pythonで実行環境を整備するための最初の一歩：初心者向け

◆ Live配信スケジュール ◆
サイオステクノロジーでは、Microsoft MVPの武井による「わかりみの深いシリーズ」など、定期的なLive配信を行っています。
⇒ 詳細スケジュールはこちらから
⇒ 見逃してしまった方はYoutubeチャンネルをご覧ください

【5/21開催】Azure OpenAI ServiceによるRAG実装ガイドを公開しました
生成AIを活用したユースケースで最も一番熱いと言われているRAGの実装ガイドを公開しました。そのガイドの紹介をおこなうイベントです!!
https://tech-lab.connpass.com/event/315703/

フロントエンドエンジニアがバックエンドの知識を手に入れるまでの軌跡シリーズ。Pythonの実行環境をセットアップする方法についてさくっとまとめておきました。Pythonの実行環境を整える方法はたくさんあって一長一短です。プログラミングを始める人の第一関門でもあるのでぜひ最初に読んでほしいです。

どもども！こんにちは、今年も半分進んでフロントエンドエンジニアのキャリアが一年たった龍ちゃんです。フロントエンドの動きは流動的で流れを追うのも一苦労だなっと思いながら、今年の目標を達成するために勉強中です。ちなみに今年の目標が「フロントエンドエンジニアとしての自立・バックエンドエンジニアとしての成長」となっています。もう一個は情報発信とかなので、まさにブログですね。一人前になるために日々邁進中（時々休憩）です。

さて、今回は「フロントエンドエンジニアがバックエンドに挨拶シリーズ」になります。これから始めるシリーズです。無事案件も終了に近づいているのでぬるりと新しいお勉強を開始しています。学生時代に少しPythonを触っていたので、PythonでAPIを作ろうと思いまして始めてきました。ここで私が思ったこと「Pythonの環境構築むずくね？」です。いやぁ～実際は簡単なんですよ。ポチポチしてれば出来上がるので、パスを自力で通したりなどしていた時代が懐かしいぐらいには簡単になっていてびっくりしました。ただ、構築の方法が多岐にわたり、用途によって使い分けるという観点も入ってきて混乱するのでここらでまとめようと思います。

それでは本編です。

1 Pythonの実行環境と特徴
2 終わりに

Pythonの実行環境と特徴

さくっと図にまとめてみました。大まかに分岐が3パターンあります。

文法勉強やライトな処理：ローカルにPythonをインストール
機械学習・AI：Google Colab・Jupyter Notebook or Anaconda
NEXT Step：DockerでPython構築

準にまとめていこうと思います。

ローカルにPythonをインストール

これは、Pythonの公式に行ってダウンロードして実行をするだけです。ローカルにPythonが入るので、標準ライブラリしか使わない場合などはとても重宝します。ライブラリのインストールをする際だけネットが必要になります。というかコーディングするときは基本的にネットがないと使えない子になるので、ネットは必須です。

ローカルに入れたら「venv」で仮想環境を作ることをお勧めします。先ほどにライブラリのインストールの話がありましたが、検証環境ごとにライブラリを出し入れすると面倒な事態がたまにあります（依存関係によって動かないなどなど）。そういった問題を解消する方法が、仮想環境です。仮想環境の中で、Pythonのバージョンやライブラリの管理を行うことができます。初心者の人は脳死で仮想環境を作成しましょう。勉強を進めていって早ければ半年で、ゆっくりだと一年で意味が分かると思います。インストールの手順についてはこちらを参考にしてください。

機械学習やAIをやりたいならこれ：Google Colab or Jupyter Notebook

こちらは、「データサイエンティスト向け」の環境になります。例えばデータを表示したいや成型したいなどの要望もこちらを使うことが吉だと思います。二つ上げていますが、とりあえず初心者の方は「Google Colaboratory」を強くお勧めします。こちらは、Googleのアカウントを持ってさえいればオンラインで実行環境が手に入ります。しかも無料でGoogleのGPUを使うことができるので、もりもりスペックのPCを持っていなくても機械学習のさわりを体験することができます。まぁPythonの基本構文も理解せずに機械学習を勉強する人なんていないですよね～（4年前の自分）。しっかりと基本構文ぐらいは抑えておきましょう。

そして、ある程度使えるようになったら「Jupyter Notebook」や「Anaconda」に移行していきましょう。この二つを同列に置いておくと怒られてしまいそうですが、前述が統合開発環境：IDEで後述がええ感じに開発環境を用意してくれるよくわからん奴です。ただ、Anacondaのインストールさえしておけば、機械学習やデータ表現に必要なライブラリが一発でそろうので、ええやつなのは間違いありません。でもなんのこっちゃだと思うのでGoogle Colabで入門しておきましょう。

ちょっと進んだことをやっていきたい：DockerでPython構築

さて、一番の難関です。DockerでPython構築するメリットは仮想環境で作ることと同義です。ただ、こちらはPythonだけでなくデータベースなどをあわせて使いたいときに有効です。これを一から勉強するとなるとカロリーが高いので、根気よく付き合っていきましょう。ただ、ネットに落ちている記事をそのまま採用しようとすると、多くの場合でうまくいかなかったりするので参考記事は載せません。

初心者の方は、Pythonが書けるようになってからネクストネクストネクストステップあたりでよいと思います。

ただ、入門したい人のためにアドバイスを置いておきます。3つぐらい記事を比較して、共通部分を探すということと困ったときは公式のリファレンスとStack Over Flowを読みましょう。それか近くのエンジニアに質問してください。一人で戦うと5時間ぐらい溶けます。詳しい人を用意するのが一番の近道です。