Python venv Feuille de rappel

quelques commandes utiles pour venv

Sommaire

Venv est un outil de gestion des environnements virtuels depuis la ligne de commande. Beaucoup plus simple que Anaconda. Voici quelques commandes utiles de venv.

Un python tente d’ouvrir une boîte en bois.

Feuille de rappel de venv Python

Créer un environnement virtuel

  • Commande standard (Python 3.3+):

    python -m venv venv

    Cela crée un environnement virtuel nommé venv dans votre répertoire actuel.

  • Avec une version spécifique de Python (si installée):

    python3.10 -m venv venv

    ou en utilisant virtualenv:

    virtualenv -p /usr/local/bin/python3.10 venv

    (Requiert le package virtualenv).

Activer l’environnement virtuel

  • Sous Windows: 
    .\venv\Scripts\activate
  • Sous macOS/Linux: 
    source venv/bin/activate
    Le prompt de la shell devrait maintenant afficher le nom de l’environnement.

Désactiver l’environnement virtuel

  • Tous les plateformes: 
    deactivate
    Cela vous ramène à votre Python système.

Installer des paquets

  • Avec pip: 
    pip install
    Exemple: 
    pip install numpy pandas
  • Mettre à jour pip (recommandé): 
    python -m pip install --upgrade pip

Geler et exporter les dépendances

  • Enregistrer les paquets de l’environnement actuel: 
    pip freeze > requirements.txt
  • Installer à partir du fichier requirements: 
    pip install -r requirements.txt
    Assurez-vous que votre environnement virtuel est activé avant d’exécuter ces commandes.

Supprimer un environnement virtuel

deactivate
rm -rf <chemin de l'environnement>

Pièges courants lors de la gestion des environnements virtuels Python

Oublier d’activer l’environnement virtuel

  • Une erreur fréquente est d’exécuter des commandes sans avoir activé l’environnement virtuel souhaité, ce qui entraîne l’installation de paquets dans l’environnement global ou le mauvais venv. Cela peut provoquer des conflits de dépendances et un comportement imprévisible.

Ne pas fixer les versions des paquets

  • L’utilisation de spécificateurs de version trop larges (comme >= au lieu de ==) dans requirements.txt compromet la reproductibilité. Le fixage des versions exactes garantit que tout le monde travaillant sur le projet utilise les mêmes versions de paquets, évitant ainsi les problèmes imprévisibles lors du déploiement ou de la collaboration.

Mélanger les environnements globaux et virtuels

  • Installer accidentellement des paquets globalement ou mélanger les environnements globaux et virtuels peut créer des conflits, surtout si différents projets nécessitent des versions de paquets incompatibles. Assurez-vous toujours d’opérer dans l’environnement correct.

Inclure les environnements virtuels dans le contrôle de version

  • Inclure le répertoire de l’environnement virtuel (par exemple, venv/) dans le contrôle de version encombre les dépôts et est inutile. Ajoutez toujours les répertoires venv à .gitignore pour garder votre dépôt propre.

Négliger de séparer les dépendances de développement et de production

  • Ne pas distinguer les dépendances de développement et de production peut entraîner des déploiements encombrés ou peu sécurisés. Utilisez des fichiers requirements séparés ou des sections de configuration pour chacun.

Manque de documentation et d’automatisation

  • Ne pas documenter les étapes de configuration de l’environnement ou échouer à automatiser le processus (avec des scripts ou des Makefiles) rend plus difficile l’intégration de nouveaux contributeurs et la reproduction des environnements.

Ne pas nettoyer régulièrement les anciens environnements

  • Au fil du temps, les environnements virtuels inutilisés peuvent s’accumuler, gaspillant de l’espace disque et causant de la confusion. Supprimez régulièrement les venvs obsolètes pour maintenir un espace de travail propre.

Ignorer les limites du Python système et des gestionnaires de paquets

  • Modifier le Python système ou mélanger les gestionnaires de paquets système avec pip peut casser les outils système et introduire des problèmes difficiles à diagnostiquer. Utilisez toujours des venvs pour les dépendances de projet et évitez d’interférer avec les paquets gérés par le système.

Tableau récapitulatif

Piège Impact
Oublier d’activer le venv Installe les paquets dans le mauvais environnement
Ne pas fixer les versions des paquets Builds imprévisibles, bugs difficiles à reproduire
Mélanger les environnements globaux et virtuels Conflits de dépendances/versions
Inclure les répertoires venv dans le contrôle de version Dépôts encombrés, désordonnés
Ne pas séparer les dépendances de développement et de production Déploiements encombrés/insecure
Manque de documentation/automatisation Difficulté d’intégration, configurations incohérentes
Ne pas nettoyer les anciens environnements Gaspillage d’espace disque, confusion
Modifier le Python système ou les paquets Instabilité système, outils cassés

Suivre les bonnes pratiques, comme toujours activer votre venv, fixer les dépendances, séparer les environnements et maintenir une documentation claire, peut vous aider à éviter ces pièges courants.

Principales différences entre Conda et les environnements virtuels pour la reproductibilité

Fonction Environnements Conda Environnements virtuels Python (venv/virtualenv)
Portée de la gestion Gère les paquets Python et les dépendances non-Python (ex. bibliothèques système, compilateurs) Gère uniquement les paquets Python via pip
Contrôle de la version de Python Peut spécifier et installer n’importe quelle version de Python par environnement Utilise la version de Python installée sur le système
Consistance interplateforme Plus consistante sur différentes OS (Windows, macOS, Linux) en raison de la gestion de toutes les dépendances Dépend des bibliothèques du système, qui peuvent varier selon l’OS
Sources de paquets Utilise les dépôts Conda (binaires précompilés, stack scientifique) Utilise PyPI (pip) pour les paquets Python
Reproductibilité Plus élevée pour les projets complexes, scientifiques ou multilingues ; peut exporter l’environnement complet (conda env export) Bonne pour les projets purement Python ; peut manquer de reproductibilité si des dépendances système sont impliquées
Dépendances non-Python Peut installer et gérer (ex. OpenBLAS, libpng) Ne peut pas gérer ; doivent être installés séparément
Export/Import d’environnement conda env export / conda env create pour une reproductibilité complète pip freeze > requirements.txt / pip install -r requirements.txt (uniquement les paquets Python)
Performance Plus rapide et plus fiable pour les grands paquets scientifiques (ex. numpy, pandas) Peut nécessiter la compilation depuis la source, surtout sous Windows
Complexité Un peu plus de surcharge de configuration et de gestion Léger, idéal pour les projets Python simples

Résumé des points clés

  • Les environnements Conda sont idéaux pour la reproductibilité dans les projets nécessitant à la fois des dépendances Python et non-Python, ou lorsque la réplication exacte entre les plateformes est critique. Conda gère l’ensemble de la pile, y compris Python lui-même, les bibliothèques et même les compilateurs, rendant plus facile le partage et la reproductibilité d’environnements complexes, surtout dans les contextes de science des données et de recherche.

  • Les environnements virtuels Python (venv/virtualenv) sont légers et excellents pour isoler les dépendances Python dans les projets purement Python. Cependant, ils ne gèrent pas les dépendances de niveau système ou non-Python, donc la reproductibilité peut être compromise si votre projet dépend de bibliothèques externes ou de configurations système spécifiques.

  • Exporter et partager des environnements : Conda vous permet d’exporter une spécification complète de l’environnement (conda env export), y compris toutes les dépendances et leurs versions, qui peuvent être recréées exactement ailleurs. Avec les environnements virtuels, pip freeze ne capture que les paquets Python, pas les dépendances système ou la version de l’interpréteur Python.

  • Conclusion
    Utilisez Conda pour une reproductibilité maximale dans les projets scientifiques, interplateformes ou complexes. Utilisez les environnements virtuels Python pour des projets légers en Python pur où les dépendances système ne sont pas un problème.

Liens utiles