A continuación comparto las instrucciones para configurar un ambiente de Python en Windows 10 utilizando WSL2. Este tipo de ambiente de desarrollo es ideal para desarrollo web o data science. Para temas de automatización o interfaces gráficas, es recomendable instalar Python en Windows.

Prerrequisitos

• Ambiente WSL2 preferiblemente la distribución Ubuntu 20.04
• Visual Studio Code instalado en Windows con Remote – WSL Extension

Ingresa a tu distribución WSL y como primera acción, se debe de actualizar los repositorios e instalar las últimas actualizaciones. En mi caso tengo instalada la versión LTS de Ubuntu 20.04.

sudo apt update
sudo apt upgrade -y

La distribución de Ubuntu ya posee instalado Python por lo que únicamente es necesario instalar pip

sudo apt install -y python3-pip

Adicionalmente instalaremos Git

sudo apt install -y git

Ambiente Nivel Básico 🐍+1

venv

Venv es una herramienta para crear ambientes virtuales aislados de Python, estos permiten tener versiones de paquetes específicos para uno o varios proyectos en un ambiente separado.

sudo apt install -y python3-venv

Uso de venv

Lo siguiente es un extracto del video de YouTube de Corey Schafer titulado Tutorial de Python: VENV (Mac & Linux) – Cómo usar ambientes virtuales con el módulo incorporado venv.

Personalmente, prefiero crear el ambiente virtual dentro de la carpeta de mi proyecto y asignarle el nombre .venv

Ventajas:

• Ambiente aislado para cada proyecto
• No es necesario recordar que ambiente posee que paquete o versión
• Facilita la detección del interprete en Visual Studio Code

Desventajas:

• Se debe de repetir el proceso en cada proyecto

Para poder conocer cómo es que funciona el uso de virtualenv, ingresa al directorio Home y crea una nueva carpeta llamada proyecto_prueba.

cd ~
mkdir proyecto_prueba

Crea un nuevo ambiente virtual, en este ejemplo se creará el ambiente llamado .venv

python3 -m venv proyecto_prueba/.venv

Activa el ambiente virtual recién creado utilizando el comando source ruta_ambiente/bin/activate

source proyecto_prueba/.venv/bin/activate

De haber realizado los pasos anteriores de manera satisfactoria, en la línea de comandos aparecerá entre paréntesis el nombre de tu ambiente virtual.

Como referencia, para desactivar el ambiente virtual utiliza el comando deactivate.

deactivate

Algo que debes de tomar en cuenta al crear un nuevo ambiente virtual es actualizar pip. Cuando el ambiente virtual se encuentra activo, puedes utilizar los comandos python y pip en lugar de python3 y pip3.

pip install -U pip

Puedes comprobar que se está utilizando la versión de python y de pip de tu ambiente virtual utilizando el comando which

which python; which pip

El resultado de ambos comandos deberá ser una ruta dentro de tu ambiente virtual que actualmente se encuentra activado.

/home/hola/proyecto_prueba/.venv/bin/python
/home/hola/proyecto_prueba/.venv/bin/pip

Control de versiones con Git

La configuración de git es bastante sencilla, básicamente se debe asignar un usuario y correo electrónico los cuales serán asociados en el historial de versiones.

git config --global user.name "nombre de usuario"
git config --global user.email "tu@correo.com"

Puedes verificar tu configuración con el siguiente comando

git config --list

.gitignore

Es necesario utilizar un archivo de configuración el cual le indica a git que excluya ciertos tipos de archivos o carpetas en el control de versiones. Uno de estos directorios debería ser el correspondiente al ambiente virtual creado con el comando venv.

En GitHub existe un repositorio de archivos .gitignore en donde el archivo correspondiente a python toma en consideración diversos nombres de carpetas estándar para ambientes virtuales, entre ellos el .venv.

El siguiente comando descargará el contenido de la página destino de la URL y lo descargará como .gitignore.

curl https://raw.githubusercontent.com/github/gitignore/master/Python.gitignore -o .gitignore

Crear el repositorio

Antes de iniciar con el repositorio, necesitamos crear un archivo README.md en la carpeta raíz, esta es una buena práctica en donde podremos indicar un resumen del proyecto, requerimientos, guía de instalación, forma de uso o referencias.

Para crear el repositorio es necesario utilizar el comando init de git

git init

Jupyter en VS Code

Con el ambiente virtual activo, instala el paquete de jupyter para disponer de esta funcionalidad en Visual Studio Code, así como el linter pylint.

pip install jupyter ipykernel pylint

Una vez finalizada la instalación, navega a la carpeta del proyecto y abre el editor Visual Studio Code.

cd proyecto_prueba
code .

El punto «.» en la última instrucción le indica al editor que utilice la carpeta actual (proyecto_prueba). Una ventana de Visual Studio Code se abrirá automáticamente y se conectará por medio de la extensión Remote WSL. Posiblemente se demore un poco la primera ejecución, esto es debido a que se estará instalando automáticamente VS Code Server.

En Visual Studio Code entra a la sección de Extensiones con la combinación de teclas Ctrl + Shift + X e instala la extensión Python por Microsoft. Observa que el botón de instalación indica que se procederá a instalar en WSL. Posteriormente presiona el botón para recargar Visual Studio Code y activar la extensión.

En Visual Studio Code ingresa a la paleta de comandos desde el menú View o presionando Ctrl + Shift + P. En esta ventana de comandos escribe python y te aparecerá un listado de comandos, escoge la opción Jupyter: Create New Blank Jupyter Notebook.

Selección de Interprete de Python

A diferencia del ambiente básico, en esta ocasión Visual Studio Code presenta unos mensajes de error al crear el cuaderno de jupyter, indicando que no fue posible encontrar ipykernel y adicionalmente que no hay interprete de python seleccionado.

Para corregir este inconveniente, es necesario especificarle a Visual Studio Code la ruta del interprete de Python en tu ambiente virtual. Presiona el botón Select Python Interpreter o la combinación de teclas Ctrl + Shift + P para abrir la paleta de comandos y escribe Python: Select Interpreter.

Aparecerá una ventana con una lista extendida, dentro de esta lista se encuentra la opción correspondiente al ambiente virtual que creaste con la etiqueta (.venv). Escoge esa opción de la lista.

Visual Studio Code automáticamente creará un archivo de configuración propio. De esta manera, la próxima vez que abras esta carpeta en el editor cargará automáticamente la ruta del interprete de python.

Finalizados los pasos anteriores, ya dispones de un ambiente de Python en WSL2 para data science. Únicamente debes de instalar los paquetes correspondientes a tus necesidades.