Hoofdstuk 2 — Installatie en omgeving: Python, pip, virtualenv en conda

Let op: De tekst is in het Nederlands; shell‑commando’s en codeblokken zijn in het Engels.

Doel van dit hoofdstuk:

• Een werkende Python‑installatie opzetten op Windows/macOS/Linux.
• Pakketbeheer begrijpen met pip/venv en een alternatief met conda/mamba.
• Beste praktijken voor geïsoleerde omgevingen en reproduceerbare dependencies.

Aanbevolen voorkennis: Hoofdstuk 1.

2.1 Python installeren

Aanbevolen opties:

• Gebruik de officiële installer (python.org) of je OS‑pakketbeheerder (Homebrew, apt, winget).
• Alternatief: conda/mamba‑distributie (Anaconda/Miniforge/Mambaforge) met gebundelde wetenschappelijke pakketten.

Controleer versie:

python --version
python3 --version

2.2 pip en virtualenv/venv

Gebruik per project een geïsoleerde omgeving.

# Maak een venv (Python 3.8+)
python -m venv .venv
# Activeer
# Windows (PowerShell):
.\.venv\Scripts\Activate.ps1
# macOS/Linux (bash/zsh):
source .venv/bin/activate

# Upgrade pip en installeer pakketten
python -m pip install --upgrade pip
pip install numpy pandas matplotlib jupyterlab scikit-learn

# Exporteer requirements
pip freeze > requirements.txt

Deactiveer met deactivate.

2.3 conda/mamba omgevingen (alternatief)

Conda biedt binair beheerde pakketten, handig voor complexe dependencies.

# Installeer mamba (snel) via Mambaforge/Miniforge
mamba --version

# Maak en activeer een omgeving
mamba create -n datasci python=3.11 numpy pandas matplotlib jupyterlab scikit-learn
mamba activate datasci

# Exporteer omgeving
mamba env export --no-builds > environment.yml

Tips:

• Gebruik bij voorkeur één systeem (pip/venv of conda/mamba) per project om mixen te vermijden.
• pin versies in requirements/environment voor reproduceerbaarheid.

2.4 JupyterLab en kernels

Installeer JupyterLab en koppel je omgeving als kernel.

pip install jupyterlab ipykernel
python -m ipykernel install --user --name datasci-venv --display-name "Python (datasci-venv)"
# Start JupyterLab
jupyter lab

2.5 Mapstructuur van een data‑project (vooruitblik)

Een pragmatische structuur (voorbeeld):

project/
  data/           # ruwe/brondata (niet committen als groot/gevoelig)
  notebooks/      # verkenning en rapportage
  src/            # herbruikbare functies/modules
  reports/        # figuren en resultaten
  tests/          # (optioneel) unit tests
  requirements.txt of environment.yml
  README.md

2.6 Troubleshooting

• Meerdere Python’s op systeem? Controleer which python / where python.
• Proxy/firewall‑issues met pip? Stel PIP_INDEX_URL en PIP_TRUSTED_HOST in indien nodig.
• Compileerproblemen? Overweeg conda/mamba voor geprecompileerde wheels.

2.7 Samenvatting

Je hebt nu opties om Python te installeren, geïsoleerde omgevingen te maken met pip/venv of conda/mamba, en JupyterLab te starten. In Hoofdstuk 3 richten we de dagelijkse workflow in met Jupyter en reproducibility‑patronen.