Einrichtung von Python

1. Schritt: Installation von Python¶

Für die Arbeit in diesem Kurs wird eine aktuelle Python-Version benötigt. Wir empfehlen die Installation der offiziellen CPython-Version direkt von der Python-Webseite: https://www.python.org/downloads/.

Da Python plattformübergreifend genutzt werden kann, demonstrieren wir hier die Einrichtung von Python unter den gängisten Betriebssystemen Linux, Windows und MacOS.

Linux¶

Unter Linux ist Python häufig bereits vorinstalliert. Zunächst sollte daher geprüft werden:

python3 --version

Falls Python noch nicht vorhanden ist, kann es je nach Distribution über den jeweiligen Paketmanager installiert werden. Unter Ubuntu bzw. Debian beispielsweise:

sudo apt update
sudo apt install python3 python3-pip python3-venv

Für die Arbeit mit virtuellen Umgebungen ist insbesondere das Paket python3-venv erforderlich.

Windows¶

Unter Windows kann der aktuelle Python-Installer von der offiziellen Download-Seite heruntergeladen werden.

Beim Start des Installers sollte insbesondere darauf geachtet werden, dass Python über den Windows-Python-Launcher verfügbar ist. Anschließend kann die Installation in PowerShell überprüft werden

python --version

Falls der Python-Launcher installiert wurde, kann zusätzlich geprüft werden:

py --list

Damit werden die auf dem Rechner verfügbaren Python-Versionen angezeigt und sollte ähnlich wie in der folgenden Abbildung aussehen

Hinweis: PowerShell kann unter Windows direkt über das Startmenü geöffnet werden:

1. Drücken Sie die Windows-Taste.

2. Geben Sie PowerShell ein.

3. Wählen Sie eine Version aus, beispielswiese Windows PowerShell oder PowerShell aus.

Alternativ mittels ‘Win + R’ der Dialog Ausführen geöffnen, indem dann einfach ‘powershell’ eingetippt wird. Falls PowerShell mit Administratorrechten benötigt wird, suchen Sie im Startmenü nach PowerShell und klicken dann mit der rechten Maustaste ‘Als Administrator’ ausführen aus.

macOS -- to do Erwin!!¶

Unter macOS kann Python ebenfalls direkt von der offiziellen Python-Webseite installiert werden. Dazu wird der passende macOS-Installer heruntergeladen und ausgeführt.

Anschließend lässt sich die Installation im Terminal überprüfen:

python3 --version

Auch unter macOS empfiehlt es sich, für einzelne Projekte anschließend virtuelle Python-Umgebungen mit venv anzulegen.

Kontrolle der Installation¶

Unabhängig vom Betriebssystem sollte nach der Installation überprüft werden, welche Python-Version verwendet wird:

python --version

bzw. unter Linux und macOS häufig:

python3 --version

In den folgenden Abschnitten verwenden wir für Projekte virtuelle Umgebungen mit venv, damit benötigte Pakete unabhängig von der globalen Python-Installation verwaltet werden können.

2. Schritt: Paket- und Umgebungsmanagement¶

Python kann durch zusätzliche Pakete um viele Funktionen erweitert werden. Solche Pakete stellen beispielsweise Werkzeuge zur Datenverarbeitung, für Webanwendungen oder zur Erstellung von Diagrammen bereit. Ein wichtiges Werkzeug zur Installation und Verwaltung dieser Pakete ist pip. Damit sich die Pakete verschiedener Projekte nicht gegenseitig beeinflussen, sollten virtuelle Umgebungen verwendet werden. Python stellt dafür das Modul venv bereit. Für die meisten Python-Projekte ist daher die Kombination aus venv und pip empfehlenswert. Beide Werkzeuge gehören zum üblichen Python-Ökosystem, sind einfach zu verwenden und ermöglichen eine saubere Trennung verschiedener Projekte.

Eine Alternative ist Conda. Conda verwaltet sowohl Pakete als auch virtuelle Umgebungen und kann zusätzlich Abhängigkeiten außerhalb von Python verwalten.

Anaconda ist eine umfangreiche Python-Distribution, die Conda sowie zahlreiche Pakete und Programme bereits mitbringt.

Im Anhang befindet sich eine kurze Anleitung zur Einrichtung von Conda und die Erstellung eigener Umgebungen... conda Conda...

venv und pip¶

venv ist Bestandteil der Python-Standardbibliothek und dient zum Erzeugen virtueller Python-Umgebungen. Innerhalb einer solchen Umgebung können Pakete mit pip installiert werden.

Eine neue Umgebung (in diesem Beispiel ‘finance-venv’) wird beispielsweise mit

python -m venv finance-venv

in dem Ordner, indem sich aktuell Ihre Konsole befindet, erstellt.

Unter Linux wird sie anschließend mit

source finance-venv/bin/activate

aktiviert.

Unter Windows PowerShell lautet der entsprechende Befehl:

.\finance-venv\Scripts\Activate.ps1

Pakete können danach mit pip installiert werden:

python -m pip install numpy pandas matplotlib scipy jupyter

Für ein Projekt empfiehlt es sich, die benötigten Pakete in einer Datei requirements.txt festzuhalten, beispielsweise

numpy
pandas
matplotlib
scipy
jupyter

Alle Pakete dieser Datei können anschließend mit

python -m pip install -r requirements.txt

installiert werden.

Der typische Workflow ist damit:

Python installieren
        ↓
virtuelle Umgebung mit venv erzeugen
        ↓
Umgebung aktivieren
        ↓
Pakete mit pip installieren
        ↓
requirements.txt zur Dokumentation verwenden

Für die meisten Python-Projekte ist dieser Ansatz einfach, transparent und ausreichend. Daher empfehlen wir auch in diesem Kurs die Verwendung von venv und pip.

Im Folgenden geben wir für Linux, Windows und MacOS eine kurze Anleitung zur Einrichtung und Aktivierung einer virtuellen Umgebung. Prinzipiell wird für jede virtuelle ein neuer Ordner erzeugt. Prinzipiell ist es unwichtig, wo dieser Ordner liegt, sofern man als Nutzer weiß wo.

Nach erfolgricher Einrichtung und Aktivierung können Sie die Liste der installierten Pakete mittels

pip list

kontrollieren.

Einrichtung Projektverzeichnis und Venv-Umgebung unter Linux¶

Das Projektverzeichnis in diesem Illustrationsbeispiel liegt im Homeverzeichnis ist der Ordner ‘python-project\finance-stat’ und der Ordner mit den virtuellen Python-Umgebungen lautet ‘venv’. Speichern Sie die ‘req-finance.txt’ im Projekt-Ordner ab.

Zunächst wird die Venv angelegt und aktiviert

mkdir venv
cd venv
python3 -m venv finance-venv
source finance-venv/bin/activate

und im Anschluss die Pakete in diese Umgebung installiert

ls python-project\finance-stat\
python3 -m pip3 install -r req-finance.txt

Die aktivierte Umgebung steht dann in Klammern (finance-venv) vor der Eingabeaufforderung.

Einrichtung Projektverzeichnis und Venv-Umgebung unter Windows¶

Passen Sie den Code auf Ihre eigene Ordnerstrukturen an! Das Projektverzeichnis in diesem Illustrationsbeispiel liegt im Ordner ‘C:\python-project\finance-stat’ und der Ordner mit den virtuellen Python-Umgebungen lautet ‘C:\python-venvs’. Speichern Sie die ‘req-finance.txt’ im Projekt-Ordner ab.

Starten Sie eine Powershell (siehe Windows) und erstellen Sie diese beiden Ordner mittels ‘mkdir’ oder alternativ im Explorer. Anschließend wechseln Sie in den Ordner ‘C:\python-venvs’ und erstellen die neue Venv-Umgebung.

Die erfolgreiche Aktivierung erkennen Sie in diesem Fall am grünen Schriftzug der Venv-Umgebung ‘finance-venv’.

Einrichtung Projektverzeichnis und Venv-Umgebung unter MacOS¶

to do: ist dieser Hinweis allgemein oder nur unter Linux / Mac??? ... Speichern Sie die ‘req-finance.txt’ im Projekt-Ordner ab.

Hinweis: Wenn bei der Installation innerhalb einer aktivierten virtuellen Umgebung die Fehlermeldung Can not perform a '--user' install erscheint:

ERROR: Can not perform a '--user' install.
User site-packages are not visible in this virtualenv.

ist pip möglicherweise so konfiguriert, dass Pakete standardmäßig mit der Option --user installiert werden. Das kann mit folgendem Befehl überprüft werden:

pip config list

Erscheint in der Konsole folgende Rückmeldung:

global.user='true'

versucht pip, Pakete standardmäßig in das persönliche Python-Verzeichnis des Benutzers zu installieren. Innerhalb einer mit venv erstellten virtuellen Umgebung ist das nicht sinnvoll, da die Pakete stattdessen in der virtuellen Umgebung installiert werden sollen. Die entsprechende Einstellung kann daher entfernt werden:

pip config unset global.user

und anschließend kann mit

pip config list

kontrolliert werden, ob global.user='true' verschwunden ist. Danach sollte die Installation innerhalb der aktivierten virtuellen Umgebung wie gewohnt funktionieren:

python -m pip install jupyter-book jupyter

Damit werden jupyter-book und jupyter in der aktuell verwendeten virtuellen Umgebung installiert.

conda¶

conda ist sowohl ein Paketmanager als auch ein Umgebungsmanager. Im Gegensatz zu venv kann conda nicht nur Python-Pakete, sondern auch weitere Bibliotheken und Systemabhängigkeiten innerhalb einer Umgebung verwalten.

Eine neue Conda-Umgebung kann zum Beispiel sogar für eine speziele Python-Version erstellt werden und setzt natürlich die Installation des Conda-Systems voraus, siehe conda

conda create -n finance python=3.13

Anschließend wird sie aktiviert:

conda activate finance

Pakete können direkt mit Conda installiert werden:

conda install numpy pandas matplotlib scipy

Alternativ können auch mit pip Pakete innerhalb einer Conda-Umgebung installiert werden:

python -m pip install paketname

Eine Conda-Umgebung kann beispielsweise über eine environment.yml beschrieben werden:

name: finance

dependencies:
  - python=3.13
  - numpy
  - pandas
  - matplotlib
  - scipy

Die Umgebung kann daraus mit

conda env create -f environment.yml

erzeugt werden.

Wann ist conda sinnvoll?¶

Für typische Projekte mit Paketen wie

numpy
pandas
matplotlib
scipy
jupyter

ist venv zusammen mit pip normalerweise völlig ausreichend.

Conda kann insbesondere dann sinnvoll sein, wenn ein Projekt komplexere Abhängigkeiten besitzt, beispielsweise zusätzliche C-, C++- oder Fortran-Bibliotheken, spezielle wissenschaftliche Software oder GPU-Bibliotheken. Conda kann solche Abhängigkeiten häufig zusammen mit den Python-Paketen verwalten.

Die beiden Ansätze lassen sich vereinfacht folgendermaßen gegenüberstellen:

Für diesen Kurs verwenden wir daher bevorzugt

venv + pip

und greifen nur dann auf conda zurück, wenn die Anforderungen eines Projekts dies notwendig machen.

3. Schritt: Einrichtung eines Editors¶

Zuletzt müssen wir noch einen passenden Texteditor für den Quellcode installieren. Theoretisch könnte man auch im Windows Nodepad oder unter Linux mit gedit, kate oder einem beliebigen anderen Texteditor programmieren. Wünschenswert wäre allerdings ein Editor, der automatisch programmiersprachenspezifische Keywords hervorhebt (Code-Highlighting) und den Programm Code logisch formatiert (Code Layout). Beliebte Editoren sind beispielsweise:

• Spyder

• Positron

• Visual Studio Code

• Sublime Text

• PyCharm

• Vim und Emacs (für die Profis)

Python-Skripte werden in der Regel mit der Endung .py (z.B. mein_skript.py) abgespeichert. Um das Skript auf der Konsole auszuführen schreibt man dann einfach:

python mein_skript.py

Die meisten aufgezählten Editoren können sogar direkt Python-Skripte kompilieren, nachdem diese eingerichtet wurden. Hierzu sollten Sie für den Editor Ihrer Wahl einfach den Anleitungen folgen.

Jupyter Notebook¶

Die Auswahl an Editoren ist sehr vielfälltig. Alternativ zur Verwendung eines klassischen Editors wollen wir als Alternative Jupyter-Notebooks vorstellen, welche browserbasiert^[2], laufen also in Chrome, Firefox, etc.. Mit Jupyter-Notebook können wir nicht nur reine Python-Skripts schreiben, sondern interaktive Arbeitsblätter, die neben Code auch Text und Bilder enthalten können. Dazu später mehr.

Wir kontrollieren zunächst, ob das Paket für Jupyter-Notebooks direkt in unsere virtuellen Venv-Umgebung installiert und aktuell ist.Hierzu nach Aktivierung der Umgebung checken

pip show jupyter
pip index versions jupyter

Falls notwendig installieren bzw. updaten wir das Paket mittels

pip install jupyter
pip install --upgrade jupyter

Im Anschluss sollte

jupyter notebook --version

Ausgabe: 7.6.2

die installierte Notebook Version zurück geben.

Wir starten das Jupyter-Notebook anschließend mit der Eingabe

jupyter-notebook &

und es sollte sich ein neuer Tab im Browser öffnen (eventuell unbemerkt im Hintergrund, Sie sehen aber auch immer eine URL, die Sie einfach kopieren und im Browser aufrufen).

Mit der Schaltfläche New $\Rightarrow$ Python3 können wir nun ein neues Python-Skript anlegen und direkt anfangen die Code-Zellen mit Programmcode zu füllen. Eine Code-Zelle wird mit SHIFT+ENTER ausgeführt:

Neben Code-Zellen gibt es im Jupyter-Notebook auch noch Markdown-Zellen. Um Markdown-Zellen zu verwenden müssen wir in der Symbolleiste im Auswahlfeld auf die Option “Markdown” umschalten:

Wir können nun die Zelle mit Text füllen und diese schön gestalten. Auf dieser Webseite ist die Syntax der Markdown-Language erklärt. Wir können beispielsweise den Text mit Überschriften gliedern, Bilder und Querverweise einbinden, Tabellen und Auflistungen erstellen, und vieles mehr.

Der Markdown-Code

# Meine Studienarbeit

## Einführung

Die Arbeit beschäftigt sich mit

* Grundlagen der Programmierung
* Mathematische Anwendungen

Falls Fragen auftreten, suche selbst auf [Google](https://www.google.de).

Hier noch ein kurzes Symbolverzeichnis:

|Symbol|Bedeutung|
|:-|:-|
|$\alpha$|Wärmeleitkoeffizient|
|$\nu$|Querkontraktionszahl|

liefert die Ausgabe

4. Schritt: Pakete installieren, updaten und löschen¶

Bevor ein zusätzliches Paket bzw. Modul hinzugefügt, aktualisiert oder gelöscht werden kann, muss immer die entsprechende Umgebung in Python oder Conda aktiviert sein. Mit ``pip listoderconda list` kann man sich zudem immer einen Überblick über die aktuell installierten Pakete in der Umgebung informieren.

conda activate myenv
conda list

Neue Pakete werden dann mittels conda install oder pip install hinzugefügt. Details zur Installation finden sich immer in der Paketbeschreibung.

pip install newpackage
conda install -c conda-forge newpackage

Ebenso gibt es sowohl für Conda als auch Pip entsprechende Funktionen für Update (Conda update, ) bzw. Deinstallation (Conda remove pip uninstall).