0Pricing
Learn AI with Python · Pelajaran

Lingkungan Virtual dan pip

Buat lingkungan terisolasi dengan venv, instal paket, dan kelola requirements.txt.

Lingkungan Virtual dan pip adalah pelajaran Learn AI with Python gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Learn AI with Python, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Learn AI with Python mencakup 4 pelajaran total.

Mengapa Menggunakan Lingkungan Virtual?

Lingkungan virtual adalah instalasi Python yang terisolasi untuk satu proyek. Setiap proyek memiliki paketnya sendiri, sehingga memperbarui NumPy untuk satu proyek tidak akan pernah merusak proyek lain.

Tanpa isolasi, semua paket terpasang secara global dan konflik versi tidak dapat dihindari di antara proyek-proyek ilmu data.

Membuat Lingkungan Virtual (venv)

Modul bawaan venv membuat lingkungan di dalam direktori yang Anda tentukan (biasanya .venv).

Jalankan ini di dalam akar proyek Anda. Perintah ini membuat salinan interpreter yang mandiri serta tempat untuk menyimpan paket.

python -m venv .venv

Mengaktifkan di macOS / Linux

Aktivasi menempatkan python dan pip milik lingkungan tersebut di bagian terdepan PATH Anda. Biasanya prompt Anda menampilkan (.venv) saat lingkungan aktif.

source .venv/bin/activate

Mengaktifkan di Windows

Di Windows, skrip aktivasi berada di dalam Scripts. PowerShell dan cmd menggunakan perintah yang sedikit berbeda.

# PowerShell
.venv\Scripts\Activate.ps1

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

Menonaktifkan

Setelah selesai, deactivate mengembalikan PATH terminal normal Anda. Berkas lingkungan tetap tersimpan di disk untuk digunakan kembali nanti.

deactivate

Menginstal Paket dengan pip

Saat lingkungan aktif, pip install menempatkan paket hanya di dalam .venv. Instal paket inti ilmu data dalam satu baris.

pip install numpy pandas matplotlib scikit-learn

Mengunci Versi Tertentu

Gunakan == untuk mengunci versi yang tepat agar hasil dapat direproduksi. Gunakan >= untuk menetapkan versi minimum.

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

Membekukan Dependensi

pip freeze menampilkan setiap paket yang terinstal beserta versi tepatnya. Alihkan hasilnya ke requirements.txt untuk mencatat seluruh lingkungan.

pip freeze > requirements.txt

Memulihkan dari requirements.txt

Rekan satu tim (atau server CI Anda) dapat membuat ulang lingkungan yang sama persis dengan -r. Inilah inti ilmu data yang dapat direproduksi.

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

Tampilan requirements.txt

Berkas ini berupa teks biasa, dengan satu paket yang versinya dikunci di setiap baris. Anda dapat mengeditnya secara manual untuk melonggarkan atau memperketat versi.

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

Mengabaikan venv di Git

Jangan pernah memasukkan folder lingkungan ke Git; ukurannya besar dan khusus untuk mesin tertentu. Masukkan requirements.txt ke Git dan abaikan folder tersebut di .gitignore.

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

Uji Cepat

Uji pemahaman Anda tentang pengelolaan dependensi.

Rangkuman

Anda telah mempelajari alur kerja untuk memastikan hasil dapat direproduksi:

  • python -m venv .venv membuat lingkungan yang terisolasi
  • source .venv/bin/activate / deactivate mengaktifkan atau menonaktifkannya
  • pip install menambahkan paket secara lokal
  • pip freeze > requirements.txt mencatat versi paket
  • pip install -r requirements.txt memulihkannya
  • Tambahkan .venv/ ke .gitignore

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Lingkungan Virtual dan pip” gratis?

Ya — teks lengkap “Lingkungan Virtual dan pip” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Learn AI with Python, upgrade ke CoddyKit PRO. Kursus Learn AI with Python mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Lingkungan Virtual dan pip”?

Buat lingkungan terisolasi dengan venv, instal paket, dan kelola requirements.txt. Kamu berlatih Learn AI with Python dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Learn AI with Python?

Tidak diperlukan pengalaman sebelumnya. Learn AI with Python di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.

Berapa lama pelajaran “Lingkungan Virtual dan pip” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Learn AI with Python ini?

Ya. Setiap pelajaran Learn AI with Python menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Lingkungan Virtual dan pip
  2. Jupyter Notebooks untuk Sains Data
  3. Tipe Data Python untuk Sains Data
  4. Bekerja dengan Python REPL dan IPython
← Kembali ke Learn AI with Python