Pular para conteúdo

SLTINTA - Ementa - Plano de Aula

Ambiente Virtual - Virtual Environment

Um Virtual Environment (Ambiente Virtual) é uma ferramenta que permite a criação de um espaço isolado para o desenvolvimento de projetos em Python, sendo uma prática fortemente recomendada na área de desenvolvimento de software e ciência de dados.

Propósito Principal

O objetivo central é permitir que você trabalhe em diferentes projetos na mesma máquina sem que as versões das bibliotecas entrem em conflito. Por exemplo, um projeto industrial pode exigir uma versão específica do TensorFlow que é incompatível com a versão necessária para outro estudo; o ambiente virtual resolve isso isolando as dependências de cada um.

Funcionamento

  • Isolamento: Quando um ambiente virtual está ativo, qualquer pacote instalado via pip será instalado apenas dentro daquela pasta específica.
  • Acesso Restrito: O interpretador Python passará a ter acesso apenas às bibliotecas contidas naquele ambiente, ignorando os pacotes instalados globalmente no sistema (a menos que seja configurado de outra forma).
  • Ciclo de Uso: Geralmente, o usuário cria o ambiente, ativa-o (usando comandos como source env/bin/activate no Linux/macOS ou .\env\Scripts\activate no Windows) para trabalhar e, ao terminar, utiliza o comando deactivate para sair.

Ferramentas Comuns

  • virtualenv: Uma das ferramentas mais tradicionais para criar esses ambientes isolados.
  • Anaconda (Conda): Outra alternativa popular que permite criar ambientes com versões específicas do Python (ex: conda create -n meu_projeto python=3.5) e gerenciar dependências de forma robusta.

Alternativas em Nuvem

Plataformas como o Google Colab funcionam como ambientes virtuais baseados na nuvem. Elas eliminam a necessidade de instalação e configuração local, já vindo com as principais bibliotecas de aprendizado de máquina (como Pandas, NumPy e TensorFlow) pré-instaladas, garantindo que diferentes usuários obtenham os mesmos resultados ao executar o código.

Usando um ambiente virtual

1) Criando o ambiente virtual

python3 -m venv venv_sltinta

2) Carregando o ambiente virtual

# GNU/Linux (Debian)
source venv_sltinta/bin/activate

# Windows (PowerShell)
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process

.\venv_sltinta\Scripts\activate

3.0) Instalando bibliotecas básicas

pip install pandas numpy matplotlib seaborn

3.1) Listando bibliotecas (requisitos) instaladas

pip freeze

3.1.1) Listando e salvando bibliotecas (requisitos) instaladas 

pip freeze > requirements.txt
Obs: Executar após todos os requisitos do projeto estarem instalados ou sempre que um novo requisito for instalado.

3.1.2) Instalando requisitos de arquivo

pip install -r requirements.txt

3.2) Instalando kernel para Jupyter 

pip install ipykernel

4) Adicionando o ambiente virtual à lista de kernels

python3 -m ipykernel install --user --name=venv_sltinta

4.1) Excluindo o ambiente virtual da lista de kernels

jupyter-kernelspec uninstall venv_sltinta

5) Executando Jupyter notebook

Apenas se estiver instalado no computador. 

jupyter-lab
# ou
jupyter-notebook