Saltar a contenido

🛠️ Configuración del entorno de desarrollo local

Desarrollo proyectos de ciencia de datos en Python en Linux OS o MAC OS. (Para Windows OS recomiendo WSL y ejecutar los comandos como en Linux OS).

Configuro mi entorno de desarrollo local siguiendo los siguientes pasos:

💻 Configuración del computador para desarrollar con Python

  1. Instalar Git
    • Linux: sudo apt-get install git
    • MAC: brew install git
  2. Instalar Make
    • Linux: sudo apt-get install make
    • MAC: brew install make

  3. Instalar localmente UV para gestionar versiones de Python, dependencias y entornos virtuales.

    • Linux:

      Instalar uv en Linux o MACOS
      curl -LsSf https://astral.sh/uv/install.sh | sh
      • Verificar la versión de instalación ejecutando en terminal: uv version

  4. Instalar Python usando UV, actualmente estoy usando Python 3.11

    • uv python install 3.11 # Instalar Python 3.11 en el computador

  5. En la carpeta del proyecto, establecer la versión de Python y crear un entorno virtual.

  6. Si el proyecto tiene archivo uv.lock
    • uv sync # Crear Entorno Virtual e instalar dependencias.
    • source .venv/bin/activate # Activar Entorno 2.
    • uv venv --python 3.11 # Crear un entorno virtual de Python 3.11
    • source .venv/bin/activate # Activar el entorno virtual de Python 3.11
    • Verificar la versión de instalación ejecutando en terminal: python --version

Nota: Para desactivar el entorno virtual en terminal escribe: deactivate

🐍 Herramientas generales de Python

Herramientas generales que uso para desarrollar proyectos en Python. La más importante es UV para gestionar versiones de Python, entornos virtuales, gestionar dependencias para los proyectos y tener herramientas en entornos aislados, porque las aplicaciones se ejecutan en su propio entorno virtual para evitar conflictos de dependencias y están disponibles en todas partes.

UV Highlights

  1. Cruft te permite mantener todo el código repetitivo necesario para empaquetar y construir proyectos separado del código que escribes intencionalmente. Totalmente compatible con plantillas existentes de Cookiecutter.
    • uv tool install cruft
  2. (opcional) Pip-audit para verificar localmente la seguridad de las dependencias del proyecto.
    • uv tool install pip-audit
  3. (opcional) Actionlint para verificar la sintaxis de los archivos de configuración de GitHub Actions del proyecto.
    • uv tool install actionlint

Nota: UV reemplaza herramientas como Pyenv, Poetry y otras para gestionar las versiones de Python, entornos y dependencias.

📁 Iniciar un nuevo proyecto de ciencia de datos

  1. Iniciar un nuevo proyecto usando Cruft con la Data Science Project Template.

    crear proyecto
    cruft create https://github.com/JoseRZapata/data-science-project-template

  2. Responder las preguntas para crear el proyecto.

  3. Ejecutar make init_git para inicializar Git o puedes hacer lo mismo ejecutando estos comandos:

    inicializar entorno
        git init -b main
    git add .
    git commit -m "🎉 Begin a project, Initial commit"

  4. Ejecutar make install_env para instalar las dependencias del proyecto. O puedes hacer lo mismo ejecutando estos comandos:

    instalar dependencias
        uv sync --all-groups
    uv run pre-commit install

  5. 🎉 ¡Felicidades! Comienza a programar tu proyecto.

  6. Si quieres subir este repositorio a GitHub, primero crea un nuevo repositorio en GitHub y luego ejecuta los siguientes comandos para subir tu repositorio local a GitHub.

    subir a GitHub
        git remote add origin <tu-url-del-repo>
    git branch -M main
    git push -u origin main