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 3.8, 3.9 nebo 3.10. Pokud ne, jedna z následujících tří alternativních cest by tě do takové situace měla snadno dovést:

• Máš-li aktualizované Windows 10, úplně nejjednodušší je použít instalaci z Microsoft Store. Toto místo ti otevře i příkaz python v příkazové řádce, pokud žádnou jinou instalaci Pythonu ještě nemáš.

• Obecný, trochu starší návod na instalaci máme k dispozici v začátečnickém kurzu. Až budeš vybírat instalátor, sáhni po tom s nejnovější verzí (v okamžiku začátku kurzu 3.10.6), ideálně v 64bitové verzi.

• Můžeš použít distribuci miniconda, s ní obvykle nebývají problémy. Lidé z oblasti data science (včetně některých autorů těchto materiálů) ji rádi používají - sice se tak připravují o práci s "čistým" Pythonem, ale zjednodušují si instalaci některých (zejména výpočetních) knihoven, které závisejí na externích binárních balíčcích. Na vytváření virtuálních prostředí a instalace pak slouží příkaz conda, viz dokumentace.

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 pro začátečnický kurz.

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

Instalace knihoven #

Do příkazové řádky s aktivním virtuálním prostředím zadej následující příkazy:

(venv)$ python -m pip install "psutil==5.9.1"
(venv)$ python -m pip install jupyter pandas matplotlib requests seaborn scipy scikit-learn sqlalchemy plotly xlrd openpyxl

První příkaz je bohužel v době psaní tohoto návodu (4.9.2022) potřeba, ale pravděpodobně brzy nebude.

Druhým příkazem se do virtuálního prostředí nainstalovaly následující knihovny (a některé další jejich závislosti):

• Jupyter - webové rozhraní pro interaktivní a reprodukovatelnou práci s Pythonem
• Matplotlib - jedna z nejznámějších knihoven pro tvorbu grafů
• Openpyxl - knihovna pro načítání a zápis souborů .xlsx
• Pandas - pro práci s tabulkovými daty
• Plotly - knihovna pro vytváření interaktivních grafů
• Requests - knihovna pro práci s HTTP (webovými a API) požadavky
• Scikit-learn - sbírka nejznámějších algoritmů pro strojové učení
• SciPy - švýcarský nůž pro vědecké výpočty a pokročilou matematiku
• Seaborn - rozšíření pro Matplotlib, které umí vytvořit pokročilejší grafy
• Sqlalchemy - knihovna pro sjednocený, vysokoúrovňový přístup k databázím
• Xlrd - knihovna pro načítání souborů .xls/.xlsx

Pokud kterýkoliv z kroků selže, nebo si jen nebudeš vědět rady, zeptej se na Slacku v kanále #poradna, ideálně ještě před zahájením kurzu.

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