Einführung in Python-Skripte für Windows-Anwender

In dieser Anleitung erfährst du, wie du Python-Skripte auf einem Windows-Rechner sauber und ohne Probleme zum Laufen bringst. Dabei werden wichtige Grundlagen behandelt, wie die Installation von Python, Conda und Git, das Einrichten virtueller Python Umgebungen, die Verwendung von .env-Dateien zur Verwaltung sensibler Daten und die grundlegende Nutzung von typischen Python-Bibliotheken.

Außerdem bekommst du hilfreiche Tipps zum Arbeiten mit der Windows-Eingabeaufforderung, Visual Studio Code, GitHub Desktop sowie den Tools wget und curl. Die Anleitung zeigt dir auch, wie du deine Python-Projekte strukturiert organisierst und Abhängigkeiten sauber verwaltest, um deine Arbeitsweise effizienter und professioneller zu gestalten.

Diese Schritt-für-Schritt-Anleitung richtet sich vor allem an Anfänger und Hobbyentwickler, die Python in ihrer Windows-Umgebung nutzen möchten. Mit dem vermittelten Wissen bist du in der Lage, eigene (sehr einfache) Python-Skripte zu schreiben, sicher und strukturiert zu entwickeln und in einem klaren Projektaufbau zu arbeiten.

Python-Skripte auf einem Windows-Rechner sauber laufen lassen

Um Python-Skripte auf einem Windows-Rechner sauber und ohne Probleme laufen zu lassen, kannst du Python mit Conda oder venv und .env-Dateien verwenden. Hier ist eine Schritt-für-Schritt-Anleitung:

1. Installation von Python, Conda und Git

Python installieren

Besuche die offizielle Python-Website und lade die neueste Version von Python für Windows herunter. Achte darauf, beim Installationsprozess das Häkchen für "Add Python to PATH" zu setzen.

Conda installieren

Um Conda zu verwenden, musst du entweder Anaconda oder Miniconda installieren. Anaconda ist eine vollständige Distribution, die viele nützliche Pakete vorinstalliert hat, während Miniconda eine leichtere Version mit nur Conda enthält. Anaconda eignet sich gut für Anfänger oder für Nutzer, die direkt viele Pakete benötigen, während Miniconda für diejenigen geeignet ist, die eine minimalere Installation bevorzugen und nur die Pakete installieren möchten, die sie wirklich brauchen.

Git installieren

Besuche die offizielle Git-Website und lade die neueste Version von Git für Windows herunter.

Installation überprüfen

Nachdem du Python, Conda und Git installiert hast, überprüfe, ob sie korrekt installiert wurden, indem du die folgenden Befehle in der Eingabeaufforderung ausführst:

python --version
conda --version
git --version

2. Virtuelle Umgebungen erstellen

Mit Conda

• Virtuelle Umgebung erstellen:

  conda create --name myenv python=3.x

  Ersetze myenv mit dem gewünschten Namen deiner Umgebung und 3.x mit der gewünschten Python-Version.

• Aktivieren der Umgebung:

  conda activate myenv

• Installation von Paketen:

  conda install <paketname>

  oder

  pip install <paketname>

  Wenn ein Paket nicht in Conda verfügbar ist, kannst du pip verwenden.

Mit venv

• Virtuelle Umgebung erstellen:

  python -m venv myenv

  Ersetze myenv mit dem gewünschten Namen deiner Umgebung.

• Aktivieren der Umgebung:

  • Unter Windows:

    myenv\Scripts\activate

  • Unter Linux/macOS:

    source myenv/bin/activate

• Installation von Paketen:

  pip install <paketname>

3. Verwendung von .env-Dateien

• Erstellen einer .env-Datei: Lege eine .env-Datei im Hauptverzeichnis deines Projekts an, um Umgebungsvariablen zu speichern. Ein Beispiel wäre ein API-Key für OpenAI um mit deren Large Language Models zu kommunizieren. Dieser API-Key darf nicht öffentlich bekannt werden, da jeder dann kostenpflichtig mit deinem API Key arbeiten könnte.

  Beispiel .env-Datei:

  API_KEY=dein_api_schlüssel
  SECRET_KEY=dein_geheimer_schlüssel
  

• Einlesen der .env-Datei in Python: Installiere python-dotenv:

  pip install python-dotenv

  Füge in deinem Python-Skript folgendes hinzu:

  from dotenv import load_dotenv
  import os
  
  load_dotenv()  # Lädt die .env-Datei
  
  api_key = os.getenv('API_KEY')
  secret_key = os.getenv('SECRET_KEY')

4. Typische Imports und Schreiben eines einfachen Skripts

Typische Import-Liste für Python-Skripte

Am Anfang eines Python-Skripts ist es üblich, einige häufig verwendete Bibliotheken zu importieren. Hier ist eine Liste typischer Importe:

import os  # Betriebssystemfunktionen
import sys  # Systembezogene Funktionen und Parameter
import logging  # Logging für Fehlermeldungen und Debugging
import requests  # HTTP-Anfragen
import pandas as pd  # Datenanalyse und -manipulation
import numpy as np  # Numerische Berechnungen
from dotenv import load_dotenv  # Laden von Umgebungsvariablen aus einer .env-Datei

Diese Bibliotheken sind sehr verbreitet und helfen dir bei verschiedenen Aufgaben wie der Datenanalyse, der Arbeit mit HTTP-Anfragen, dem Logging von Informationen und der Verwendung von Umgebungsvariablen.

5. Die populärsten Python-Bibliotheken

Hier sind die 10 beliebtesten Python-Bibliotheken und ihre Anwendungsbereiche:

1. NumPy: Eine grundlegende Bibliothek für numerische Berechnungen und wissenschaftliche Anwendungen. Sie bietet Unterstützung für große, mehrdimensionale Arrays und Matrizen sowie eine Vielzahl von mathematischen Funktionen.

2. Pandas: Ideal für die Datenanalyse und -manipulation. Pandas ermöglicht die Arbeit mit Tabellen und bietet viele praktische Methoden zum Filtern, Aggregieren und Bearbeiten von Daten.

3. Matplotlib: Eine Bibliothek zur Erstellung von Diagrammen und Grafiken in Python. Sie ist ideal für die Datenvisualisierung und die Erstellung von Plots.

4. Requests: Wird für das Senden von HTTP-Anfragen verwendet, um Daten aus dem Internet abzurufen oder APIs anzusprechen. Es ist einfach zu bedienen und weit verbreitet.

5. Scikit-Learn: Eine Bibliothek für maschinelles Lernen, die Werkzeuge für Klassifikation, Regression, Clustering und mehr bietet. Sie ist leicht zu verwenden und eignet sich gut für Einsteiger.

6. TensorFlow: Eine Open-Source-Bibliothek von Google, die für maschinelles Lernen und Deep Learning verwendet wird. Sie wird häufig für komplexe neuronale Netze und große Datenmengen genutzt.

7. Flask: Ein leichtgewichtiges Web-Framework, das sich ideal für die schnelle Entwicklung von Webanwendungen eignet. Es ist einfach, flexibel und wird oft für kleinere Projekte verwendet.

8. BeautifulSoup: Diese Bibliothek wird zum Web-Scraping verwendet, um HTML- und XML-Dokumente zu analysieren und bestimmte Informationen zu extrahieren.

9. SQLAlchemy: Ein SQL-Toolkit und Object Relational Mapper (ORM), das es ermöglicht, in Python auf SQL-Datenbanken zuzugreifen und diese zu verwalten, ohne direkt SQL schreiben zu müssen.

10. Pillow: Eine Bibliothek für die Bildbearbeitung in Python. Sie bietet zahlreiche Funktionen zur Bearbeitung und Analyse von Bildern und ist eine Fortsetzung des Python Imaging Library (PIL) Projekts.

6. Schreiben eines einfachen Skripts

• Erstelle eine Python-Datei:

  Öffne deinen Texteditor oder deine IDE und erstelle eine neue Datei mit der Endung .py. Zum Beispiel: mein_script.py.

  Alternativ kannst du auch direkt über die Eingabeaufforderung eine Python-Datei erstellen, indem du folgenden Befehl eingibst:

  echo print("Hallo, Welt!") > mein_script.py

• Schreibe deinen Code:

  Füge einfachen Python-Code hinzu, z. B.:

  print("Hallo, Welt!")

• Speichern und ausführen:

  Speichere die Datei und führe sie in der Windows-Eingabeaufforderung aus, indem du folgenden Befehl eingibst:

  python mein_script.py

  Tipp: Wenn du im Windows Explorer in der Adressleiste "cmd" eingibst, wird ein CMD-Fenster im aktuellen Ordner geöffnet.

7. Die Windows-Eingabeaufforderung nutzen

• Eingabeaufforderung öffnen: Drücke die Win + R-Taste, gib cmd ein und drücke Enter.

• Zu deinem Skript navigieren: Verwende cd, um in das Verzeichnis zu wechseln, in dem dein Skript gespeichert ist. Beispiel:

  cd C:\Pfad\zu\deinem\Skript

• Python-Skript ausführen: Gib python mein_script.py ein und drücke Enter, um das Skript auszuführen.

8. Git verwenden, um ein Repository zu klonen

• Git konfigurieren: Bevor du ein Repository klonst, konfiguriere Git mit deinem Namen und deiner E-Mail-Adresse:

  git config --global user.name "Dein Name"
  git config --global user.email "[email protected]"

• Repository klonen: Öffne die Eingabeaufforderung, navigiere zu dem Verzeichnis, in dem du das Repository speichern möchtest, und verwende den folgenden Befehl, um ein Repository von GitHub zu klonen:

  git clone https://github.com/benutzername/repository.git

  Ersetze https://github.com/benutzername/repository.git durch die URL des gewünschten Repositories.

9. Visual Studio Code (VS Code)

Um Python-Skripte zu schreiben, empfehlen wir die Verwendung einer integrierten Entwicklungsumgebung (IDE) wie Visual Studio Code (VS Code). VS Code ist ein beliebter, kostenloser Texteditor mit vielen Erweiterungen, die die Python-Entwicklung erleichtern. Lade VS Code von der offiziellen Website herunter und installiere es. Du kannst dann die Python-Erweiterung installieren, die Funktionen wie Debugging, Syntaxhervorhebung und automatische Vervollständigung bietet. Alternativ gibt es auch andere beliebte IDEs wie PyCharm, die ebenfalls viele nützliche Funktionen für Python-Entwickler bieten.

10. Projektstruktur

Organisiere dein Projekt in einer klaren Struktur:

my_project/
│
├── .env                # Umgebungsvariablen
├── main.py             # Hauptskript, das die Module im src-Verzeichnis aufruft
├── requirements.txt    # Abhängigkeiten
├── environment.yml     # Conda-Umgebung (optional)
└── src/                # Source-Code mit allen Modulen
    ├── module1.py      # Ein Modul, das bestimmte Funktionen oder Klassen enthält
    ├── module2.py      # Ein weiteres Modul mit spezifischen Funktionen

Das Hauptskript (main.py) ist dafür verantwortlich, die verschiedenen Module aus dem src-Verzeichnis aufzurufen und zu koordinieren. Dies ermöglicht eine modulare Struktur, bei der jede Funktionalität in einem separaten Modul gekapselt ist.

Die .env-Datei wird verwendet, um sensible Daten wie API-Schlüssel sicher zu speichern. Durch das Einlesen dieser Variablen mit python-dotenv werden diese Informationen außerhalb des Quellcodes gehalten, was die Sicherheit erhöht und das Risiko minimiert, dass sensible Daten versehentlich weitergegeben werden.

11. Abhängigkeiten verwalten

• Mit requirements.txt (für pip):

  pip freeze > requirements.txt

  Installiere alle Abhängigkeiten mit:

  pip install -r requirements.txt

• Mit environment.yml (für Conda): Erstelle eine environment.yml:

  name: myenv
  dependencies:
    - python=3.x
    - numpy
    - pandas
    - pip
    - pip:
        - python-dotenv

  Installiere die Umgebung mit:

  conda env create -f environment.yml

12. Skripte sauber ausführen

• Aktiviere die Umgebung vor der Ausführung eines Skripts:

  • Mit Conda:

    conda activate myenv

  • Mit venv:
    • Unter Windows:

      myenv\Scripts\activate

    • Unter Linux/macOS:

      source myenv/bin/activate

• Führe dein Skript aus:

  python main.py

13. Tipps für Einsteiger

• requirements.txt verwenden: Oft wird eine Datei namens requirements.txt verwendet, um alle benötigten Bibliotheken für ein Projekt aufzulisten. Diese Datei kann häufig durch den Befehl pip freeze > requirements.txt erstellt werden, um eine aktuelle Liste der installierten Pakete zu erzeugen. Dadurch kannst du alle Abhängigkeiten einfach mit einem einzigen Befehl installieren:

  pip install -r requirements.txt

  Die Verwendung von requirements.txt ist besonders vorteilhaft, wenn du mit anderen zusammenarbeitest oder deine Umgebung auf einem anderen Computer replizieren möchtest.

• Virtuelle Umgebung verwenden: Es wird empfohlen, für jedes Projekt eine virtuelle Umgebung zu erstellen, um Abhängigkeiten getrennt zu halten. Erstelle eine virtuelle Umgebung mit dem Befehl:

  python -m venv mein_umgebung

  Aktiviere die Umgebung mit:

  mein_umgebung\Scripts\activate

• Bibliotheken installieren: Nutze pip, um Bibliotheken zu installieren. Zum Beispiel:

  pip install requests

• .env-Dateien verwenden: .env-Dateien sind nützlich, um sensible Daten wie API-Schlüssel sicher zu speichern und den Zugriff im Code zu erleichtern. Dies hilft dabei, Konfigurationsdaten von deinem Quellcode zu trennen und erhöht die Sicherheit deiner Anwendung.

14. Arbeiten mit GitHub Desktop, VS Code, Git, wget und curl (Windows)

Einleitung

In dieser Anleitung zeige ich dir, wie du GitHub Desktop, VS Code, git, wget und curl unter Windows verwendest, um deine Projekte mit GitHub zu verwalten. Egal, ob du ein Anfänger oder ein fortgeschrittener Nutzer bist, diese Schritte helfen dir, deine Arbeit effizienter zu gestalten.

Hinweis: Dieser Code wurde mithilfe einer KI erstellt. Der Ersteller ist kein professioneller Programmierer und der Code kann unfertig oder fehlerhaft sein sowie logische Lücken aufweisen.

1. Installation von GitHub Desktop

GitHub Desktop ist ein einfach zu benutzendes Tool, um deine Git-Repositories lokal zu verwalten und mit GitHub zu synchronisieren.

Schritte:

1. Lade GitHub Desktop herunter.
2. Installiere die Software und melde dich mit deinem GitHub-Account an.
3. Klicke auf „Clone a repository from the internet“, um ein bestehendes Repository herunterzuladen, oder erstelle ein neues.
4. Du kannst „Commit“ verwenden, um Änderungen lokal zu speichern, und „Push“, um deine Änderungen auf GitHub hochzuladen.

2. Arbeiten mit VS Code

Visual Studio Code (VS Code) bietet eine nahtlose Integration von Git. Hier erfährst du, wie du deine Projekte in VS Code verwaltest.

Schritte:

1. Lade VS Code herunter und installiere es.
2. In VS Code kannst du die Erweiterung "GitHub" oder "GitLens" installieren, um eine bessere Integration zu erhalten.
3. Öffne das Terminal in VS Code mit Strg + Ö.
4. Nutze folgende Befehle, um ein Repository zu klonen:

   git clone https://github.com/dein-username/dein-repository.git

5. Du kannst alle Git-Befehle direkt aus dem integrierten Terminal in VS Code ausführen, zum Beispiel git status, git add, git commit oder git push.

3. Arbeiten mit Git (Befehlszeile)

Falls du lieber mit der Befehlszeile arbeitest, kannst du auch die Git-CLI verwenden.

Schritte:

1. Lade Git für Windows herunter und installiere es.
2. Öffne die Git Bash oder die Eingabeaufforderung.
3. Um ein Repository zu klonen, gib folgenden Befehl ein:

   git clone https://github.com/dein-username/dein-repository.git

4. Verwende git add, git commit und git push, um deine Änderungen hochzuladen.

4. Arbeiten mit wget und curl

wget und curl sind praktische Tools, um Daten direkt von der Befehlszeile herunterzuladen.

Schritte für wget:

1. Lade wget für Windows herunter und installiere es.
2. Verwende folgenden Befehl, um ein GitHub-Repository als ZIP-Datei herunterzuladen:

   wget https://github.com/dein-username/dein-repository/archive/refs/heads/main.zip

Schritte für curl:

1. curl ist in den neuesten Windows-Versionen integriert. Verwende den folgenden Befehl, um eine Datei herunterzuladen:

   curl -L -o repo.zip https://github.com/dein-username/dein-repository/archive/refs/heads/main.zip

5. Verwenden von .gitignore

Die Datei .gitignore ist nützlich, um bestimmte Dateien oder Ordner vom Versionskontrollsystem auszuschließen. Das hilft, sensible Daten oder unnötige Dateien nicht in das Repository hochzuladen.

Schritte:

1. Erstelle eine Datei mit dem Namen .gitignore im Hauptverzeichnis deines Projekts.
2. Füge die Dateinamen oder Ordner hinzu, die du ignorieren möchtest, zum Beispiel:

   # Log-Dateien
   *.log
   
   # Verzeichnisse für temporäre Daten
   /tmp/
   
   # Betriebssystemspezifische Dateien
   Thumbs.db
   Desktop.ini
   

3. Sobald die .gitignore-Datei erstellt ist, werden die darin aufgeführten Dateien und Verzeichnisse von Git ignoriert und nicht ins Repository aufgenommen.

6. Verwenden von .gitattributes

Die Datei .gitattributes wird verwendet, um Einstellungen für die Verwaltung von Dateiattributen im Repository festzulegen. Damit kannst du beispielsweise die Behandlung von Zeilenendungen steuern, die Sprache für Syntax-Hervorhebungen festlegen oder bestimmte Dateien für die Filterung konfigurieren.

Schritte:

1. Erstelle eine Datei mit dem Namen .gitattributes im Hauptverzeichnis deines Projekts.
2. Füge Regeln hinzu, um das Verhalten von Dateien zu definieren, zum Beispiel:

   # Setze die Zeilenendungen für alle Textdateien auf LF
   * text=auto
   
   # Bestimme den diff-Filter für bestimmte Dateitypen
   *.md diff
   
   # Überspringe die Verarbeitung für große Binärdateien
   *.png binary
   

3. Die .gitattributes-Datei hilft dabei, Inkonsistenzen in der Versionskontrolle zu vermeiden und sorgt für einheitliche Einstellungen über verschiedene Systeme hinweg.

15. Python Coding Basics

In Arbeit unter: Python Coding Basics

16. Abschluss

Viel Spaß beim Programmieren! Wenn du Fragen hast, zögere nicht, Hilfe zu suchen oder die Python-Community zu konsultieren. Du kannst auch weiterführende Projekte erkunden, um deine Fähigkeiten zu verbessern und noch mehr über Python zu lernen. Bleib neugierig und probiere neue Dinge aus!

Achtung: Dieser Text wurde mit KI bearbeitet und kann Fehler aufweisen. Der Ersteller ist kein ausgebildeter Programmierer.