Linux開発環境の最短セットアップと「apt / pip / venv / npm / Docker」の関係
「pandas が入っているのに import できない」「どの venv で動いているのか分からない」——はじめて VS Code＋Jupyter を使う人が踏みがちな落とし穴を、最短で動かす手順と仕組みの見取り図で解消します。読み終わる頃には、「何をどこに入れればよいか／なぜエラーになるか」が説明できる状態になります。
道具の役割を一行で
Docker ＝ OSごと箱 （一番広い）
apt ＝ Linux 用の配布物管理 （Python本体やCライブラリなど）
pip ＝ Python用の配布物管理 （numpy, pandas など）
venv ＝ インストール先を区切る仕切り（プロジェクト単位）
npm ＝ Node.js用の配布物管理（CLIやJSライブラリ）
原則
- OSに近いものは apt、Pythonライブラリは pip、JSは npm。
- pip は venv の中で使う（＝プロジェクトごとに依存を分離）。
- Dockerは丸ごと箱。中で apt/pip/npm を使う。
15分で動かす「最短レシピ」
1.1 接続と基本確認
# SSH でサーバへ（略）
# OS 情報
cat /etc/os-release
# 実行ユーザーと権限
whoami
id
パッケージの更新と最低限のツール
# パッケージ一覧を更新
sudo apt update
# （必要に応じて）既存パッケージを最新化
# sudo apt upgrade -y
# ビルドや取得に最低限あると便利
sudo apt install -y build-essential git curl wget
# Python と pip（未導入なら）
sudo apt install -y python3 python3-venv python3-pip
メンテ：不要パッケージの候補確認 → 実行
sudo apt autoremove --dry-run
# 問題なさそうなら
# sudo apt autoremove -y
プロジェクトごとに仮想環境（venv）
# 新規プロジェクト例
mkdir ~/workspace/projectX && cd $_
# 仮想環境を作成
python3 -m venv .venv
# 有効化（fish/zsh/bashで若干異なるが代表例）
source .venv/bin/activate
# pip を最新化＋Jupyter から見えるようにする
python -m pip install -U pip setuptools wheel
python -m pip install -U ipykernel
# この venv を Jupyter のカーネル候補へ登録
python -m ipykernel install --user --name projectX --display-name "Python (projectX)"
# よく使うライブラリ
python -m pip install pandas numpy matplotlib
# VS Code を開く
code .
健康診断セル（Notebook 先頭に実行）
import sys
print("Python実行ファイル:", sys.executable) # ← .../projectX/.venv/bin/python が出ればOK
import pandas, numpy, matplotlib
print("pandas:", pandas.__version__)
補足：pip は常に python -m pip ... の形で実行すると、今の Python（＝今選んだ venv）に確実に入ります。
仕組みの見取り図（最短理解）
┌────────────── OS (Ubuntu 等) ──────────────┐
│ apt ← Python本体/エディタ/システム系 │
│ │
│ ┌────── Docker コンテナ（任意） ───────┐ │
│ │ ここでも apt/pip/npm を使える │ │
│ └───────────────────────────────────┘ │
│ │
│ ┌─ プロジェクト A ───────────────────┐ │
│ │ .venv/ ← ここに A 用の Python 本体 │
│ │ pip で A 専用のライブラリを入れる │
│ └───────────────────────────────────┘ │
│ ┌─ プロジェクト B ───────────────────┐ │
│ │ .venv/ ← ここに B 用の Python 本体 │
│ │ pip で B 専用のライブラリを入れる │
│ └───────────────────────────────────┘ │
│ │
│ Node.js 系は npm（`-g`は全体, なしはローカル）│
└──────────────────────────────────────────┘
ポイント
- apt は OS にインストールされる「配布物（パッケージ）」を扱う。
- venv は インストール先を分ける“箱”。
- pip はその箱の中に Python ライブラリを入れる。
- Jupyter は「どの箱を使うか（＝カーネル）」を選ぶ UI。
- VS Code は「どの Python を使うか（インタプリタ）」と「Notebook のカーネル」を別々に持つ。両方 .venv を指すことが肝。
VS Code＋Jupyter の正しい合わせ方
Interpreter（VS Code 左下／コマンドパレット）：
…/projectX/.venv/bin/python を選択。
Kernel（Notebook 右上）：
「Python (projectX)」を選択（ipykernel install で登録した表示名）。
ずれの検出：Notebookで print(sys.executable)。.venv/bin/python 以外ならずれています。
不要カーネルの整理
jupyter kernelspec list
jupyter kernelspec remove <いらない名前>
典型トラブル → 原因 → 一手で直す
ModuleNotFoundError: No module named 'pandas'
→ Notebook が別の環境を見ている。
対処：Notebook 右上のカーネルを「Python (projectX)」へ。必要なら再登録。
pip で入れたはずが見えない
→ 別の Python に入っている。
対処：python -m pip install ... に統一。python -m pip show pandas で所在確認。
sudo pip を使ってしまった
→ システム領域に混在し事故の元。
対処：sudo を外し、venv 内でやり直す。
apt と pip を同じ場所に混在
→ 競合・破損の温床。
対処：apt はシステム、pip は venv と住み分ける。
npm と CLI（例：Gemini CLI）
npm 基本
npm install <pkg> … プロジェクトローカルに導入
npm install -g <pkg> … システム全体に導入（パスが通り、どこでもコマンドとして使える）
Gemini CLI の導入例
# Node.js / npm（環境に応じて導入。Ubuntuなら簡易には）
sudo apt install -y nodejs npm
# CLI をグローバルに入れる
npm install -g @google/gemini-cli
初回起動・認証フロー
gemini
# 案内に従い、表示されたURLでログイン→コードをコピー→ターミナルに貼り付け
備考：サーバの Node.js バージョン管理が必要なら nvm などの利用も一般的。
ネットワーク（Ubuntu の nmcli 速習）
# デバイス確認（Wi-Fi インタフェース名を特定：例 wlp3s0）
nmcli device
# 見えるSSID一覧
nmcli device wifi list
# 接続
nmcli device wifi connect "SSID名" password "パスワード"
SSH 中にネットワークを切替えると接続ごと落ちることがある。リモート作業時は十分注意（可能ならコンソール接続で実施）。
運用の作法（衝突を防ぐ）
プロジェクトごとに venv（.venv 固定名推奨：ツールが自動検出しやすい）。
試行錯誤は 「共通スターター venv」 で、成果が固まったら各プロジェクトへ再現手順を移す。
依存は requirements.txt や pyproject.toml に固定（再現性）。
迷ったら print(sys.executable) と pip show で所在確認。
Discussion