Introduction à l'utilisation de la SciPy Stack

Accès rapide :
Qu'est-ce que la SciPy Stack ?
Comment installer la SciPy Stack ?
Installer les librairies directement dans votre environnement Python
Installer les librairies dans un environnement virtuel
Installer anaconda
Démarrer Jupyter Lab

Qu'est-ce que la SciPy Stack ?

La SciPy Stack est un ensemble d'outils open source pour les scientifiques et les ingénieurs travaillant en Python. Elle fournit une sélection de bibliothèques pour effectuer des tâches courantes en science des données, en mathématiques, en statistiques et en visualisation. La SciPy Stack se compose principalement des librairies suivantes :

• Matplotlib : une librairie de visualisation de données pour Python, qui permet de créer des graphiques statiques, animés et interactifs. Elle offre une grande variété de types de graphiques, tels que les courbes, les nuages de points, les graphes en barres, les histogrammes, ... Il est à notez que les graphiques peuvent être en 2D ou en 3D.


• NumPy: une librairie pour gérer les tableaux multidimensionnels et les opérations mathématiques de base. NumPy fournit un support pour les tableaux à n dimensions, la génération de nombres aléatoires, les fonctions de base pour les opérations d'algèbre linéaire, ...


• SciPy : une librairie pour les calculs scientifiques et techniques en Python. Elle fournit des modules pour l'optimisation, l'intégration, l'interpolation, la transformée de Fourier, le traitement du signal et de l'image, les statistiques et d'autres tâches scientifiques courantes.


• Pandas : une librairie pour la manipulation et l'analyse des données en Python. Elle introduit des structures de données flexibles et puissantes telles que les DataFrame et les Series, permettant de manipuler facilement des données structurées et non structurées.


• SymPy : une librairie de calcul symbolique pour Python. Elle permet d'effectuer des calculs algébriques, des simplifications, des équations différentielles, de la mécanique quantique et d'autres opérations symboliques.


• IPython : une librairie interactif amélioré pour Python qui offre des fonctionnalités avancées, telles que l'autocomplétion, la coloration syntaxique, l'introspection des objets et la possibilité d'exécuter du code en parallèle.

Ces librairies sont largement utilisées dans la communauté scientifique et de la recherche pour traiter et analyser des données, résoudre des problèmes mathématiques et créer des visualisations. En utilisant la SciPy Stack, vous pouvez accéder à un écosystème riche et en constante évolution pour mener à bien vos projets scientifiques et techniques.

Comment installer la SciPy Stack ?

Je vous propose trois manières différentes de travailler : installer les librairies directement dans votre environnement Python, installer les librairies dans un environnement virtuel ou installer Anaconda. Reprennons une à une, chacune de ses possibilités.

Installer les librairies directement dans votre environnement Python

Il est possible de directement installer les librairies requises dans votre environnement Python, via l'outil pip (Python Install Package).

$> pip install scipy pandas matplotlib jupyterlab

Néanmoins, Installer la SciPy Stack directement dans votre interpréteur Python global à l'aide de pip présente certains inconvénients qui pourraient causer des problèmes à long terme. Voici quelques raisons pour lesquelles il est généralement déconseillé d'installer des bibliothèques directement dans l'interpréteur Python global :

• Problème de droits : en fonction de où est installé votre environnement Python et des restrictions de sécurité en vigueur sur votre machine, vous pouvez recontrer des problèmes de sécurité vous empéchant de procéder à l'installation des logiciels requis.

• Conflits de dépendances : différents projets peuvent nécessiter des versions spécifiques des bibliothèques de la SciPy Stack ou d'autres dépendances. Installer directement dans l'interpréteur global peut entraîner des conflits de versions entre les projets, car ils partageront tous le même environnement.

• Problèmes de compatibilité : les mises à jour de certaines bibliothèques de la SciPy Stack peuvent introduire des modifications qui ne sont pas retro-compatibles avec le code existant (rupture de compatibilité). Si vous installez ces bibliothèques directement dans l'interpréteur Python global, pour un projet donnée, vous risquez de rencontrer des problèmes de compatibilité avec les autres projets.

• Difficulté à reproduire l'environnement : lorsque vous travaillez sur plusieurs projets ou partagez du code avec d'autres personnes, il est important de pouvoir reproduire l'environnement de travail. Installer des bibliothèques directement dans l'interpréteur global rend cela plus difficile, car il peut y avoir des variations dans les versions des bibliothèques installées sur différentes machines.

Pour solutionner tous ces problèmes, vous pouvez opter pour l'utilisation d'un environnement virtuel !

Installer les librairies dans un environnement virtuel

Un environnement virtuel permet d'installer et gérer les librairies et leurs dépendances individuellement, pour chaque projet. Les environnements virtuels vous permettent de créer des espaces de travail isolés pour chaque projet, ce qui évite les conflits de dépendances et facilite la reproduction de l'environnement de travail (commande pip freeze).

$> cd ProjectFolder
$> python -m venv venv          # Création d'un environnement virtuel, dans le projet, nommé venv
$> . venv/bin/activate          # Activation de l'environnement virtuel sous Linux (a ne pas oublier)
(venv) $> pip install scipy pandas matplotlib jupyterlab

Installer anaconda

Anaconda est une distribution Python gratuite et open source qui simplifie l'installation et la gestion des paquets pour les utilisateurs de Python. Anaconda inclut la plupart des bibliothèques de la SciPy Stack par défaut, ainsi que d'autres bibliothèques utiles pour la science des données et le calcul scientifique. Vous pouvez télécharger et installer Anaconda à partir de son site Web officiel : https://www.anaconda.com/products/distribution

Démarrer Jupyter Lab

JupyterLab est une interface utilisateur Web interactive et extensible pour travailler avec des documents et des activités, tels que les Jupyter Notebooks, les éditeurs de texte, les terminaux et les composants de visualisation de données personnalisés. JupyterLab est développé par Project Jupyter, la même organisation qui a créé les Jupyter Notebooks.

JupyterLab offre un certain nombre de fonctionnalités clés :

• Interface utilisateur moderne et flexible : JupyterLab dispose d'une interface utilisateur moderne basée sur des panneaux et des onglets, ce qui permet de disposer plusieurs documents et activités côte à côte pour faciliter le travail sur plusieurs tâches en même temps.


• Prise en charge des notebooks Jupyter : JupyterLab prend en charge les notebooks Jupyter, qui sont des documents interactifs contenant du code, du texte, des formules mathématiques, des visualisations et des éléments multimédia. Les notebooks Jupyter facilitent l'exploration, la visualisation et la collaboration sur des projets de science des données, d'apprentissage automatique et de calcul scientifique.


• Éditeur de texte et terminal intégrés : JupyterLab comprend un éditeur de texte et un terminal intégrés qui permettent de travailler avec des fichiers de code et d'exécuter des commandes directement à partir de l'interface utilisateur de JupyterLab.


• Extensibilité : JupyterLab est conçu pour être extensible, ce qui signifie que vous pouvez ajouter des extensions pour personnaliser et améliorer l'environnement de travail. Il existe de nombreuses extensions disponibles pour ajouter de nouvelles fonctionnalités, telles que des outils de débogage, des intégrations avec des services cloud et des visualisations de données interactives.


• Intégration avec d'autres bibliothèques et outils : JupyterLab s'intègre bien avec les bibliothèques de la SciPy Stack, telles que NumPy, SciPy, Pandas, Matplotlib et SymPy. Cela permet d'exploiter les fonctionnalités de ces bibliothèques directement dans les notebooks Jupyter pour analyser des données, créer des visualisations et résoudre des problèmes mathématiques.

Une fois installé, vous pouvez lancer JupyterLab en exécutant la commande suivante dans votre terminal ou invite de commande:

(venv) $> jupyter lab

Cela ouvrira une fenêtre de navigateur avec l'interface utilisateur de JupyterLab, où vous pourrez commencer à créer et à travailler avec des Jupyter notebooks, des fichiers de code et d'autres documents.