Excelおさるくんのastro-notion-blog

新年度がスタートしましたね🌸

出会いの春、進級、昇格、異動、転居、新卒、新入学…

引っ越しなどで環境の変化があった方も多いかと思います。

かくいう私も、仕事や生活面では特に変わりはないのですが、

これまで何となくしっくり来ていなかったPythonの開発環境を見直して、快適なプログラミング新生活を送りたいと思い、この記事を書いています。

私は、チーム開発をしているわけではなく、一市民開発者ですので開発環境に特にこれといったこだわりはありませんが、これまでPythonを学習する上で、いくつかの環境を試してみてそれぞれの使い勝手や問題点など気づきがありましたので、今日はその辺りについて今一度整理して皆さんに共有してみたいと思います。

合格体験記の中でお伝えした通り、私は2022年、コロナ禍で自粛生活が余儀なくされていたときに、リスキリングの一環としてPythonを学び始めました。

【合格体験記】Python3エンジニア認定基礎試験：2024年春 一歩先へ進むための新たな挑戦

Python学習者の方ならばきっと共感いただけると思いますが、Python学習で最初に立ちはだかる壁が環境構築やエディター選びだと思います。

私は、Pythonの前に1年ほどExcel VBAの学習経験がありました。

VBAの場合、Excelに統合されているエディターであるVBEがAlt + F11というショートカットキーでさっと立ち上がり、すぐにコードの入力が可能なため開発環境を意識することはありません。

一方でPythonはPyCharm、VSCode、Google Colab、Sublime Text など、エディターの選択肢が豊富にあります。

というか、あり過ぎて迷ってしまいます…笑

print(’Hello World’)までたどり着くのも一苦労です…^^;

• 開発環境の構築方法は？
• どのエディターを使うのが良いのだろう？
• 初学者にとってのおすすめのコーディング環境は？

色々と頭を悩ませていたところ、当時書店で手に取ったのが日経ソフトウェアという雑誌でした。

Pythonの書籍は複数ありどれを買おうか迷っていた中で、ふらっとIT関連コーナーで見つけたのがこの雑誌でした。

今でも大変お世話になっています。

雑誌の情報であれば、きっと開発環境のトレンドを知ることができて、かつ一般の方に広く受け入れられている内容であるだろうという思いがありました。

そして結果として、日経ソフトウェア2022年3月号の書籍で紹介されていたVisual Studio Code × PythonでPythonデビューを果たすことができました！

こちらの雑誌で紹介されていたのはおすすめパッケージ全部入りのAnacondaでした。

突然ですが、みなさんはどんな風にしてカレーを作りますか？

一般的には、

刻んだ玉ねぎ、ニンジン、ジャガイモと鶏肉や豚肉を鍋で炒め、野菜が柔らかくなったら、水を加えて煮込み市販のカレールウを入れて溶かし、味がなじむまで煮込んだら完成です。

そう、Anacondaは市販のカレールウのようなものなんです！？

カレールウには、味やうま味、とろみをつける成分があらかじめ入っていて、煮込んだ肉や野菜にカレールウを加えるだけで簡単においしいカレーを作ることができます。

そんなカレールウのように、

AnacondaもPythonや主要なライブラリ、便利ツールがあらかじめ入っていて、インストールするだけで簡単に開発環境を作ることができます。

カレーが食べたくなってきましたねw

初学者の方の場合は、あれこれ考えずにAnacondaさえ入れておけばPythonが書けちゃうんです！

私がまさにそうでした！

こちらの雑誌のメインテーマはVSCodeを使ったデータ分析手法のチュートリアルでしたが、初学者の方でもわかるようにハンズオン形式でAnacondaの導入方法が紹介されていました。

1. Anacondaをダウンロード
2. ダウンロードしたインストーラーを実行
3. デフォルト設定のまま指示に従い「次へ」ボタンを押し進めていけば完了です。

Download Anaconda Distribution | Anaconda

Download Anaconda’s open-source Distribution today. Discover the easiest way to perform Python/R data science and machine learning on a single machine.

https://www.anaconda.com

とても簡単ですね！

なお、データ分析でよく使用する以下のようなモジュールはAnacondaのベースの環境に入っているので、インストールの作業は不要です。

• Numpy
• Pandas
• Matplotlib
• Seaborn

機械学習のライブラリも入っています。

• Scikit-learn
• TensorFlow
• PyTorch

便利ですねー！

また、記述したコードの実行結果をすぐに確認可能なJupyter Notebookの実行環境のパッケージまで付いてきます。

嬉しい！！

あとは分析したい素材さえ用意すればおいしいカレーが出来ちゃいますw

そして、雑誌の記事の続きにはVSCodeの導入方法と拡張機能の使い方が紹介されていました。

VSCodeとは？

Visual Studio Code（VSCode）は、Microsoftによって開発された無料のソースコードエディタです。Windows、macOS、およびLinuxで動作し、主にウェブ開発やソフトウェア開発に広く使われています。VSCodeはその多機能性、柔軟性、使いやすさから多くの開発者に支持されており、現在最も人気のある開発環境の一つです。

1. 下記のURLから自身のパソコンの環境にあったインストーラーをダウンロードします。
2. ダウンロードしたインストーラーを実行します。
3. VSCodeを起動します。

Visual Studio Code - Code Editing. Redefined

Visual Studio Code is a code editor redefined and optimized for building and debugging modern web and cloud applications. Visual Studio Code is free and available on your favorite platform - Linux, macOS, and Windows.

https://code.visualstudio.com

初回起動時は英語表示であるため日本語設定の拡張機能を追加します。

拡張機能とは？

Visual Studio Code（VSCode）の拡張機能は、エディタの機能を強化し、カスタマイズするために使用される追加のコンポーネントです。これらの拡張機能により、VSCodeの基本的な機能を超えて、さまざまなプログラミング言語のサポート、コードデバッグ、バージョン管理ツールの統合、テーマやスニペットなどを追加できます。

また、VSCodeでPythonを使った開発をする場合、インストール必須の「Python」という拡張機能があります。

Pythonの構文チェックをしてくれるIntelliSenseやソースコードの静的解析、デバッグの機能などが含まれている、高機能な拡張機能です。

PythonをインストールするとPylanceとJupyterという拡張機能も一緒にインストールされます。

Pylance

• Pylanceはpythonの言語サーバーのひとつで、コードの自動補完やシンタックスハイライトをサポートします。インストールするだけで、Pythonのコードを書きやすくしてくれます。

Jupyter

• Jupyterはソースコードとその実行結果などをノートブックという呼ばれる形式でまとめて表示できる拡張機能です。つまり、Jupyter NotebookをVSCode上で利用できる拡張機能です。

ここまで環境を整えてしまえば、あとはPythonの学習に集中できちゃいます！

ここからは、書籍で紹介があり現在も使用している便利や拡張機能を少しご紹介します。

Edit csv

• Edit csvはCSVのデータを表形式で表示し、編集もできちゃう拡張機能です。

Rainbow CSV

• Rainbow CSVはCSVを見やすく表示し、編集しやすくする拡張機能です。インストールするだけで、VSCode上で開いたCSVを列ごとに色分けします。

Excel Viewer

• Excel ViewerはCSVやExcelファイルを開くことができる拡張機能です。VSCodeでは通常Excelファイルを開くことは出来ませんがこちらの拡張機能をいれることでエクスプローラーからExcelファイルをクリックするだけで表内のデータを参照できます。

このように、VSCodeを使用するとプレーンなJupyter Notebookで運用するよりも便利な拡張機能が使用できるため、学習も捗ります！

そして、Anacondaではconda activate というコマンドを使用して venvのような仮想環境も利用可能です。

とはいうものの…

実は私はあまりAnacondaで仮想環境を利用したことがないため、ここでは簡単な手順のご紹介に留めたいと思います。

1. Anaconda Promptまたはターミナルを開く: Windowsでは「Anaconda Prompt」を、macOSやLinuxでは通常のターミナルを開きます。

2. 新しい環境を作成:ここでmyenvは環境の名前、python=3.8はインストールしたいPythonのバージョンです。
   Copy

   conda create --name myenv python=3.8

3. 環境をアクティベート:
   Copy

   conda activate myenv

4. 必要なパッケージをインストール:例としてnumpyをインストールしていますが、必要に応じて他のパッケージ名を指定します。
   Copy

   conda install numpy

• アクティベート: conda activate myenvで特定の環境をアクティベートします。
• ディアクティベート: conda deactivateで環境をディアクティベートします。

• 環境のリスト表示: conda env listまたはconda info --envsで現在の環境一覧を確認できます。
• 環境の削除: conda env remove --name myenvで特定の環境を削除します。

以上がAnacondaを使用して仮想環境を作成・管理する基本的なプロセスです。

さまざまなパッケージを環境に合わせて管理できるため、Pythonプロジェクトの開発において非常に有効です。

そんな何でも出来てしまう便利なAnacondaですが…

今現在、私は別の環境でPythonを利用するようになりました。

次はなぜAnacondaを卒業しようと思ったか、その理由をお話していきます。

Anacondaを利用しなくなった理由は大きく3つあります。

これは私の面倒くさがりな一面と知識不足によるところでもあるので、必ずしもAnacondaが悪いわけではないことを予めお伝えしておきます…笑

先程の仮想環境のコードにも出てきましたが、Anaconda環境でパッケージをインストールする場合は、以下のように原則condaコマンドを使用する必要があります。

conda install numpy

というのも、condaとpipはそれぞれ異なるパッケージリポジトリを利用しているからです。

condaはAnacondaリポジトリを、pipはPyPIでパッケージリポジトリを利用します。

このため、同じパッケージでも、それぞれのツールからインストールされるバージョンや依存性が異なることがあります。

そして、pipにはあってcondaにないというパッケージも多数あります。

「condaとpipを混ぜるな危険」という表現は、Pythonのパッケージ管理ツールであるcondaとpipを同時に使うことによって生じる問題を指しています。

対処法

• 一般的には、一つのプロジェクトにつき一つのパッケージ管理ツールを使用することが推奨されます。
• condaを使用する場合は、可能な限りcondaを通じてパッケージをインストールし、必要がある場合のみpipを使用するようにします。
• 仮想環境を活用し、プロジェクトごとに隔離された環境を作成することで、依存性の問題を最小限に抑えることができます。

これらの問題を理解し、適切に対処することで、Python開発環境の安定性と整合性を保つことができます。

condaとpipを混ぜて使う様々な問題点は上記のトグル内をご覧いただくか、または、ネットに詳しく解説されている情報が多数ありますのでそちらでご確認いただくとして…

端的に言えば、管理が面倒くさくなってしまったんです！！笑

上記の対処法にある通り、新しいパッケージをインストールするたびに毎回condaでインストールできるか確認したり、プロジェクトごとにconda activateで仮想環境を切り替えたり（今は別のツールを使って分けるようにしています）するのって結構大変ですよね…笑

できるだけラクにPythonを使いたいと思ったのがAnacondaを卒業しようと思ったきっかけでした。

Anacondaの卒業を決めるよりもだいぶ以前のことです。

TensorFlowという機械学習のライブラリを使ってみたいと思い、書籍を見ながらコードを書いて動かしてみたのですが、関連ライブラリのimportの段階でエラーが出て進まなくなってしまいました。

何が原因なのだろうと色々調べているうちにあることに気づきます。

そう、実は私、Anacondaの使い方をよく知らないままに運用しちゃってたんです…笑

実際にcondaで運用する以前に、あまり理解しないままにpipでバシバシインストールしちゃってたんです^^;

時すでに遅し…開発環境がグチャグチャになってしまっていました…笑

解決策

1. 環境の再構築:

   新しいconda環境を作成し、必要なパッケージを可能な限りcondaを使用してインストールする。TensorFlowがcondaで利用できない場合は、pipを使用する前にcondaで必要な他のパッケージをすべてインストールしておく。

2. バージョンの確認:

   TensorFlow及びその依存パッケージの互換性あるバージョンを確認し、適切にインストールする。

3. CUDAの整合性確認:

   TensorFlowが要求するCUDAバージョンを確認し、適切にインストールする。

上記の解決策を講じればうまくいくのでしょうが、やはり面倒くさがりの私は他の環境構築の方法で0からスタートすることを決意しました！

最後にもうひとつネックになっていたことがあります。

私が学習を始めた頃はpython3.9が主流でした。現在はpython3.12までリリースされています。

私の知識不足によるものが大きいのですが、当時、python3.10に導入されたMatch関数を使いたかったのですが、pythonのメジャーアップデートのバージョンを上げる方法がわからず断念した経緯があり、これも他の開発環境に切り替えた大きな理由のひとつでした。

既存のAnacondaのアップグレードが難しくても、今あるものをアンインストールして、新しいバージョンのAnacondaをインストールすればできる（はず）と思い、ChatGPTに聞いてみたところ教えてくれました。

（既存の環境のアップグレードもできるみたいです！）

当時、ChatGPTがあればなあ〜、Anacondaから卒業しなかったかも笑

AnacondaでPythonのバージョンを上げる方法は主に以下の２つのアプローチがあります。

適用する前に、既存の作業環境が新しいバージョンのPythonと互換性があることを確認してください。

注意事項

1. バックアップ:

   アップグレード前に既存の環境のバックアップを取ることを推奨します。

2. 互換性:

   特に既存の環境をアップグレードする場合は、使用しているパッケージが新しいバージョンのPythonと互換性があるか事前に確認してください。

3. 仮想環境:

   仮想環境を使用することで、システム全体のPython環境を変更することなく、特定のプロジェクトに特化した環境を維持することができます。

これらの手順を適切に実行することで、Anacondaを使用してPythonのバージョンを上げることが可能です。

ここまでお読みいただきありがとうございました！！

色々書いてきましたが、

カレールウのように手軽に利用可能なAnacondaは初学者の方にとって大変おすすめの開発環境の一つだと思います！

私がAnacondaを卒業したのは、

言うならば、

カレーを作り続けているうちに、カレールウに頼るのではなく、自分好みのスパイスを使いたくなったり、違った辛さのカレーが作りたくなってきた

つまり、

コードを書き続けているうちにAnacondaに頼るのではなく、0からパッケージをインストールしたり、仮想環境を切り替えて環境構築したくなってきた

ことが理由です！！（決まった…！）

嘘です…笑

（エイプリルフールなので…）

若干はそんなところもありましたが、実際はそんなかっこいい話ではなく、知識不足によるところが大いにあります。

というか、ほぼそれが理由です…^^;

ただ、Anacondaを卒業してからわかったこともあります。

私のように、直接ローカルにAnacondaをインストールするとしっかり管理をしていないと将来的に支障も出てしまうかもですが、他の環境と組み合わせることで開発環境を汚さずに利用することも可能です。

実際、データ分析の学習などでは、Docker × Anacondaのような方法でコンテナ内にインストールされているAnacondaを利用するケースもあります。

いずれにしても、いきなり完璧な環境構築はできません。

Pythonを学びながら、同時に自分にあった開発環境をじっくり作っていくことが大切であると感じています！

ぜひ、皆さんも私と一緒に理想の開発環境を求めて環境構築を楽しみましょう！！

思い出しながら書きたいことをとにかく書いていたら、予想以上に長くなってしまったため^^;

今回はAnaconda編ということで締めさせていただきます。

次回はGoogle Colaboratory編をお伝えできたらと思います！

この記事が良かったと思っていただけた方は、コメントといいねお待ちしております。