【徹底解説】Windowsでの環境構築｜Pythonでプログラミングをはじめる準備をしよう！

キノコードで紹介してきたさまざまな環境構築を1本にまとめました。
環境構築がうまくいかなかった時の代替え案についても説明をしています。

▼目次
00:00 はじめに
07:49 Dockerを使わない環境構築「環境構築に必要なもの」
09:04 Dockerを使わない環境構築「anacondaのインストール方法」
15:09 Dockerを使わない環境構築「Visual Studio Codeの設定方法」
16:33 Dockerを使わない環境構築「Pythonの拡張機能のインストール」
17:24 Dockerを使わない環境構築「VSCodeでプログラムの実行」
18:51 Dockerを使わない環境構築「JupyterLabでプログラムの実行」
20:02 Dockerを使った環境構築「Dockerのインストール方法」
25:48 Dockerを使った環境構築「Gitのインストール方法」
26:44 Dockerを使った環境構築「コンテナ作成」
29:18 Dockerを使った環境構築「JupyterLabでプログラムの実行」
31:13 Dockerを使った環境構築「Dockerをスタート方法と終了方法」
31:43 Dockerを使った環境構築「VSCodeでプログラムの実行」
34:48 GoogleColaboratoryの使い方
35:46 おわりに

▼参考URL & コマンド（ブログ再開まで）
・Linux 用 Windows サブシステムを有効にする
「dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

・パワーシェル再起動
「dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart」

・Linux カーネル更新プログラムパッケージ
https://docs.microsoft.com/ja-jp/windows/wsl/install-win10

・CPUとメモリの割り当て
memory=2GB
processors=2

Dockerのインストール
https://www.docker.com/get-started

Gitのインストーラ
https://gitforwindows.org/

JupyterLabをローカルで開く
http://localhost:8888/lab

GoogleColaboratory
https://colab.research.google.com/notebooks/intro.ipynb#recent=true

▼動画内で紹介した動画 & おすすめ動画
たった1分でPythonのプログラミングを始める｜GoogleColaboratoryの使い方

理屈はさておき、Dockerを使って、あっという間にPythonのデータ分析の環境構築をする｜WindowsとMacの説明あり

【Python超入門コース】03.環境構築 for Mac｜プログラミングをする準備をしよう！【プログラミング初心者向け入門講座】

【Python超入門コース】03.環境構築 for Windows｜プログラミングをする準備をしよう！【プログラミング初心者向け入門講座】

▼SNS
Twitter : https://twitter.com/kino_code/likes
Facebook : https://www.facebook.com/%E3%82%AD%E3%83%8E%E3%82%B3%E3%83%BC%E3%83%89-105693727500005/
Website : https://kino-code.com/

▼文字書き起こし
この動画では、WindowsにおけるPythonの環境構築についてご説明します。
環境構築とは、プログラムを書いたり、実行できたりする環境を自分のコンピュータに整えることをいいます。
この環境構築でプログラミングを挫折してしまう方もいらっしゃいます。
そこで、この動画では、はじめから丁寧に解説していきたいと思います。
紹介する環境構築の方法は3つです。
1つめは、あなたのパソコンのOSに直接Pythonなどをインストールをして環境構築する方法です。
これがスタンダードな方法です。この動画ではDockerを使わない環境構築と呼びます。
このDockerを使わない環境構築のポイントは、あなたのOSにインストールするという点です。
ちなみに、あなたのパソコンに環境構築することを、ローカル環境構築といいます。
ローカルとは、あなたの手元にあるパソコンのことです。ローカルの対義語は、リモートです。つまり、あなたの手元ではなく、リモート接続先のクラウドやレンタルサーバーをイメージされるとよいでしょう。
2つめは、Dockerというツールを使って環境構築する方法です。
この方法もローカル環境構築です。
DockerはあなたのOSにDockerをインストールして、そのDokcerにPythonなどをインストールする方法です。
Dockerは誤解を恐れずにいうと、バーチャル上で使える、新しいパソコンを無料で手に入れられるツールです。
Dockerはバーチャルなものなので、環境構築が上手くいかなくなった時は捨ててやり直せばよいですし、必要なくなった時にいつでも捨てることができるというメリットがあります。
ただし、スタンダードな環境構築の方が手順が少なく、簡単です。
“ですが、うまくいかなく2度目をやる時や、あなたのパソコンの設定を変えている場合は、それとの兼ね合いでやり直すとそこでうまくいかなくなる可能性があります。
ですが、インストールがうまくいかなくてやり直す場合や、パソコンの設定を変えてしまっている場合などは、うまくいかない可能性もあります。”
Dockerを使った方法は、やや難しいです。だけど、Dockerの中身はまっさらな状態なので、手順通りやればうまくいく可能性が高いです。2度目をやりなおすときも簡単です。
個人的なおすすめとしては、まずはDockerを使って環境構築する方法です。
それがうまくいかなかった場合に、スタンダードな環境構築を試されるとよいでしょう。
3つめに紹介するのはGoogleColaboratoryです。
「環境構築が面倒だ！今すぐプログラミングをはじめてみたい！」という方におすすめしたい方法です。
GoogleColaboratoryは、厳密には環境構築ではありませんが、プログラミングを始める準備という意味では共通なのでこの動画で紹介します。
GoogleColaboratoryは、環境構築が不要で1分以内でPythonのプログラミングをすることができます。
また、無料のクラウドツールなので、すぐにプログラミングを始められます。
ちなみに、GoogleColaboratoryは、そもそも環境構築ではありませんし、クラウドなのでローカル環境ではありません。
なので、スタンダードな環境構築やDockerを使った環境構築はローカル。GoogleColaboratoryはクラウドという整理になります。ができます。
ちなみにちなみに、環境構築をしてプログラミングをできる環境のことを実行環境といいます。
プログラミングをができる準備のことを環境構築。プログラミングを実行できる環境のことを実行環境といいます。
こちらの単語も覚えておきましょう。
さて、今まで紹介をしたプログラミングの実行環境ですが、どのような違いがあるのでしょうか？
プログラミングの目的別に解説してみたいと思います。
まず、難易度についてです。
プログラミングを始めるという意味では、簡単な順番は、GoogleColaboratory、Dockerを使わない方法、Dockerを使う方法です。
とはいえ、おすすめの方法という意味では、使用用途にあわせて変わってきます。
プログラミング学習をする、データ分析をする、Googleドライブにアップしたファイルを使ってExcelやGoogleスプレッドシートのデータの集計の半自動化するというのであれば、GoogleColaboratoryでよいです。
ただし、GoogleColaboratoryはローカルのファイルを読みにいくことができません。したがって、ローカルにファイルがある場合は、Googleドライブにファイルを自動でアップロードしなければなりません。したがって、仕事などの完全自動化は難しいです。
また、pyファイルにすることができないので、Webアプリケーション開発にも向いていません。
したがって、仕事の半自動化ではなく完全自動化をしたい場合、Webアプリケーション開発をしたい場合は、Dockerを使う環境構築か、Dockerを使わない環境構築がよいです。
さらには、他の言語も勉強したいので設定まわりは変にいじりたくない、環境を簡単に持ち運びたい、エンジニアを目指したいという場合は、Dockerを使う環境構築をおすすめします。これを機会にDockerを使えるようになってもよいでしょう。
また、実行環境は２つ紹介をします。VisualStudioCodeとJupyterLabです。
VisualStudioCodeはプログラムを書くためのエディタです。完全自動化やWebアプリ開発など、pyファイルを使用する場合はこちらがおすすめです。
一方、JupyterLabは対話型と呼ばれる実行環境です。書いたコードを対話をするように細かく実行確認をしながら進めることができます。
なので、Pythonの学習やデータ分析にはJupyterLabが向いていると言えます。
それでは本編にいってみましょう。
(続きはブログで)