Guía de instalación de Python con Miniconda, Jupyter notebooks y Google Colab

Vista previa del material en texto

Guía de instalación de Python con Miniconda, Jupyter notebooks y Google Colab
Instalación de Miniconda
Miniconda es un instalador que ofrece el intérprete de Python, junto con una herramienta llamada conda, muy útil para instalar paquetes adicionales. 
Puede descargarse a partir de este enlace. Tener en cuenta que hay dos grandes versiones de Python que coexisten: La versión 2 y la versión 3. En este curso utilizaremos la versión 3.
Una vez descargado, ejecutar el instalador con las opciones por defecto.
Una vez instalado, abrir una terminal (Windows+E, escribir “cmd” en Windows) y escribir “conda”. Debería aparecer el siguiente texto:
usage: conda [-h] [-V] command...
seguido de una serie de instrucciones. Si se puede leer ese mensaje, la instalación de Miniconda ha finalizado correctamente.
Instalación de Jupyter Notebook
Para la instalación básica, seleccionaremos los paquetes que nos permitan trabajar con el entorno jupyter notebook. Para ello, en la misma terminal escribir:
conda install -c conda-forge jupyterlab notebook
Para verificar la instalación, escribir en la terminal
jupyter notebook
Luego de una serie de comandos automáticos en la terminal, se abrirá una pestaña en el navegador apuntando a la dirección http://localhost:8888/tree. Si logramos ver esta página, la instalación de Jupyter notebook ha finalizado correctamente.
En lo sucesivo, para instalar un paquete de Python con el nombre <nombre_paquete> puede utilizarse el siguiente comando en la terminal:
conda install <nombre_paquete>
Para verificar los paquetes instalados escribir
conda list
Con este anexo completo podemos empezar a trabajar en Python con Jupyter notebooks.
Una opción más con una variante híbrida
En casos donde queremos probar algo rápido, o plantear una idea en ámbitos más didácticos que empresariales, Google ofrece la interfaz Colaboratory en https://colab.research.google.com/ . Sólo hay que contar con una cuenta de Google. Una vez que accedemos a la página, tenemos a disposición una notebook en cuestión de segundos. Por defecto, esta opción aloja toda la información en la nube. Esta forma de trabajo es muy práctica, pero puede tener limitaciones a la hora de trabajar profesionalmente. 
Finalmente, con algunas configuraciones adicionales, puede utilizarse la interfaz de Colaboratory con el entorno de ejecución local. Esta opción híbrida puede servir para los que no se terminan de acostumbrar al entorno de Jupyter notebooks. Para usar Colaboratory con entorno local, dentro del sitio https://colab.research.google.com/ ir a la parte superior derecha y elegir la opción “Conectar”, luego “Conectar a un entorno de ejecución Local”
Se abrirá la siguiente pantalla:
 
Abrir la terminal e iniciar el notebook con jupyter notebook. Chequear los mensajes de inicialización en la terminal. Al final aparecerá una línea que comienza con http://localhost:8888/?token= seguida de un conjunto largo de letras y números. Copiar toda la línea, desde http:// hasta el final. Pegar el texto en la línea que dice “URL de backend”. Luego hacer clic en “Conectar”. 
De esta forma puede usarse la interfaz de Google Colaboratory para trabajar con el intérprete que tenemos instalado en nuestra máquina. 
Antes de comenzar
Para trabajar más cómodamente con programación, recomendamos instalar extensiones para Jupyter notebook. Estas extensiones son módulos adicionales que nos permitirán trabajar más ágilmente.
Para instalar las extensiones en general, escribamos esto en la terminal:
conda install -c conda-forge jupyter_nbextensions_configurator 
Esto instala el configurador de extensiones
pip install jupyter_contrib_nbextensions && jupyter contrib nbextension install 
Esto instala las contribuciones hechas por la comunidad
Con estos comandos instalados, al recargar la página de Jupyter veremos que aparece una nueva pestaña llamada Nbextensions. Al hacer clic en esta pestaña podremos elegir extensiones a partir de una lista. 
Para trabajar, seleccionemos las siguientes:
· Hinterland. Permite autocompletar código a medida que escribimos
· Snippets. Permite reutilizar porciones de código que escribimos a menudo.
· Snippets menu. Compañero de Snippets, tiene pre-cargadas porciones de código muy comunes.
· Autopep8. Acomoda el código para que resulte más cómodo de leer. Si seleccionamos esta extensión debemos instalar un paquete en la terminal, escribiendo lo siguiente[footnoteRef:0]: [0: Se han encontrado fallas del autocompletado en MacOS Big Sur. Para solucionar esto, además de seguir todos los pasos, escribir lo siguiente en el notebook (no en la terminal):
%config Completer.use_jedi = False] 
pip install autopep8
Con estas extensiones mejoraremos la performance de nuestro trabajo. 
Finalmente, y muy importante: debemos instalar algunos de los paquetes necesarios para Data Science que utilizaremos en el resto del curso. Lo hacemos escribiendo lo siguiente:
conda install numpy pandas scikit-learn matplotlib seaborn jupyter
Cada una de las palabras escritas luego de “install” refiere a alguno de los paquetes que vamos a usar.