# # Préparer Votre Espace de Travail : Installation et Configuration de l'Environnement Bienvenue dans cette leçon cruciale ! Avant de plonger dans le monde fascinant de Python pour la Data Science, il est impératif de mettre en place un environnement de travail solide et fonctionnel. Considérez cette étape comme la préparation de votre atelier : vous avez besoin des bons outils et d'un espace organisé pour construire de grandes choses. Cette leçon vous guidera pas à pas pour installer Python via Anaconda et vous familiariser avec Jupyter Notebook, l'outil interactif par excellence des data scientists. # # Pourquoi un Environnement Spécifique pour la Data Science ? En tant que débutant, vous vous demandez peut-être pourquoi nous ne nous contentons pas d'une installation standard de Python. La Data Science implique souvent l'utilisation de nombreuses bibliothèques spécialisées (NumPy, Pandas, Matplotlib, Scikit-learn, etc.). Gérer ces bibliothèques et leurs dépendances peut rapidement devenir complexe avec une installation Python de base. C'est là qu'interviennent des outils comme Anaconda. # # Anaconda : Votre Boîte à Outils Complète pour la Data Science Anaconda est une distribution Python et R libre et open-source pour la science des données et l'apprentissage automatique. Elle simplifie considérablement la gestion des paquets et des environnements. # ## Avantages d'Anaconda pour les Débutants : 1. **Tout-en-un :* * Anaconda inclut Python, plus de 250 bibliothèques populaires pour la Data Science (pré-installées), et le gestionnaire de paquets `conda`. 2. **Gestionnaire d'Environnements :* * Il vous permet de créer des environnements virtuels isolés, ce qui est essentiel. Chaque projet peut avoir son propre ensemble de bibliothèques sans interférer avec d'autres projets. 3. **Facilité d'Installation :* * Un seul installateur pour tout. 4. **Jupyter Notebook Intégré :* * Jupyter est inclus et facile à lancer. # # Guide Pas à Pas : Installation d'Anaconda Suivez ces étapes pour installer Anaconda sur votre système d'exploitation. Les étapes sont similaires pour Windows, macOS et Linux. # ## Étape 1 : Télécharger l'Installateur Anaconda 1. Ouvrez votre navigateur web et rendez-vous sur le site officiel d'Anaconda : `https://www.anaconda.com/products/individual`. 2. Descendez jusqu'à la section "Anaconda Installers". 3. Téléchargez l'installateur graphique correspondant à votre système d'exploitation (Windows, macOS ou Linux) et à l'architecture de votre processeur (généralement 64-bit). Assurez-vous de choisir la version de Python la plus récente et recommandée (souvent Python 3.x). # ## Étape 2 : Exécuter l'Installateur * **Pour Windows :** 1. Localisez le fichier `.exe` téléchargé et double-cliquez dessus. 2. Suivez les invites de l'installateur : * Cliquez sur "Next", "I Agree" (après avoir lu les termes). * Choisissez "Just Me" (recommandé pour la plupart des utilisateurs). * Sélectionnez un dossier de destination. Le chemin par défaut est généralement `C:\Users\YOUR_USERNAME\anaconda3`. Il est recommandé de le laisser par défaut à moins que vous n'ayez une bonne raison de le changer. * **Important :* * Sur l'écran "Advanced Options", assurez-vous de COCHER "Add Anaconda to my PATH environment variable" (bien que non recommandé par Anaconda pour des raisons d'interférences avec d'autres installations Python, cela simplifie l'utilisation pour les débutants) ET "Register Anaconda as my default Python 3.x". Si vous choisissez de ne PAS ajouter au PATH, vous devrez toujours lancer Anaconda via Anaconda Navigator ou le "Anaconda Prompt". Pour la simplicité, nous considérerons que vous l'avez ajouté au PATH ou que vous utiliserez Anaconda Prompt. * Cliquez sur "Install" et attendez que l'installation se termine. * Cliquez sur "Next", puis "Finish". * **Pour macOS :** 1. Localisez le fichier `.pkg` téléchargé et double-cliquez dessus. 2. Suivez les instructions à l'écran : "Continue", "Agree", "Install for me only". 3. Laissez le chemin d'installation par défaut. 4. Cliquez sur "Install". Vous devrez peut-être entrer votre mot de passe administrateur. 5. Cliquez sur "Continue" puis "Close". * **Pour Linux :** 1. Ouvrez un terminal. 2. Naviguez jusqu'au répertoire où vous avez téléchargé le script d'installation (ex: `cd ~/Downloads`). 3. Exécutez le script d'installation avec la commande : bash Anaconda3-YYYY.MM-Linux-x86_64.sh (Remplacez `Anaconda3-YYYY.MM-Linux-x86_64.sh` par le nom exact du fichier téléchargé). 4. Appuyez sur "Entrée" pour lire la licence, puis tapez "yes" pour accepter les termes. 5. Acceptez l'emplacement d'installation par défaut (recommandé). 6. Lorsque l'installateur vous demande : "Do you wish the installer to initialize Anaconda3 by running `conda init`?", tapez "yes". C'est crucial pour que les commandes `conda` et `python` soient accessibles depuis votre terminal. 7. Fermez et rouvrez votre terminal pour que les changements prennent effet. # ## Étape 3 : Vérifier l'Installation Après l'installation, il est essentiel de vérifier que tout fonctionne correctement. * **Méthode 1 : Via l'Invite de Commande/Terminal** 1. Ouvrez une nouvelle invite de commande (Windows : "Anaconda Prompt" ou "cmd" ; macOS/Linux : "Terminal"). 2. Tapez les commandes suivantes et appuyez sur "Entrée" après chacune : conda --version python --version 3. Vous devriez voir les numéros de version de `conda` et de Python (par exemple, `conda 23.x.x` et `Python 3.x.x`). Si ces commandes échouent, il se peut que Anaconda ne soit pas correctement ajouté à votre PATH, et vous devrez peut-être relancer l'installateur ou le configurer manuellement. 4. Pour voir les environnements disponibles (vous devriez en voir un nommé `base` ou `root`): conda env list * **Méthode 2 : Via Anaconda Navigator** 1. Recherchez "Anaconda Navigator" dans le menu Démarrer (Windows) ou le Launchpad/Applications (macOS) ou en tapant `anaconda-navigator` dans le terminal (Linux/macOS). 2. Lancez-le. Vous devriez voir une interface graphique avec des icônes pour diverses applications, y compris Jupyter Notebook, Spyder, VS Code, etc. C'est la preuve que votre installation est réussie. # # Jupyter Notebook : Votre Bloc-notes Interactif Jupyter Notebook est une application web open-source qui vous permet de créer et de partager des documents contenant du code en direct, des équations, des visualisations et du texte narratif. C'est l'outil par excellence pour l'exploration de données, l'analyse statistique, la modélisation et la présentation de vos travaux en Data Science. # ## Caractéristiques Clés de Jupyter Notebook : * **Cellules :* * Le contenu d'un notebook est organisé en cellules. Il existe deux types principaux : * **Cellules de code :* * Contiennent du code Python (ou d'autres langages) qui peut être exécuté. * **Cellules Markdown :* * Contiennent du texte formaté à l'aide de la syntaxe Markdown, parfait pour ajouter des explications, des titres, des listes, et même des équations LaTeX. * **Interactivité :* * Vous pouvez exécuter des morceaux de code individuellement et voir les résultats immédiatement. * **Combinaison Code/Texte :* * Idéal pour documenter votre processus de pensée aux côtés de votre code. * **Formules Mathématiques :* * Support complet de LaTeX pour l'insertion de formules, par exemple : La formule de la régression linéaire simple est donnée par : $$y = \beta_0 + \beta_1 x + \epsilon$$ Où : * $$y$$ est la variable dépendante. * $$x$$ est la variable indépendante. * $$\beta_0$$ est l'ordonnée à l'origine (intercept). * $$\beta_1$$ est le coefficient de la pente (slope). * $$\epsilon$$ est le terme d'erreur irréductible. Ou pour une formule plus complexe, comme le calcul de la moyenne, que nous pourrions illustrer ainsi : La moyenne arithmétique d'un ensemble de $$n$$ observations $$x_1, x_2, \ldots, x_n$$ est définie comme : $$\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i = \frac{x_1 + x_2 + \ldots + x_n}{n}$$ Notez l'utilisation de `\\` pour forcer un saut de ligne dans la formule LaTeX. # ## Lancer Jupyter Notebook Vous avez deux manières principales de lancer Jupyter Notebook : * **Méthode 1 : Via Anaconda Navigator (Recommandé pour les débutants)** 1. Lancez Anaconda Navigator (comme vu précédemment). 2. Dans l'interface, trouvez l'icône "Jupyter Notebook" et cliquez sur le bouton "Launch" en dessous. 3. Cela ouvrira automatiquement un nouvel onglet dans votre navigateur web par défaut, affichant l'interface de Jupyter. * **Méthode 2 : Via l'Invite de Commande/Terminal** 1. Ouvrez une nouvelle invite de commande (Windows : "Anaconda Prompt" ou "cmd" ; macOS/Linux : "Terminal"). 2. Naviguez jusqu'au répertoire où vous souhaitez stocker vos notebooks. Par exemple, si vous voulez travailler dans un dossier `MonProjetData` sur votre bureau : cd Desktop/MonProjetData (Si le dossier n'existe pas, vous pouvez le créer avec `mkdir MonProjetData` puis `cd MonProjetData`). 3. Tapez la commande suivante et appuyez sur "Entrée" : jupyter notebook 4. Un serveur Jupyter sera lancé et un nouvel onglet s'ouvrira automatiquement dans votre navigateur web par défaut, affichant l'arborescence des fichiers de votre répertoire actuel. # ## Premiers Pas avec Jupyter Notebook Une fois Jupyter Notebook lancé dans votre navigateur : 1. **Créer un Nouveau Notebook :* * Cliquez sur le bouton "New" en haut à droite, puis sélectionnez "Python 3 (ipykernel)" (ou une option similaire pour Python). Un nouvel onglet s'ouvrira avec un notebook vide. 2. **Renommer le Notebook :* * Cliquez sur le titre "Untitled" en haut de la page pour le renommer (par exemple, "MaPremiereLecon"). 3. **Travailler avec les Cellules :** * **Cellule de Code :* * Par défaut, les cellules sont de type "Code". Tapez du code Python dedans. print("Bonjour, monde de la Data Science !") a = 5 b = 10 c = a + b print(f"La somme de {a} et {b} est {c}") * **Exécuter une Cellule :* * Sélectionnez la cellule et cliquez sur le bouton "Run" (icône de lecture) dans la barre d'outils, ou utilisez le raccourci clavier `Shift + Entrée`. Le résultat s'affichera juste en dessous. * **Cellule Markdown :* * Pour créer une cellule de texte, sélectionnez une cellule, puis dans la barre d'outils, changez le type de "Code" à "Markdown". # # Mon Premier Titre en Markdown Ceci est un paragraphe. - Point 1 - Point 2 Voici une formule simple : $$E=mc^2$$ Exécutez la cellule Markdown avec `Shift + Entrée` pour voir le texte formaté. 4. **Enregistrer le Notebook :* * Jupyter enregistre automatiquement votre travail régulièrement, mais vous pouvez aussi enregistrer manuellement en cliquant sur l'icône de la disquette ou via `File -> Save and Checkpoint`. Les notebooks sont enregistrés avec l'extension `.ipynb`. 5. **Fermer le Notebook :** * Fermez l'onglet du navigateur contenant le notebook. * Dans l'onglet initial de Jupyter (l'explorateur de fichiers), allez dans l'onglet "Running" et cliquez sur "Shutdown" à côté de votre notebook. * Pour arrêter complètement le serveur Jupyter, retournez à l'invite de commande/terminal où vous avez lancé `jupyter notebook` et appuyez sur `Ctrl + C` deux fois. # # Gestion des Environnements Conda (pour aller plus loin) Bien que pour cette première leçon, l'environnement de base suffise, il est bon de savoir qu'Anaconda permet de créer des environnements Python isolés. Imaginez que vous travailrez sur un projet nécessitant une bibliothèque dans une version spécifique, tandis qu'un autre projet a besoin d'une version différente de la même bibliothèque. Les environnements Conda résolvent ce problème. # ## Commandes Utiles (pour information) : * Créer un nouvel environnement : `conda create --name mon_env python=3.9` * Activer un environnement : `conda activate mon_env` * Désactiver un environnement : `conda deactivate` * Installer un paquet dans l'environnement actif : `conda install pandas` * Supprimer un environnement : `conda remove --name mon_env --all` # # Conclusion Félicitations ! Vous avez maintenant mis en place votre environnement de travail avec Anaconda et savez comment utiliser Jupyter Notebook. C'est une étape fondamentale et un prérequis indispensable pour toutes les futures leçons. Prenez le temps de vous familiariser avec Jupyter Notebook, de créer quelques cellules de code et de texte, et de jouer avec l'exécution. Votre voyage dans le monde de la Data Science peut maintenant réellement commencer !