Python (Installation)

„Das Zen blühender Python-Projekte im Jahr 2025 ist ein Interpreter pro Projekt und eine Werkzeugkette pro Aufgabe. Beherrsche zuerst virtuelle Umgebungen; der Rest folgt natürlich.

Python 2 erreichte das Ende der Lebensdauer im Januar 2020 und wird nicht mehr von Mainstream-Linux-Distributionen oder Windows-Installationsprogrammen ausgeliefert. Heute unterstützt jedes aktiv gepflegte Paket - wissenschaftlich, geospatial oder anderweitig - CPython ≥ 3.9, wobei die meisten Bibliotheken jetzt gegen Python 3.13 testen. Mehrere Interpreter können immer noch auf derselben Maschine koexistieren (QGIS / ArcGIS Pro bettet seine eigene 3.11, Nvidia CUDA liefert eine für PyTorch, etc.), aber die moderne Art, Projekte zu isolieren, ist durch *leichte * virtuelle Umgebungen, die von venv, pipx oder conda/mamba erstellt wurden.

Dieses Kapitel destilliert einen Workflow, der den in diesem E-Book verwendeten Rechenstapel unabhängig von der Plattform zuverlässig erstellt. Er betont:

conda/mamba als glatte Cross-Platofrm Standardlösung,
pip + venv für Linux/macOS (Alternative; vorzugsweise mamba verwenden),
jüngste Verbesserungen bei Binärrädern für GDAL / Fiona / Shapely (Pip unter Windows ist endlich schmerzlos!) und
nachhaltige Wege, um Umgebungen reproduzierbar zu halten.

Bevor Sie fortfahren, kann eine schnelle, plattformübergreifende Python-Installation einschließlich GDAL mit unserer Projektvorlage] installiert werden:

Installieren Sie mamba für Ihre Plattform].
Laden Sie unsere environment.yml] herunter.
Öffnen Sie ein Terminal (Befehlsaufforderung), navigieren Sie zum Verzeichnis, in dem die heruntergeladene * Umgebung angezeigt wird. yml* lebt und schafft die Umwelt:
```
mamba env create -f environment.yml
```

Aktivieren Sie die Umgebung und führen Sie Python aus:

mamba activate wrr-proj
(wrr-proj) user@computer:$ python

Überprüfen Sie, ob die Installation von Geopaketen funktioniert hat (es sollte keine Fehlermeldung auftreten):
```
>>> from osgeo import gdal
```
Optionnally, if the check succeeded worked, exit python and pip-install flusstools within this wrr-project environment:
```
>>> exit()
(wrr-proj) user@computer:$ pip install flusstools
```

`pip` + `venv`¶

Schnellstart (Linux Mint/Ubuntu 22.04 LTS oder höher)¶

Installieren Sie den neuesten Interpreter¶

$ sudo apt update && sudo apt install python3 python3-venv python3-dev build-essential libgdal-dev gdal-bin

Moderne Debian/Ubuntu-Repositories verpacken bereits CPython 3. Die zusätzlichen dev-Header werden für Räder benötigt, die C‐Erweiterungen zum Zeitpunkt der Installation noch kompilieren.

Erstellen und Aktivieren einer Umgebung¶

$ python3 -m venv ~/venvs/vflussenv
$ source ~/venvs/vflussenv/bin/activate

A venv inherits nothing from the system except the interpreter binary.

Upgrade Core Tools¶

(vflussenv) $ python -m pip install --upgrade pip wheel setuptools

pip 24.x bundles the new repair wheel feature that fixes many‑linux and macOS wheels on the fly.

Einbauvorschriften¶

Für die Datenanalyse ohne die geospatial GDAL-Bibliothek, laden Sie diese requirements.txt file herunter. Andernfalls, um [Bibliotheken für die Geodatenanalyse einschließen], laden Sie diese requirements.txt](https://github.com/Ecohydraulics/flusstools-pckg/raw/refs/heads/main/requirements.txt) herunter. Installieren Sie die requirements.txt-Datei wie folgt in einer neuen Umgebung namens “vflussenv”.

(vflussenv) $ pip install -r requirements.txt

Binärräder für GDAL, Rasterio, Fiona und Shapely sind seit 2024-10 auf PyPI verfügbar, so dass kein externes PPA mehr erforderlich ist.

Fließwerkzeuge installieren¶

(vflussenv) $ pip install flusstools

Testen Sie es:

(vflussenv) $ python
>>> import flusstools as ft

`conda` / `mamba` - empfohlen unter Windows 11 & plattformübergreifende Datenwissenschaft¶

2025 Status von GDAL unter Windows¶

2024‐10: gdal‐3.9.0‐cp311‐win amd64.whl landete auf PyPI > pure‐pipinstallationen funktionieren endlich unter Windows.
Große Geospatial Stacks (Proj, GEOS, HDF5, NetCDF) sind jedoch noch einfacher über den conda‐forge Kanal.
Use pip only when you must keep the environment minimal.

Quick Guide (Anaconda / Miniforge)¶

Installieren Sie Miniforge 4 (leichter als Anaconda, standardmäßig auf conda-forge) - lesen Sie die Installationsanweisungen auf der Website des Entwicklers website].
Holen Sie sich die flusstools environment.yml] und verwenden Sie es, um die conda flussenv zu erstellen (dauert ein paar Minuten):
```
conda env create -f environment.yml
```
Aktivieren Sie flussenv und installieren Sie flusstools, ein rein PyPi-gehostetes Paket:
```
conda activate flussenv
pip install flusstools
```

Füge einen Jupyter-Kernel hinzu:

ipython kernel install --user --name fluss_kernel

Install extra packages with `pip`¶

Mehr als 500 000 Projekte leben heute auf PyPI. Basissyntax:

Linux/macOS (venv)

Windows (conda env)

(vflussenv) $ pip install seaborn

Großanlage¶

E-Book-Beispiele beruhen auf dem folgenden wissenschaftlichen Stack (bereits in der bereitgestellten requirements.txt enthalten):

numpy, pandas, scipy, matplotlib, seeborn.
Geopandas, formbar, rasterio, rasterstats, laspy
networkx, openpyxl, tabellarisch

Installieren Sie sie manuell mit:

(vflussenv) pip install numpy pandas geopandas rasterio rasterstats laspy networkx openpyxl tabulate

Installieren Sie Jupyter Kernel¶

(vflussenv) pip install ipykernel jupyterlab
(vflussenv) python -m ipykernel install --user --name vfluss_kernel

Wählen Sie vfluss kernel aus Kernel > Kernel ändern innerhalb von JupyterLab.

Aktualisierung von Umgebungen¶

Aktualisieren der virtuellen Umgebung (venv)¶

schön - virtualenv macht das einfach. Hier ist ein **robuster Upgrade-Flow, der Ihren aktuellen Venv (vflussenv) behält und sich auf JupyterLab + Jupyter Book konzentriert. keine Conda, keine YAML-Bearbeitungen.

1. Aktivieren & Snapshot für einfaches Rollback

# activate your venv if not already
source vflussenv/bin/activate

# snapshot current state for rollback
pip freeze > requirements-$(date +%Y%m%d).txt

2. Stellen Sie sicher, dass die Build-Toolchain aktuell ist

pip install -U pip setuptools wheel

3. Alte Pakete anzeigen

pip list --outdated

4. Aktualisieren Sie alle Pakete (zwei Optionen)

Option A -- safe loop (exhaustive)

Option B -- "requirements with >="

Aktualisiert jedes * Pip-verwaltete * Paket, außer direkte VCS / URL-Installationen.

python - <<'PY'

import json, subprocess, sys
# get outdated packages in JSON
out = subprocess.check_output(
    [sys.executable, "-m", "pip", "list", "--outdated", "--format=json"],
    text=True
)
# take just the package names
names = [pkg["name"] for pkg in json.loads(out)]

# optional: don't re-upgrade the bootstrap tools every loop
skip = {"pip", "setuptools", "wheel"}
for name in names:
    if name in skip:
        continue
    subprocess.check_call([sys.executable, "-m", "pip", "install", "--upgrade", name])
PY

This option preserves a backup and handles macOS/Linux sed differences.

# start from a clean freeze
pip freeze > requirements.txt

# Linux:
sed -i 's/==/>=/' requirements.txt
# macOS (BSD sed):
# sed -i '' 's/==/>=/' requirements.txt

# upgrade per the relaxed pins
pip install --upgrade -r requirements.txt

5 Optional das neue Set anheften

pip freeze > requirements-upgraded-$(date +%Y%m%d).txt

6. Verifizieren

jupyter lab --version
jupyter-book --version
python -c "import sys; print(sys.version)"

7 Aufräumen

Reinigen Sie alte Build-Caches, um Speicherplatz zu sparen:

pip cache purge

Conflicts / “ResolutionImpossible”

Beginnen Sie mit dem Upgrade der roots (z.B. pip install -U jupyterlab jupyter-book nbclient nbconvert) und wiederholen Sie es.
If the error names a specific pin in your requirements.txt, relax just that one (or delete the line) and rerun.
Wenn Sie editierbare/VCS-Installationen gemischt haben, aktualisieren Sie sie einzeln: pip install -U git+https://....
Worst case: rollen Sie zurück zu Ihrem Snapshot:
```
pip install -r requirements-YYYYMMDD.txt
```

Update conda env¶

1. Erstellen Sie eine Momentaufnahme des aktuellen Zustands (einfaches Rollback)

# exact conda specs
conda list --explicit > conda-specs-$(date +%Y%m%d).txt
# pip packages (if any were installed via pip)
python -m pip freeze > pip-freeze-$(date +%Y%m%d).txt

**2. Optional, aber empfohlen: Behalten Sie Ihre aktuelle Python-Moll-Version **

Dies verhindert einen unerwarteten Python-Sprung, der Konflikte verursachen kann. Passen Sie 3.11.* an was auch immer python --version zeigt:

python --version
# pin to current minor while updating other deps
conda install "python=3.11.*" -c conda-forge

3. Stellen Sie sicher, dass Ihr Solver auf dem neuesten Stand ist

# update conda itself (and mamba if you have it) in base
conda activate base
conda update -n base -c conda-forge conda
# optional: if you use mamba
conda install -n base -c conda-forge mamba
conda activate vflussenv

4. Aktualisieren Sie alle Conda-Pakete

Verwenden Sie strenge Conda-Schmiede für Konsistenz (um Ihre YAML nicht zu ändern).

# with mamba (faster)
mamba update --all -c conda-forge --yes

# or with conda
conda update --all -c conda-forge --yes

5. Wenn Sie pip für einige Pakete verwendet haben, aktualisieren Sie diese auch

Tun Sie dies nur **nach ** dem Conda-Update. Dies hält conda verantwortlich für Kernbibliotheken.

# show what’s outdated (pip-managed only)
python -m pip list --outdated

# upgrade all pip-managed packages (safer loop than xargs)
python - <<'PY'
import subprocess, sys
out = subprocess.check_output([sys.executable, "-m", "pip", "list", "--outdated", "--format=freeze"], text=True)
pkgs = [line.split("==")[0] for line in out.splitlines() if "@" not in line]
for p in pkgs:
    subprocess.check_call([sys.executable, "-m", "pip", "install", "-U", p])
PY

6. Reine Caches

conda clean -a -y

7. Versionen überprüfen

jupyter lab --version
jupyter-book --version
python -c "import sys, jupyterlab; print('py', sys.version);"

Nutzung der Umwelt in IDEs¶

JupyterLabor¶

(vflussenv) jupyter lab

Point your browser to https://hydro-informatics.com/lab. Switch kernels via the Kernel menu.

PyCharm¶

Datei > Einstellungen > Python Interpreter > Add > Existing > pick ~/venvs/vflussenv/bin/python (Linux) oder %USERPROFILE%\mambaforge\envs\flussenv\python.exe (Windows).
Aktivieren Sie Sync Python Packaging Tools, damit pip install im Terminal von PyCharm die Interpreterliste aktualisiert.

Umgebungen löschen¶

venv: rm -rf ~/venvs/vflussenv
conda: conda env remove -n flussenv

Installationsgrundlinie¶

Verwenden Sie python -m venv (pipx für CLI-Tools), es sei denn, ein Paket erfordert C/C++-Bibliotheken, die Ihr Betriebssystem nicht erfüllen kann, und greifen Sie dann nach conda‐forge.
Windows-Benutzer brauchen keine Conda mehr für GDAL, aber Conda bleibt der einfachste Weg für einen vollständigen geospatialen Data-Science-Stack.
Pin exact package versions for archival projects; use >= pins for living research code.
Installieren Sie niemals Pakete mit sudo pip; arbeiten Sie immer in einer isolierten Umgebung.