Los paquetes que se utilizarán de Python son NumPy, SciPy y Matplotlib. Estas intrucciones hacen exactamente ello, con el agregado de instalar Jupyter para escribir los códigos y visualizar resultados.
Jupyter es una aplicación web que permite un rápido análisis exploratorio de ideas y prototipos de métodos numéricos. Esta herramienta facilita la colaboración y la reproducción de trabajos científicos, así como también la comunicación de conceptos académicos que involucran descripciones matemáticas y código computacional.
En la Cátedra de Métodos Potenciales, usaremos esta plataforma para evaluar algoritmos; procesar dato gravimétrico y magnético; visualizar y analizar resultados.
Estos pasos instalan los paquetes como usuario. Para ello no es necesario tener permisos de Administrador (root). Sin embargo, se supone que el Administrador ya instaló algunas de las siguientes dependencias:
#> apt-get install python-dev
#> apt-get install python3-distutils
#> apt-get install python3-distutils-extra
Notemos que “#>” simboliza que los comandos son ejecutados por el Administrador.
$> wget https://bootstrap.pypa.io/get-pip.py
$> python3 get-pip.py --user
$> python3 -m pip install --user numpy scipy matplotlib
$> python3 -m pip install --user jupyter ipykernel
Notemos que “$>” simboliza que los comandos son ejecutados por el usuario. En algunos sistemas puede ser necesario ser explícito con la versión de Python. A modo de ejemplo, reemplazando python3
por python3.5
, python3.9
, etc., en las líneas anteriores. También puede ser necesario descargar una versión específica del script get-pip.sh
, por ejemplo https://bootstrap.pypa.io/pip/3.5/get-pip.py.
Abrir el archivo de texto plano .bashrc
con un editor de texto, luego escribir:
PATH="$PATH:/home/usuario/.local/bin"
Notar que usuario
hace referencia al nombre del usuario de GNU/Linux. El archivo .bashrc
se encuentra por lo general en /home/usuario/ .
$> python3 -m pip install --user jupyter_contrib_nbextensions
$> jupyter contrib nbextension install --user
Entre las extensiones, podemos utilizar code folding. Esta extensión permite simplificar la lectura de una notebook colapsando celdas.
Para instalar y activar el uso de widgets, seguir los pasos indicados en
https://ipywidgets.readthedocs.io/en/latest/user_install.html
Los comandos para la instalación y activación pueden ser similares a:
$> pip install ipywidgets
$> jupyter nbextension enable --py widgetsnbextension
Estos pasos instalan los paquetes como usuario. Para ello no es necesario tener permisos de Administrador
Instalar miniconda:
https://docs.conda.io/en/latest/miniconda.html
Ver si el OS Windows es 32 bits o 64 bits para elegir el paquete apropiado.
Abrir el miniconda prompt y escribir lo siguiente:
conda> conda install numpy scipy matplotlib
conda> conda install jupyter
Opcional:
conda> conda install -c conda-forge jupyter_contrib_nbextensions
Notemos que “conda>” simboliza que los comandos son ejecutados en la terminal de Miniconda o Conda.
En algunas PCs es necesario crear un archivo .condarc
y alojarlo en C:/Users/…, donde está el usuario que quiere hacer instalación de paquetes. El archivo .condarc
debe decir
ssl_verify: false
Si se quiere usar más de un núcleo en el proceso de instalación, escribir además
default_threads: 4
Opcional:
Instalar nbdime para versionamiento con git:
https://nbdime.readthedocs.io/en/latest/index.html#
conda> conda install nbdime -c conda-forge
conda> conda install nodejs
conda> nbdime extensions --enable
En todos los casos al correr jupyter (ya sea haciendo click en el icono en Windows) o por terminal (miniconda, GNU/Linux o Termux):
$> jupyter notebook
Deben abrir un buscador web y pegar la URL que figura por pantalla.
Para cerrar Jupyter, en la terminal donde está corriendo el proceso jupyter deben hacer ctrl + c
dos veces.
Esta es la forma más rápida y seductora de utilizar Python en un entorno Jupyter. No requiere de instalación alguna.
Para utilizar este recurso, alcanza con tener una cuenta de email de Google, y hacer click aquí.
Las notebooks y datos de las prácticas pueden guardarlos en un directorio en Google Drive y acceder a ellas haciendo click y abriendo con la opción “Colab”. Otra forma es cortar y pegar el código directamente sobre una nueva notebook en Colab.
Una forma de alternativa subir dato para leer y procesar, consiste en escribir en una celda de la notebook las siguientes intrucciones:
from google.colab import files
files.upload()
Un editor de texto cómodo y sencillo para trabajar es Atom. Para agregar funcionalidad, una vez instalado el editor:
cmd> apm config set strict-ssl false
cmd> apm install text-align pandoc-convert
cmd> apm install language-latex
cmd> apm install language-markdown
cmd> apm install language-julia latex-completions
El gestor de paquetes de atom apm
puede ejecutarse también desde la aplicación. La primer linea es para pasar por alto el SSL del sistema operativo e instalar sin barreras. El resto de las líneas instalan modos para alinear texto, convertir a otros formatos (pandoc-convert
), y modos para \(\LaTeX\) y Markdown. La última linea es para quien desee programar en lenguaje Julia.
Aquí “cmd>” es la terminal de comandos para aquellos que instalaron en Windows.
Algunos atajos (shortcuts) para ahorrar tiempo:
Justificar texto: alt + ctrl + j
Vista previa del markdown: ctrl + shift + m
Convertir markdown (.md) a HTML (.html): ctrl + shift + p
y buscar convert HTML
Instalar Julia.
Desde la terminal de Julia instalar IJulia:
julia> using Pkg
julia> Pkg.add("IJulia")
Abrir Jupyter y el kernel de Julia debería aparecer entre las opciones
Usar multi-threading:
julia> using IJulia
julia> installkernel("Julia (multi-thread)",env=Dict("JULIA_NUM_THREADS"=>"12"))
Nota: En pantalla aparece el lugar donde queda el directorio con los kernels. Esto puede usarse para futuras ediciones de kernel.json
o para remover kernels obsoletos.