0Pricing
Learn AI with Python · Leçon

Environnements virtuels et pip

Créer des environnements isolés avec venv, installer des paquets et gérer requirements.txt.

Environnements virtuels et pip est une leçon Learn AI with Python gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Learn AI with Python, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Learn AI with Python comprend 4 leçons au total.

Pourquoi utiliser des environnements virtuels ?

Un environnement virtuel est une installation Python isolée pour un seul projet. Chaque projet dispose de son propre ensemble de paquets : ainsi, mettre à niveau NumPy pour un projet ne peut jamais en perturber un autre.

Sans isolation, tous les paquets sont installés globalement et les conflits de versions deviennent inévitables entre les projets de science des données.

Créer un environnement virtuel

Le module intégré venv crée un environnement dans le dossier que vous indiquez (généralement .venv).

Exécutez cette commande à la racine de votre projet. Elle crée une copie autonome de l’interpréteur ainsi qu’un emplacement pour les paquets.

python -m venv .venv

Activer sur macOS / Linux

L’activation place le python et le pip de l’environnement au début de votre PATH. Votre invite affiche généralement (.venv) lorsque l’environnement est actif.

source .venv/bin/activate

Activer sur Windows

Sous Windows, le script d’activation se trouve dans Scripts. PowerShell et cmd utilisent des commandes légèrement différentes.

# PowerShell
.venv\Scripts\Activate.ps1

# cmd.exe
.venv\Scripts\activate.bat

Désactiver

Lorsque vous avez terminé, deactivate restaure le PATH normal de votre interpréteur de commandes. Les fichiers de l’environnement restent sur le disque pour la prochaine fois.

deactivate

Installer des paquets avec pip

Lorsque l’environnement est actif, pip install place les paquets uniquement dans .venv. Installez les paquets essentiels de la science des données en une seule ligne.

pip install numpy pandas matplotlib scikit-learn

Verrouiller une version précise

Utilisez == pour verrouiller une version exacte, ce qui garantit la reproductibilité des résultats. Utilisez >= pour définir une version minimale.

pip install numpy==1.26.4
pip install "pandas>=2.0"

Geler les dépendances

pip freeze affiche chaque paquet installé avec sa version exacte. Redirigez sa sortie vers requirements.txt pour enregistrer l’environnement complet.

pip freeze > requirements.txt

Restaurer depuis requirements.txt

Un membre de votre équipe (ou votre serveur d’intégration continue) recrée l’environnement exact avec -r. C’est le fondement de la reproductibilité en science des données.

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

À quoi ressemble requirements.txt

Il s’agit d’un fichier texte brut contenant un paquet verrouillé par ligne. Vous pouvez le modifier manuellement pour assouplir ou resserrer les versions.

numpy==1.26.4
pandas==2.2.2
matplotlib==3.8.4
scikit-learn==1.4.2

Ignorer venv dans Git

Ne validez jamais le dossier de l’environnement : il est volumineux et propre à chaque machine. Validez plutôt requirements.txt et ignorez le dossier dans .gitignore.

# .gitignore
.venv/
venv/
__pycache__/
*.pyc

Vérification rapide

Testez votre compréhension de la gestion des dépendances.

Récapitulatif

Vous avez appris le processus de reproductibilité :

  • python -m venv .venv crée un environnement isolé
  • source .venv/bin/activate / deactivate l’activent et le désactivent
  • pip install ajoute des paquets localement
  • pip freeze > requirements.txt enregistre les versions
  • pip install -r requirements.txt les restaure
  • Ajoutez .venv/ à .gitignore

Questions Fréquemment Posées

La leçon « Environnements virtuels et pip » est-elle gratuite ?

Oui — le texte complet de « Environnements virtuels et pip » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Learn AI with Python, passe à CoddyKit PRO. Le cours Learn AI with Python comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Environnements virtuels et pip » ?

Créer des environnements isolés avec venv, installer des paquets et gérer requirements.txt. Tu pratiques Learn AI with Python avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Learn AI with Python ?

Aucune expérience préalable n'est requise. Learn AI with Python sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.

Combien de temps prend la leçon « Environnements virtuels et pip » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Learn AI with Python ?

Oui. Chaque leçon Learn AI with Python inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Environnements virtuels et pip
  2. Notebooks Jupyter pour la science des données
  3. Types de données Python pour la science des données
  4. Utiliser le REPL Python et IPython
← Retour à Learn AI with Python