Python 3.10 Windows開発環境構築ガイド

Windows環境においてPython 3.10の開発環境を構築するための手順をまとめたものである。すべての操作は管理者権限のコマンドプロンプトで実行する。

【対象となる作業】

本ガイドは以下の5つの作業で構成される。

Python 3.10 のインストール wingetコマンドを使用し、Python 3.10をシステム領域にインストールする。あわせて、Windowsの260文字パス長制限の解除と、Pythonへのシステムパス設定を行う。
AIエディタ Windsurf のインストール Pythonプログラムの編集・実行環境として、AIエディタ Windsurf をwingetコマンドでインストールする。
pip と setuptools の更新 Pythonのパッケージ管理ツールであるpipとsetuptoolsを最新版に更新する。
インストール結果の確認 Pythonのパス確認、バージョン確認、pipの動作確認を行う。さらに、NumPyとMatplotlibを使用したsin関数グラフ描画プログラムにより、Windsurf上での実行を検証する。
数値演算の性能確認 NumPyとscikit-learnをインストールし、2000×2000の乱数行列を用いた行列積、主成分分析（PCA）、特異値分解（SVD）、k-Meansクラスタリングの実行時間を測定する。

【前提条件】

Windows環境であること
管理者権限でコマンドプロンプトを実行できること
wingetが利用可能であること

【関連する外部ページ】

Python公式ページ: https://www.python.org/
Windsurf公式ページ: https://windsurf.com/

【サイト内の関連ページ】

Python詳細ガイド：別ページ »

【関連項目】 Python 3.10 のインストール（Windows 上）

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

Python 3.10 のインストール

インストール済みの場合は実行不要。

以下のコマンドを管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Python 3.10 をシステム領域にインストール
winget install --scope machine --id Python.Python.3.10 -e --silent --accept-source-agreements --accept-package-agreements

REM パス長制限の解除（Windowsの260文字パス制限を解除し、長いパスを扱えるようにする）
reg add "HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem" /v LongPathsEnabled /t REG_DWORD /d 1 /f
reg query "HKLM\SYSTEM\CurrentControlSet\Control\FileSystem" /v LongPathsEnabled

REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python310"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python310\Scripts"
if exist "%PYTHON_PATH%" setx PYTHON_PATH "%PYTHON_PATH%" /M >nul
if exist "%PYTHON_SCRIPTS_PATH%" setx PYTHON_SCRIPTS_PATH "%PYTHON_SCRIPTS_PATH%" /M >nul
for /f "skip=2 tokens=2*" %a in ('reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path') do set "SYSTEM_PATH=%b"
echo "%SYSTEM_PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PYTHON_PATH%;%PYTHON_SCRIPTS_PATH%;%SYSTEM_PATH%" /M >nul

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

AI エディタ Windsurf のインストール

Pythonプログラムの編集・実行には、AI エディタの利用を推奨する。ここでは，Windsurfのインストールを説明する。

winget install --scope machine --id Codeium.Windsurf -e --silent --accept-source-agreements --accept-package-agreements

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

pip と setuptools の更新

以下の手順を管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

Windows で pip を実行するときは，管理者権限のコマンドプロンプトを使用し，システム領域へのインストールを行う．

次のコマンドを実行する．

python -m pip install -U pip setuptools

Python に関しての情報取得

Python にトラブルがあった時に役に立つように，情報取得の手順をまとめている．

Python にパスが通っていることの確認
```
where python
```
python のバージョンの確認
```
python --version
```
Python のビルドに用いられたコンパイラのバージョン番号の確認
```
python
import sys
print(sys.version)
```
実行すると、Pythonのバージョンとビルドに用いられたコンパイラのバージョン番号が表示される
次のPythonプログラムを実行し，バージョン番号を確認
```
from distutils.msvc9compiler import *
get_build_version()
```
exit() で終了
pip の動作確認
Python のパッケージも同時にインストールされることが分かる．
* エラーメッセージが出ないことを確認．
```
pip list
```

確認のため，Windsurf で，次の Python プログラムを実行してみる．

次のプログラムは，NumPy と Matplotlib を使用して，0から6までの範囲のsin関数のグラフを描画する．warnings モジュールを使用して Matplotlib の警告表示を抑制し，Matplotlib では，デフォルトのスタイルを使用する．


import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')   # Suppress Matplotlib warnings

x = np.linspace(0, 6, 100)
plt.style.use('default')
plt.plot(x, np.sin(x))
plt.show()

性能の確認

以下のコマンドを管理者権限のコマンドプロンプトで実行する（手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。
```
python -m pip install -U numpy scikit-learn scikit-learn-intelex
```
numpy の動作確認
Python プログラムを実行する
```
import numpy as np
print(np.sin(0))
exit()
```
Python の数値演算等の性能確認
Python プログラムを実行する
次のプログラムは，NumPy と scikit-learn を使用して，行列計算とデータ分析を行う．
1. 2000x2000 の乱数行列 X と Y を生成し、それらの行列積を計算する．
2. scikit-learn の PCA を使用して，X の主成分分析を行い，2次元に次元削減する．
3. NumPy の svd 関数を使用して、X の特異値分解を行う．
4. scikit-learn の KMeans を使用して，X に対して10クラスタのk-means クラスタリングを行う．
各操作の実行時間を測定し，結果を出力するプログラムである．
```
import time
import numpy
import numpy.linalg
import sklearn.decomposition
import sklearn.cluster
X = numpy.random.rand(2000, 2000)
Y = numpy.random.rand(2000, 2000)
# 行列の積
a = time.time(); Z = numpy.dot(X, Y); print(time.time() - a)
# 主成分分析
pca = sklearn.decomposition.PCA(n_components = 2)
a = time.time(); pca.fit(X); X_pca = pca.transform(X); print(time.time() - a)
# SVD
a = time.time(); U, S, V = numpy.linalg.svd(X); print(time.time() - a)
# k-means
a = time.time();
kmeans_model = sklearn.cluster.KMeans(n_clusters=10, random_state=10).fit(X)
labels = kmeans_model.labels_
print(time.time() - a)
```
実行結果の例
- 行列の積: 約0.05 秒
- 主成分分析: 約0.06 秒
- SVD: 約1.30 秒
- k-Means クラスタリング: 約2.99 秒