Python 3.12 Windows開発環境構築ガイド

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\") -and (';'+$c+';' -notlike \"*;$s;*\")){[Environment]::SetEnvironmentVariable('Path',\"$p;$s;$c\",'Machine')}"

python --version

pip と setuptools の更新

1. 管理者権限でコマンドプロンプトを起動する （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．
2. 次のコマンドを実行する。

   python -m pip install -U --no-user 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立つよう，情報取得の手順をまとめる．

1. Python にパスが通っていることの確認

   where python

2. Python のバージョンの確認

   python --version

3. 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

   import sys
   print(sys.version)
   exit()

   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。

4. pip の動作確認

   * エラーメッセージが出ないことを確認する．

   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 モジュールで Matplotlib の警告表示を抑制し，Matplotlib の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

1. 管理者権限でコマンドプロンプトを起動する （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」）。

   python -m pip install -U --no-user numpy scikit-learn scikit-learn-intelex

2. NumPy の動作確認

   次の Python プログラムを実行する。

   import numpy as np
   print(np.sin(0))
   exit()

   
3. Python の数値演算等の性能確認

   次の 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. 2000×2000 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