Nauč se Python > Kurzy > Datový kurz PyLadies > Představení, Jupyter notebook, základy pandas > Instalace knihoven a nástrojů

Instalace

Instalace všeho potřebného není složitá a zabere jen chvíli. Pokud se během ní přeci jen něco pokazí, popros na Slacku nebo někoho zkušenějšího o radu.

Další kroky počítají s tím, že máš nainstalovaný a funkční Python 3.6 nebo 3.7. Pokud ne, návod na instalaci máme k dispozici v začátečnickém kurzu.

Upozornění: Na základě povšimnutí jedné z vás jsme zjistili, že jsou problémy hned se dvěma způsoby instalace Pythonu ve Windows. Prosím, neinstaluj Python z Windows Store a neinstaluj Python 3.8, v obou případech není jednoduché zprovoznit Jupyter Notebook. Doporučujeme nainstalovat Python 3.7.6 odtud (vyber "executable installer", ideálně verzi x86-64). Nezapomeň v první obrazovce instalátoru zaškrtnout, že chceš přidat Python do proměnné PATH. Pokud chceš (a navíc víš proč), s distribucí miniconda by také neměly být problémy (někteří z autorů ji používají).

Adresář, vytvoření a aktivace virtuálního prostředí

Nejprve si připrav adresář pro ukládání souborů (třeba pydata) a v něm si vytvoř virtuální prostředí.

Pokud nevíš jak na to, kompletní návod je stejně jako pro instalaci Pythonu k dispozici v materiálech k začátečnickému kurzu.

Po každém spuštění příkazové řádky bude potřeba aktivovat virtuální prostředí, abychom mohli pracovat s knihovnami a nástroji v něm nainstalovanými.

Instalace

Do příkazové řádky s aktivním virtuálním prostředím zadej následující příkaz:

(venv)$ python -m pip install jupyter pandas matplotlib requests seaborn scipy scikit-learn

Tímto příkazem se do virtuálního prostředí nainstalovaly následující knihovny:

  • Jupyter - webové rozhraní pro interaktivní a reprodukovatelnou práci s Pythonem
  • Pandas - pro práci s tabulkovými daty
  • Matplotlib - jedna z nejznámějších knihoven pro tvorbu grafů
  • Seaborn - rozšíření pro Matplotlib, které umí vytvořit pokročilejší grafy
  • SciPy - švýcarský nůž pro věděcké výpočty a pokročilou matematiku
  • Scikit-learn - sbírka nejznámějších algoritmů pro strojové učení
  • Requests - knihovna pro práci s HTTP (webovými a API) požadavky

V následující kapitole se podíváme na to, jak Jupyter spustit a jak s ním pracovat.


Toto je stránka lekce z kurzu, který probíhá nebo proběhl naživo s instruktorem.