Python環境の構築と管理
Pythonで機械学習やデータ分析を行うには、Python本体だけでなく、ライブラリや仮想環境を適切に管理することが重要です。
Python環境を整理しておくことで、パッケージのバージョン違いや依存関係の競合を防ぎ、プロジェクトを安定して進めやすくなります。
この記事では、Pythonのインストール、仮想環境の作成、パッケージ管理、requirements.txtによる環境再現、Anacondaを使った環境管理について解説します。
Python環境の構築と管理を図で理解する
Python環境とは？
Python環境とは、Python本体と、利用するライブラリ、実行環境をまとめたものです。
機械学習では、numpy、pandas、scikit-learn、matplotlibなど、多くのパッケージを利用します。
これらのバージョンがプロジェクトごとに異なる場合があるため、環境を分けて管理することが大切です。
Pythonをインストールする
Pythonを利用するには、まずPython本体をインストールします。
公式サイトからインストールする
- Python公式サイトにアクセスする
![]()
Welcome to Python.orgThe official home of the Python Programming Languagewww.python.org - 使用しているOSに合ったインストーラーをダウンロードする
- インストール時に「Add Python to PATH」にチェックを入れる
- インストール後、コマンドでバージョンを確認する
python --versionバージョンが表示されれば、Pythonのインストールは完了です。
仮想環境を作成する理由
仮想環境とは、プロジェクトごとに独立したPython環境を作る仕組みです。
仮想環境を使うことで、あるプロジェクトで使うパッケージやバージョンが、別のプロジェクトに影響しないようにできます。
| 仮想環境を使わない場合 | 仮想環境を使う場合 |
|---|---|
| すべてのプロジェクトで同じパッケージを共有する | プロジェクトごとにパッケージを分けられる |
| バージョンの競合が起きやすい | 依存関係を管理しやすい |
| 環境の再現が難しい | 同じ環境を再現しやすい |
venvで仮想環境を作成する
Pythonには、標準でvenvという仮想環境作成ツールが用意されています。
仮想環境の作成
python -m venv myenvこのコマンドを実行すると、myenvという名前の仮想環境が作成されます。
仮想環境の有効化
作成した仮想環境は、有効化してから使用します。
# Windowsの場合
myenv\Scripts\activate
# macOS / Linuxの場合
source myenv/bin/activate
有効化すると、コマンドラインに仮想環境名が表示されます。
仮想環境の無効化
作業を終了する場合は、次のコマンドで仮想環境を無効化します。
deactivatepipによるパッケージ管理
pipは、Pythonのパッケージをインストール・管理するための標準的なツールです。
パッケージをインストールする
例えば、機械学習ライブラリのscikit-learnをインストールするには、次のように入力します。
pip install scikit-learnインストール済みパッケージを確認する
pip listこのコマンドで、現在の環境にインストールされているパッケージとバージョンを確認できます。
requirements.txtで環境を再現する
プロジェクトで使用しているパッケージを記録しておくと、別のPCやサーバーでも同じ環境を再現しやすくなります。
requirements.txtを作成する
pip freeze > requirements.txtこのコマンドで、現在の環境にインストールされているパッケージ一覧をrequirements.txtに保存できます。
requirements.txtから一括インストールする
pip install -r requirements.txtこのコマンドを実行すると、requirements.txtに記載されたパッケージをまとめてインストールできます。
Anacondaを使った環境構築
Anacondaは、データ分析や機械学習向けのPython環境をまとめて管理できるツールです。
Python本体に加えて、よく使われるデータ分析ライブラリや環境管理ツールが含まれており、初心者にも扱いやすい点が特徴です。
Anacondaの特徴
- データ分析向けライブラリがまとめて利用できる
condaで環境管理ができる- Jupyter Notebookを使いやすい
- 科学技術計算や機械学習の学習環境を整えやすい
condaで環境を作成する
conda create --name myenv python=3.11conda環境を有効化する
conda activate myenvcondaでパッケージをインストールする
conda install numpy pandas scikit-learnvenvとAnacondaの使い分け
| 方法 | 向いている用途 |
|---|---|
| venv + pip | 軽量なPython環境を作りたい場合 |
| Anaconda | データ分析や機械学習をまとめて始めたい場合 |
| conda | Python以外の依存関係も含めて管理したい場合 |
通常のPython開発ではvenvとpipで十分な場合が多く、データ分析や機械学習を手早く始めたい場合はAnacondaも便利です。
Python環境管理の注意点
- プロジェクトごとに仮想環境を分ける
- 必要なパッケージだけをインストールする
requirements.txtを保存しておく- Pythonやライブラリのバージョンを記録する
- 同じ環境を再現できるようにしておく
まとめ
Python環境の構築と管理は、機械学習プロジェクトを安定して進めるために重要です。
仮想環境を使うことで、プロジェクトごとにパッケージやバージョンを分けて管理できます。また、requirements.txtを利用すれば、別の環境でも同じパッケージ構成を再現しやすくなります。
軽量に管理したい場合はvenvとpip、データ分析や機械学習をまとめて始めたい場合はAnacondaを利用するとよいでしょう。