu musumy wywołać komendę:

python -m venv env

gdzie "env" jest nazwą podkatalogu środowiska wirtualnego. Po wywołaniu tej komendy, w katalogu powinien się pojawić katalog "env" zawierający nasze wirtualne środowisko.

Aby wejść w nasze wirtualne środowisko aktywujemy je poprzez wywołanie skryptu "activate" (w Windows):

Nasz prompt powinien zmienić zawartość na zasadzie jak powyżej.

Z wirtualnego środowiska możemy wyjść w dowolnym momencie wywołując komendę:

deactivate

Do katalogu głównego dodaję plik "get.py" o następującej treści:

import requests as re
req=re.get('http://onet.pl')

Nie oczekujemy od tego modułu zbyt wiele, ważne jest wykorzystanie biblioteki requests. Jak widać moduł ten wykorzystuje pakiet requests. Spróbujemy go wywołać z konsoli:

Dostajemy komunikat o braku modułu "requests" którego używaliśmy w naszym module. Doinstalowujemy brakującą bibliotekę wraz z wszystkimi zależnościami wywołując:

pip install requests

Efekt:

W wyniku widzimy że poza requests zostały też dodane bibioteki:

• urllib3

• idna

• chardet

• certifi

Sprawdzić aktualnie zainstalowane biblioteki możemy wywołując :

pip freeze

Korzystając z "pip freeze" możemy też utworzyć plik służący do instalacji wymaganych zależności:

pip freeze > requirements.txt

Zawartość pliku "requirements.txt" po wywołaniu powyższej komendy:

certifi==2020.11.8

chardet==3.0.4

idna==2.10

requests==2.24.0

urllib3==1.25.11

Możemy teraz przekazać nasz moduł "get.py" i plik "requirements.txt" innemu programiście w celu uruchomienia. Aby mógł to zrobić musi utworzyć sobie lokalne środowisko venv dla tego projektu, a następnie wywołać:

pip install -r requirements.txt

Co spowoduje taki efekt:

Jak widać, po tej operacji mamy już możliwość uruchomienia skryptu "get.py" bez błędu.

Ten kurs daje Ci solidne podstawy Pythona. Jeśli chcesz pójść dalej i pod okiem trenera dojść od pierwszej linijki kodu do własnego modelu uczenia maszynowego, sprawdź nasze pięciodniowe szkolenie Python od podstaw, przez analizę danych, do machine learning. Pierwsze trzy dni to Python w praktyce: typy i kolekcje, instrukcje warunkowe i pętle, funkcje, moduły i pakiety, pliki tekstowe, usługi sieciowe oraz praca z bazą PostgreSQL. Czwarty dzień to analiza danych w pandas (wczytywanie CSV, TSV i XLS, filtrowanie, agregacje, statystyki) i wizualizacja w Matplotlib, Seaborn oraz Plotly. Piąty dzień to uczenie maszynowe w scikit-learn: regresja liniowa i logistyczna, drzewa decyzyjne, las losowy, XGBoost, walidacja predykcji, dobór hiperparametrów i przeciwdziałanie przeuczeniu. Szkolenie ma terminy gwarantowane, czyli odbywa się niezależnie od wielkości grupy.

Szkolenie Python od podstaw, przez analizę danych, do machine learning

To szkolenie może być dofinansowane dla Ciebie z KFS lub BUR.

★★★★★Średnia ocena naszych szkoleń w Google: 5/5