【徹底解説】Mac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」
09:03 Dockerを使わない環境構築「Visual Studio Codeの設定方法」
10:22 Dockerを使わない環境構築「Pythonの拡張機能のインストール」
10:42 Dockerを使わない環境構築「anacondaのインストール方法」
12:06 Dockerを使わない環境構築「VSCodeでプログラムの実行」
13:29 Dockerを使わない環境構築「JupyterLabでプログラムの実行」
14:41 Dockerを使った環境構築「Dockerのインストール方法」
15:55 Dockerを使った環境構築「Gitのインストール方法」
17:10 Dockerを使った環境構築「コンテナ作成」
19:21 Dockerを使った環境構築「JupyterLabでプログラムの実行」
21:07 Dockerを使った環境構築「Dockerをスタート方法と終了方法」
21:29 Dockerを使った環境構築「VSCodeでプログラムの実行」
24:02 GoogleColaboratoryの使い方
24:59 おわりに

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

Gitのインストーラ
https://sourceforge.net/projects/git-osx-installer/

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
こんにちは。キノコードです。
この動画では、mac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を使って環境構築する方法は、あなたのOSにDockerをインストールして、そのDokcerにPythonなどプログラミングに必要なもの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、Dockerを使わない環境構築の方が手順が少なく、簡単です。
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、他のプログラミング言語の勉強のためなどで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。
一方、Dockerを使った方法は、設定がやや難しいです。しかし、Dockerを使うと、バーチャル上で使える新しいパソコンに設定を進めていくことになるので、手順通りやればうまくいく可能性が高いです。また、うまくいかなかったときにやりなおすときも簡単です。
個人的なおすすめとしては。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、Dockerを使わない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（グーグルコラボラトリー）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お金がかかることがありません。
ちなみに、GoogleColaboratoryは、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。
したがって、Dockerを使わない環境構築やDockerを使った環境構築はローカルでプログラミングを実行します。GoogleColaboratoryはクラウド上でプログラミングを実行します。つまり、あなたのパソコンの性能は関係なく、GoogleColaboratoryの性能は通常のノートパソコンより高いです。
もう1点補足をすると、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。
つまり、プログラミング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、GoogleColaboratory、Dockerを使わない方法、Dockerを使う方法の3つのプログラミングをする環境ですが、おすすめはどれでしょうか？
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。
GoogleColaboratoryは、URLにアクセスするだけでプログラミングを始められるからです。また、Dockerを使う方法が難しいのは、Dockerの知識が必要になってくるからです。
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込むことができません。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手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、JupyterLabは、Webアプリケーション開発にも向いていません。つまり、JupyterLabしか使えないGoogleColaboratorは、Webアプリケーション開発に向いていません。
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、環境を簡単に会社でも使いたい、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、GoogleColaboratory以外の、Dockerを使わない方法、Dockerを使う方法では、VisualStudioCodeとJupyterLabの2つの実行環境を紹介します。
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。
自動化のプログラムを組みたい場合は、JupyterLabで実行結果を確認しつつ、プログラムが完成したらVisualStudioCodeでpythonファイルにするという方法があります。
初心者の方へのおすすめとしては、まずはJupyterLabでプログラミングを覚えて、慣れてきたらVSCodeでやられるとよいでしょう。
さて、前置きが長くなりましたが、早速、本編にいってみましょう。