🐻

【初心者】5分でPython環境を作る

6 min read

5 分で Python 環境を作ります。

何もない状態から、プロのデータサイエンティストが使っているような環境を作ります。

このコンテンツの目的は、イメージをつかむキッカケになることです。
砕いた解説のため、一部正確ではない場合があります。ご了承下さい。

【予備知識】Homebrew って?

Mac OS X 上でいろんなソフトウェアを簡単にインストールできるシステムです。

【予備知識】Docker って?

プログラミングに必要な環境を簡単に作れるソフトウェアです。

【予備知識】Anaconda って?

データサイエンスをする時に使うライブラリがたくさんまとまったものです。

【予備知識】Jupyter Lab って?

ブラウザ上で Python のコードが書けたり実行できたりする環境です。データサイエンティストや AI エンジニアが Python のコードを書く時に使っています。プロと同じ環境を使っているとプロになった気がします。

※本記事は Mac ユーザー向けです。

全体の流れ

Step① : Homebrew をインストール
Step② : Docker をインストール
Step③ : ファイルとフォルダを作成
Step④ : Dockerfile を作成
Step⑤ : Docker を実行
Step⑥ : Jupyter Lab を使って Python で遊ぶ

Step① Homebrew のインストール

まず、Homebrew をインストールします。
Homebrew は このあと docker をインストールするために入れます。既にインストールされている場合はやらなくて OK です。

Homebrewのインストール
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

ターミナルで上記のコマンドを実行することによって、あなたの Mac 上に Homebrew が入ります。これによって、ターミナルでbrew 〇〇とかのコマンドが使えるようになりました。Homebrew は結構使うタイミングが多いので、入れておいたほうがいいです。

【補足】Homebrew が既にインストールされているかの確認方法
brew -v

上記のコマンドを実行して、バージョンが表示されたら既にインストールされています。次へ進みましょう。

Step② docker のインストール

さっきインストールした Homebrew を使うことで、docker をインストールすることができます。

dockerのインストール
brew install --cask docker

上記のコマンドを実行することで、あなたの Mac 上に Docker が入ります。これによって、ターミナルでdocker 〇〇とかのコマンドが使えるようになりました。結構時間かかります。

Step③ ファイルとフォルダを作成

下記のようにコマンドを実行します。作業フォルダを作り、その中にファイル 1 つとフォルダ 1 つを作ることができます。コピペで実行できます。

mkdir my-folder
cd my-folder
mkdir my-py-folder
touch Dockerfile


コマンドとそれによって作られるディレクトリ構成

最終的に上記のような構造になります。

Step④ Dockerfile を作成

今作った Dockerfile を開き、中身を下記のように書きます。Dockerfile では、python 環境の設計図を作っているイメージです。

Dockerfile
FROM ubuntu:latest

RUN apt-get update && apt-get install -y \
	sudo \
	wget \

WORKDIR /opt
RUN wget https://repo.continuum.io/archive/Anaconda3-2019.10-Linux-x86_64.sh && \
	sh /opt/Anaconda3-2019.10-Linux-x86_64.sh -b -p /opt/anaconda3 && \
	rm -f Anaconda3-2019.10-Linux-x86_64.sh

ENV PATH /opt/anaconda3/bin:$PATH

RUN pip install --upgrade pip
WORKDIR /
CMD ["jupyter", "lab", "--ip=0.0.0.0", "--allow-root", "--LabApp.token=''"]

Step⑤ Docker を実行


Dockerfile から DockerImage を作り、DockerContainer を作る

作成した Dockerfile を元にして Docker image を作成します。
ターミナルで下記のコマンドを実行します。結構時間かかります。

docker imageを作る
docker build .
結果
なんかいろいろ作っている風の画面が永遠に続く。
最後に、Successfully built (IMAGE ID)が出ていればビルド成功


作成した image から container を作成します。
下記のコマンドを実行することで、コンテナが作成されて、JupyterLab 環境(Python 環境)が出来上がります。

Docker環境を実行
docker run -p 8888:8888 -v ~/Desktop/my-folder/my-py-folder:/work(IMAGE IDをココに書く)
結果
なんか起動した感がある文字が画面に表示されている。
JupyterLab 環境が使える状態になってる。
IMAGE ID がわからない場合

下記コマンドを実行すると、作った image の一覧が表示されます。
いま作った IMAGE ID をコピーしてください。

imageを確認
docker images
結果
REPOSITORY                      TAG       IMAGE ID       CREATED          SIZE
<none>                          <none>    faf24e1523f3   4 weeks ago      3.41GB

Step⑥ Jupyter Lab を使って Python で遊ぶ


全体像

ブラウザで http://localhost:8888 にアクセスします。
すると、下図のような画面が見れると思います。


JupyterLab のホーム画面

画面の左側にはディレクトリ構成が表示されています(オレンジ色のところ)。これは、Docker に入れた Ubuntu のディレクトリ構成が反映されています。あなたの Mac のディレクトリ構成と繋がっているわけではありませんので、デスクトップとかはありません。

ディレクトリ構成の一番下に「work」というフォルダがあります(青色のところ)。これは、あなたが作ったフォルダです。

この work フォルダは唯一、あなたの Mac と繋がっています。下図のようなイメージです。


ディレクトリ構成とマウントのイメージ

work フォルダはさっき作った my-py-folder と繋がっています。フォルダをリンクさせることをマウントすると言います。my-py-folder は work と同じものだと思ってください。なので、JupyterLab 上で work フォルダに新しいファイルを作成すると、my-py-folder でも見ることができます。


work ディレクトリは my-py-folder とリンクしています

Finder で確認してみてください。ファイルが作成されていることが確認できると思います。

JupyterLab 上では Python のコードが実行できます。下記のように自由にコードを書いてください。

Python のコードが書ける

以上が、何もない状態からプロのデータサイエンティストが使っているような環境を作る方法です。

インストールに時間がかかるので、「5 分で作る」は嘘だったかもしれません。すみません。実作業時間で 5 分ってことにさせてください。




Python の基礎を本にまとめています。併せてご覧いただけるととても嬉しいです ↓

https://zenn.dev/nekoallergy/books/python-basic
DeepLearning の基礎を本にまとめています。手に取って頂けるととても喜びます ↓
https://zenn.dev/nekoallergy/books/904df952389317

機械学習をもっと詳しく

ねこアレルギーのAI

ねこアレルギーの AI
YouTube で機械学習について発信しています。お時間ある方は覗いていただけると喜びます。





Created by NekoAllergy

Discussion

ログインするとコメントできます