【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。

この記事の執筆・監修

キノコード    

テクノロジーアンドデザインカンパニー株式会社のCEO。
日本最大級のプログラミング教育のYouTubeチャンネル「キノコード」や、プログラミング学習サービス「キノクエスト」を運営。
著書「あなたの仕事が一瞬で片付くPythonによる自動化仕事術」や、雑誌「日経ソフトウエア」や「シェルスクリプトマガジン」への寄稿など実績多数。

レッスンで使ったファイルはこちら

ファイルはこちら

挨拶

こんにちは。キノコードです。
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、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、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。

Dockerを使わない環境構築「環境構築に必要なもの」

最初は、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について説明します。
Mac、Windowsともにインストールするものは同じです。VisualStudioCode本体、VisualStudioCodeのPython拡張機能、anacondaの3つをインストールします。
インストールするものを1つずつ簡単に説明します。
まず、Visual Studio Codeについてです。
Visual Studio Codeとは、マイクロソフトが開発したプログラムを書くためのエディタです。
VScodeとも呼ばれています。
VScodeは、Windows、macOS、Linux、色々なOSで使うことができます。
また、Java、C言語、pythonなど有名どころプログラミング言語を書くことができます。
VScodeは、好きな開発環境の1位に選ばれている人気の開発環境です。
キノコードのレッスンでは、設定などで迷うことなく言語の学習に集中できるように、基本的にはVScodeを開発環境として使っていきます。
インストールするものは、概要欄にURLを貼っておきます。
次に、anacondaです。
anacondaは、Pythonのディストリビューションです。
anacondaには、Pythonで使われるさまざまなライブラリが入っている便利なものです。Anacondaには、実行環境のJupyterLabも含まれています。

Dockerを使わない環境構築「Visual Studio Codeの設定方法」

VScodeの設定を進めていきましょう
公式サイトからVScodeをダウンロードします。
Googleで「vscode」と検索すれば出てきます。
こちらが公式サイトです。
「今すぐダウンロードする」をクリック。
ここに「Windows」の「こちら（User Installer 64bit）」をクリックしてダウンロードしましょう。
（ダウンロードには数分かかります）
ダウンロードが完了したら、ファイル（VSCodeUserSetup-x64-1.4exe）をダブルクリック。
「セットアップ」画面が表示されるので、「同意」を選択し、「次へ」をクリック。
VSCodeをインストールするフォルダも、デフォルトのままにしておきましょう。
「次へ」をクリック。
「次へ」をクリック。
「デスクトップ上にアイコンを作成する」以外にチェックを入れ、「次へ」をクリック。
「インストール」をクリックしてインストールを開始します。
これでセットアップは終わりです。「完了」をクリックして、VSCodeを起動します。
VScodeが立ち上がりました。
表示が英語になっているので、日本語に変えてみましょう。
一番左のバーをアクティビティバーといいます。
この四角のアイコンをExtensionsといいます。ここで、拡張機能をインストールできます。
「Japanese Language Pack for Visual Studio Code」と検索してみましょう。「Japanese」と入力すると、候補が出てくると思います。
インストールをクリック。
インストールが終わったらvscodeを再起動してみましょう。
表示が日本語になっています。
最後に、PythonのVSCode拡張機能「Python Extention」をインストールしていきましょう。
これがあると、補完機能やデバック機能があり便利です。
拡張機能でPythonと検索しましょう。
インストールをクリック。
次に、パスを設定します。
メニューバーで、「設定」をクリックし、「基本設定」＞「設定」の順に選択します。
「設定の検索」欄に「python.pythonpath」を入力し、「こちら（C:\Users\kino-code\Anaconda3\python.exe）」を入力します。
続いて、「設定の検索」欄に「python.condapath」を入力し、「こちら（C:\Users\kino-code\Anaconda3\Scripts）」を入力します。
ちなみに、「kino-code」の部分は、サインインしているユーザです。
VSCodeを再起動すると、設定が完了します。
これで環境構築は終わりです。
それでは、anacondaのインストールしていきましょう
Googleで「anaconda download」と検索すれば出てきます。
これが公式サイトです。URLは概要欄に記載しています。
インストーラには、64bit版と32bit版があります。どちらを選択するかは、パソコンのbit数に合わせる必要があります。
bitとは、データの大きさのことです。
bit数が大きければ大きいほど、多くのデータを扱うことができます。
Anacondaは、パソコンのbit数によって、インストールするものが変わります。
それでは、パソコンのbit数を調べてみましょう。
Windowsスタートメニューから「設定」をクリックします。
システムをクリックし、バージョン情報をクリックします。
システムの種類にbit数が表示されてます。
私のパソコンは64bitなので、64bit版のインストーラをダウンロードします。32bitの場合は、32bit版をダウンロードして進めてください。
downloadをクリック
「Python3系」のanacondaがありますのでダウンロードしましょう。
（ダウンロードには数分かかります）
ダウンロードが完了したら、ダウンロードフォルダを開きましょう。
クリックをしてインストール。
次々、進んでいきましょう。
ここでは、インストールする場所を設定します。
基本的には、デフォルトのまま進めて大丈夫です。
少し補足すると、「kino-code」部分は、サインインしているユーザ名です。
ちなみに、ユーザ名がアルファベットではない場合、このままAnacondaをインストールすることはおすすめしません。不具合の可能性が大きいからです。
そのため、違うユーザ名でサインインし直すか、ユーザ名をアルファベットに変えてからインストールを進めましょう。
次にオプションの設定をします。
ここ(Add Anaconda to my PATH environment valiable)にチェックを入れると、AnacondaでインストールされたPython実行ファイルまでのPATHを環境変数に追加することができます。
しかしこちらは非推奨となっているため、ここではチェックを入れません。
環境変数の追加は、別途インストール完了後に設定します。
インストールが完了しました。
「閉じる」で完了です。
続いて、PATHを設定します。
PATHを設定する理由は、プログラムの実行に必要なファイルやフォルダの置いてある場所を書かずに、プログラムを実行できるようにするためです。
プログラムの実行に必要なファイルとはつまり、python.exeのことです。
PATHを設定しておけば、どこのフォルダでプログラムを実行しても、pythonでプログラムを実行することが出来ます。
もしPATHを設定しないまま、pythonでプログラムを実行したらどうなるか試してみましょう。
それでは「test.py」というファイルがデスクトップにある想定で、pythonで実行してみます。
コマンドプロンプトを開いて、このファイルを実行します。（※コマンドプロンプトでの実行方法は、ここでは割愛します。）
python test.py
実行されません。
なぜなら、PATHを設定しないと、パソコンがこのファイルを実行するのに必要なpython.exeの場所を判断できないからです
次に、python実行ファイルが置いてある場所に移動して、実行してみます。

cd C:\Users\KinoCode\Anaconda3
python test.py

プログラムを実行することができました。
しかしこの方法は、python.exeがある場所に移動してプログラムを実行しなければなりません。
つまり、python実行ファイルの置いてある場所以外ではプログラムを実行できないということです。
それでは、pyファイルをどこのフォルダに置いても実行できるように、PATHを設定しましょう。
Windowsの検索欄で、「システム環境変数」と入力し、「システム環境変数の編集」をクリックします。
「環境変数」をクリック。
「システム環境変数」内の変数「Path」をダブルクリック。
「新規」をクリックし、「こちら（C:\Users\kino-code\Anaconda3）」を入力します。
もう一度、「新規」をクリックし、「こちら（C:\Users\kino-code\Anaconda3\Scripts）」を入力し、「OK」をクリックします。
以上で、環境変数の設定が完了しました。環境変数の設定を反映させるため、一度PCを再起動してください。
再起動後にコマンドプロンプトを開きます。
環境変数にPATHが設定されたことを確認するため、Pythonのバージョンを確認します。

python -V

python、半角スペース、ハイフン、大文字のVを入力してください。
pythonV、python_V、python v、python -vなどを入力してしまうとバージョンの確認ができませんので、注意してください。
バージョンが返ってくれば、環境変数の設定が完了です。
もし、バージョンが返ってこない場合は、どこかに誤りがあるかもしれません。
「’python’ は、内部コマンドまたは外部コマンド、操作可能なプログラムまたはバッチ ファイルとして認識されていません。」
例えば、このようなエラーがでている場合は、PATHが正しく設定されていない可能性があります。
PATHが設定されていることを確認するために、コマンドプロンプトでPATHを入力してみましょう。
PATH
セミコロン(;)区切りで、PATHが表示されます。
こちら（C:\Users\kino-code\Anaconda3）とこちら（C:\Users\kino-code\Anaconda3\Scripts）がなければ、環境変数の設定に誤りがあります。
環境変数の設定に戻って、設定を確認してみてください。
次に、pythonをインストールした場所と環境変数で設定したPATHが一致していることを確認してください。
インストールする場所がデフォルトであれば、「C:\Users\パソコンにサインインしているユーザ名\Anaconda3」にpython.exeファイルがあります。
エクスプローラを開いて、python.exeがあるか確認してみてください。
pythonをインストールした場所と環境変数で設定したPATHが一致している場合は、インストールに失敗している可能性があります。一度アンインストールをして、再度インストールしてみましょう。

Dockerを使わない環境構築「JupyterLabでプログラムの実行」

続いて、もう1つの実行環境のJupyterLabです。
操作画面は、VSCodeと同じくMacですが、JupyterLabの操作方法はほぼ同じです。
JupyterLabは、Anacondaの中に入っています。そのため、anacondaをインストールすると、自動でJuputerLabもインストールされます。
起動をしてみましょう。ターミナルをを開いて、「jupyterlab」と入力してEnterです。
すると、ブラウザが起動してJupterLabが開きます。問題なく開くことができればJupyterLabの設定は完了です。

print("Hello,Python!!")

print関数を使って、"Hello,Python!!"を表示させてみましょう。
シフトを押しながらエンターを押します。
Hello,Python!!が表示されました。
JupyterLabの使い方については、別の動画で説明しています。詳しく知りたい方はそちらをご覧ください。
ちなみに、JupyterLabの終了のさせて方は、Ctrl+Cです。実行します。
終了させることができました。

Dockerを使った環境構築「Dockerのインストール方法」

次にWindowsでのDockerを使った環境構築をします。
Dockerを使った環境構築には、Dockerのインストールが必要です。Dockerのインストールを進めていきましょう
インストールの説明の前に、Windowsユーザーに注意点です。
Windows 10 ProまたはWindows 10 Enterpriseの場合は、そのまま「Docker Desktop for Windows」を使用することができます。
一方、Windows 10 Homeで、OSのバージョンが「バージョン 2004、ビルド 19041 以上」の場合は、WSL2というソフトをインストールすることで、「Docker Desktop for Windows」を使用することができます。
私のパソコンは、Windows10Homeです。
またバージョンも2004ではありません。
そのため、OSのバージョンを最新の状態にして、WSL2をインストールしていきます。Windows 10 ProまたはWindows 10 Enterpriseをお使いの方は、この説明はスキップしていただいてよいです。
それでは、Microsoftの公式ドキュメント通り進めていきます。
まず、Windows ロゴ キー と Rキーを押して、「powershell」と入力し、「管理者として実行」をクリックします。

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

powershellが起動したら、こちらのコマンドを入力し、Linux 用 Windows サブシステムを有効にします。
次に、OSのバージョンを確認して、OSの状態を最新にしましょう。
Windows ロゴ キー + R キーを押して、「winver」と入力し、 [OK] を選択
OSのバージョンが表示されました。
バージョンが最新ではないため、更新します。
ブラウザにこちら（https://www.microsoft.com/ja-jp/software-download/windows10）のURLを入力します。
「今すぐアップデート」をクリック。
ダウンロードが完了したら、フォルダを開いて、インストーラを起動。
「今すぐ更新」をクリック
次に「今すぐ再起動」をクリックします。
再起動したら、バージョンを確認します。
最新の状態になりました。
次に、仮想マシンという機能を有効にします。ちなみに、仮想マシンとは、あなたのパソコンの中にもう1つパソコンを作るイメージをもてば良いです。

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

パワーシェルを起動します。こちら（dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart）のコマンドを入力します。
パソコンを再起動すると、WSL 2のインストールが完了します。
そのあとに、Linux カーネル更新プログラム パッケージをインストールします。
ブラウザにこちら（https://docs.microsoft.com/ja-jp/windows/wsl/install-win10）のURLを入力します。
こちら（x64 マシン用 WSL2 Linux カーネル更新プログラム パッケージ）をクリックして、ダウンロードします。
クリックして、インストーラを起動します。
次に、WSL 2 を既定のバージョンとして設定します。
先ほどのサイトを下に移動し、「Microsoft Store」をクリック。
「Ubuntu」をクリック。
「インストール」をクリック。そうすると、WSL2にUbuntuというLinuxのOSをインストールされることになります。これが先ほど説明をした、あなたのパソコンの中にもう1つのパソコンを作るという作業です。
任意のユーザ名とパスワードを入力すると、インストールが完了します。ここではユーザ名とパスワードの両方ともに、kinoハイフンcodeに設定しました。
インストールが正常に完了しているかどうか、WSL2のUbuntu側でこちら（cat /etc/os-release）のコマンドを入力します。
無事インストールされてますね。
念のために、PowerShellでもインストールされているか、こちら（wsl -l -v）のコマンドで確認します。
同様に、インストールできてることが確認できますね。
ここからは、WSL2のCPU、メモリの割り当て変更していきます。
WSL2が、ホストOS、つまり、あなたのWindowsパソコンそのもののメモリを大量に使用してしまう問題があります。
実際にWSL2をインストールしたときに、パソコンが遅くなったと感じました。
特に気にならない方は、この設定はスキップして構いません。
それでは、WSL2のメモリの割り当て状況を確認します。
Ubuntuで「free -h」のコマンドを入力します。
割り当て状況が確認できました。
次に、割り当ての配分を変えるために、このディレクトリ（「C:\Users\KinoCode」）にドットWSLコンフィグ（.wslconfig）という設定ファイルを作成します。
「KinoCode」の部分は、あなたのパソコンにログインするときに使っているユーザ名が入ります。
作成したファイルを開き、設定を書き込みます。私はCPU2コア、メモリ2GBを割り当てるという設定にします。

[wsl2]
memory=2GB
processors=2

設定を反映させるために、WSL2を再起動します。

wsl --shutdown

割り当て状況が変わりました。
それでは、Docker Desktop for Windowsにインストールします。
ブラウザにこちら（https://hub.docker.com/editions/community/docker-ce-desktop-windows）のURLを入力します。
「Get Docker」をクリック、フォルダを開く。
インストーラを起動します。
インストールが完了し、パソコンを再起動します。
この画面が表示されれば、インストール完了です。
WSL2のUbuntu側でDockerがインストールされているか、バージョンを確認します。
docker --versionコマンドを実行します。
バージョンが表示されました。バージョンが確認できたら、インストールは完了です。
タスクバーでもDockerがインストールができているか確認してみましょう。
タスクバーにDockerのアイコンがありDocker Desktop is runningの表示があればインストールができています。

Dockerを使った環境構築「Gitのインストール方法」

このURLにアクセスし、このファイルをダウンロードしましょう。URLは概要欄に貼っておきます。
https://gitforwindows.org/
次に、gitを使ってDockerfileなどの設定に必要なファイルをあなたのパソコンにダウンロードしましょう。
gitを使うにはインストールが必要です。
gitのインストールについてはこちらのURLからインストーラーをダウンロードしてください。
インストーラーにしたがって進めていけば完了します。
さて、準備が整いました。Dockerを使った環境構築を進めて行きましょう。

Dockerを使った環境構築「コンテナ作成」

git clone https://github.com/kino-code/docker-python.git C:\\Users\\KinoCode\\Documents\\docker-python

Dockerを使った環境構築ですが、理屈は一旦置いておきましょう。JupyterLabの起動まで一気にやっていきます。
まず、コンテナというものを作成します。
そもそもDockerは、コンテナという箱のようなものに、OSやソフトウェアがインストールされた環境を閉じ込めておくことができるソフトウェアです。
コンテナといえば、船やトラックで物を輸送する大きな入れ物を思い浮かべる方がいるかもしれません。
それと同じです。
Dockerでは、コンテナにOSやソフトウェアをいれて、違うパソコンに持ち運び移動させたり、いつでもコンテナを立ちあげることができます。
ちなみに、Dockerは、難しい言葉でいうと、コンテナ仮想化の技術を使ったソフトウェアです。アメリカのDocker社が提供しています。
そのコンテナを作成します。
まず、gitを使ってDockerfileなどの設定に必要なファイルをあなたのパソコンにダウンロードしましょう。
gitのcloneコマンドを使うとキノコードのGitHubにあるリポジトリを、あなたのパソコンにコピーすることができます。DockerToolBoxを開きます。
「https://github.com/kino-code/docker-python.git 」がコピー元、「C:\\Users\\KinoCode\\docker-python」がコピー先です。
ここでは、documentにdocker-pythonというフォルダを作って、そこに必要なファイルをダウンロードしてきています。
場所やフォルダ名はなんでもオッケーです。
コピー先を変更したい場合は、後ろの部分の記述を変えてください。
実行します。
ファイルなどがダウンロードできています。

cd C:\\Users\\KinoCode\\Documents\\docker-python

cdでコピー先のディレクトリに移動をします。

docker-compose up -d

続いて、docker-compose upでデタッチド・モードで、Pythonファイルを実行するコンテナの作成と起動をします。
Dockerの詳しい解説についてはDocker入門コースを作成する予定なので、もう少々お待ちください。
実行します。
Successfullyとでればコンテナの作成と起動が完了です。

Dockerを使った環境構築「JupyterLabでプログラムの実行」

http://localhost:8888/labそれでは、JupyterLabを立ち上げてみましょう。このURLにアクセスしてください。JupyterLabの画面が表示されたら環境構築が完了しています。おめでとうございます。JupyterLabのファイルを作ってみましょう。print("Hello,Python!!")文字や数字を表示することができるprintという関数を使って、"Hello,Python!!"を表示させてみましょう。使い方は、printと書いて丸括弧。丸括弧の中に、表示させたい文字や数字を書きます。表示させたいものが文字の場合はダブルクオテーションで括ります。JupyterLabのセルにprint("Hello,Python!!")と記述します。シフトを押しながらエンターを押します。Hello,Python!!が表示されました。JupyterLabの使い方については、別の動画で説明しています。詳しく知りたい方はそちらをご覧ください。testというファイル名で保存をしましょう。docker-pythonでも保存されていることが確認できました。

Dockerを使った環境構築「Dockerをスタート方法と終了方法」

Docker stop docker-python
コンテナを起動する方法をみていきましょう。コンテナを停止させるするには「Docker stop docker-python」とターミナルで実行すれば良いです。

Docker start docker-python

再度、コンテナを起動させたいしたい場合は、「Docker start docker-python」と入力します。
JupyterLabのURLにアクセスします。
http://localhost:8888/lab
開くことができました。

Dockerを使った環境構築「VSCodeでプログラムの実行」

次にVSCodeでの設定方法を見てみましょう。
VSCodeのインストール方法については、右上の時間をご確認ください。
それでは、拡張機能をインストールしましょう。ここでは4つの拡張機能を使います。
1つ目に、「 Remote Container」をインストールします。
この拡張機能は、Dockerのコンテナ内でVSCodeを開くことができる拡張機能です。
インストールをしましょう。

2つ目に、「 Remote WSL」をインストールします。
この拡張機能は、WSLに接続できる拡張機能です。

3つ目にDockerの拡張機能です。
この拡張機能を使うと、VSCodeでDockerを簡単に扱えるようになります。
Dockerと検索をしましょう。
インストールします。
Dockerのアイコンができました。
それでは、WSLに接続してみましょう。
左下の緑色のボタンをクリック。
「Remote-Containers: Open Folder in Container…」を選択し、git cloneで指定したフォルダを選択します。
「From 'docker-compose.yml'」を選択します。
初めは時間がかかります。
接続が完了しました。
次に、Dockerのアイコンをクリックしましょう。
一番上に「CONTAINERS」とあります。っこをみると、先ほど作成をしたコンテナが起動していることがわかります。
このような再生ボタンが表示されていない場合は、コンテナが起動していません。その場合は、コンテナ名を右クリック。startを選択するとコンテナが起動します。コンテナがきどうをしていることを確認をして、
コンテナ名を右クリックをしてAttach Visual Studio Codeをクリックしましょう。
すると、新しいVSCodeが開きます。
これが先ほど作成したコンテナの中です。コンテナの中のディレクトリがこのように表示されていない場合は、一旦、ひょうじ
最後に、Pythonの拡張機能をこのコンテナにもインストールをしましょう。
Pythonと検索してください。
このアイコンです。インストールをクリック。
これで設定は完了です。
それではファイルを作ってみましょう。
フォルダを開くをクリックします。
現在、私はこのような初期画面になっていますが、これを「/」だけにします。
そうするとここに、workspaceというフォルダがあります。
JupyterLabのところでもみたように、docker-pythonと同期されているフォルダです。

print("Hello,Python!!")

それではVSCodeでを開いてプログラムを実行できるか試してみましょう。
フォルダを開くをクリックします。
ファイルのマークをクリック。
ファイル名はtest.pyとしましょう。
文字や数字を表示することができるprintという関数を使って、"Hello,Python!!"を表示させてみましょう。
使い方は、printと書いて丸括弧。丸括弧の中に、表示させたい文字やデータを書きます。表示させたいものが文字の場合はダブルクオテーションで括ります。
エディタにprint("Hello,Python!!")と記述します。
そして、右クリックです。
「Run Python File in Terminal」とでるのでクリックをします。
そうすると、ターミナルでHello,Pythonが表示されました。
これだけだとわかりにくいという方がいらっしゃいましたら、VSCodeを使ったプログラムの実行の動画がありますので、そちらをご覧ください。
docker-pythonでも保存されていることが確認できます。
以上が、Dockerを使った環境構築で、JupyterLabという実行環境、VSCodeを使った実行環境の２つの実行環境を試してみました。

GoogleColaboratoryの使い方

それでは最後のGoogleコラボを使った方法について説明をします。https://colab.research.google.com/notebooks/intro.ipynb#recent=true
次のURLにアクセスします。
そうすると、このような画面がでてきます。右下のノートブックを新規作成をクリックしましょう。
これで終わりです。
あっという間に実行環境が整いましたね。
お気づきの方がいらっしゃると思いますが、JupyterLabとそっくりです。
その通りで、これはJupyterLabです。
拡張子をみていただくと、JupyterLabの拡張子であるipynbです。

print("Hello,Python!!")

print関数を使って、"Hello,Python!!"を表示させてみましょう。
シフトを押しながらエンターを押します。
Hello,Python!!が表示されました。
GoogleColaboratoryの使い方については別の解説動画があります。
詳しく知りたい方はそちらをご覧ください。

レッスンで使ったファイルはこちら

ファイルはこちら