Accéder au contenu principal

Les 9 meilleures alternatives à Anaconda pour la gestion de l'environnement Python

Ce guide concis et facile à suivre vous aidera à découvrir les meilleures alternatives à Anaconda et à trouver l'outil adapté à vos projets Python.
Actualisé 15 janv. 2025  · 23 min de lecture

Une bonne gestion de l'environnement est nécessaire pour les développeurs. Il garantit que les projets sont reproductibles, que les dépendances sont gérées en douceur et que les conflits entre bibliothèques sont minimisés. 

Anaconda est depuis longtemps un choix populaire pour ces tâches, offrant une solution tout-en-un avec une suite complète d'outils conçus pour simplifier la configuration et la gestion des environnements Python. Cependant, malgré son utilisation répandue, il peut s'avérer moins adapté à certains projets.

Pour certains développeurs, Anaconda peut être trop gourmand en ressources et est tout simplement plus que ce dont ils ont besoin pour leurs flux de travail spécifiques. Ses conditions de licence peuvent également être trop restrictives. Par conséquent, de nombreuses équipes recherchent des solutions alternatives qui offrent une plus grande personnalisation, une utilisation plus légère des ressources ou un meilleur contrôle des dépendances et des environnements. 

Dans cet article, je vais vous présenter quelques-unes des meilleures alternatives à Anaconda, en soulignant leurs caractéristiques et les cas d'utilisation idéaux. Allons-y !

Pourquoi choisir une alternative à Anaconda ?

Sans aucun doute, Anaconda est un outil puissant pour gérer les environnements et les paquets Python, mais il n'est pas toujours optimal pour tous les types de projets (ou de développeurs). 

Image montrant différentes raisons de chercher des alternatives à Anaconda

Les différentes raisons d'envisager des alternatives à Anaconda. Créé avec napkin.ai

Vous pouvez envisager d'utiliser une alternative pour plusieurs raisons. Nous examinons ci-dessous quelques-unes des principales raisons de ne pas se contenter d'Anaconda.

Open source et licences

Si Anaconda repose sur de nombreux logiciels libres, sa structure de licence pour une utilisation commerciale est plus complexe. 

Anaconda propose une version gratuite pour les utilisateurs individuels, mais les entreprises ou organisations qui utilisent Anaconda à grande échelle dans des environnements de production peuvent être tenues d'acheter une licence commerciale. En fait, Anaconda a récemment modifié ses conditions de licence, ce qui affecte les universités et les organisations à but non lucratif.

Cela a conduit certains utilisateurs à explorer des alternatives plus permissives qui restent entièrement open source ou offrent des conditions de licence plus claires et moins restrictives.

De plus, la taille de la distribution Anaconda peut sembler excessive pour les utilisateurs qui n'ont pas besoin de tous les paquets inclus. Les solutions à code source ouvert permettent souvent de contrôler plus finement les paquets installés, de réduire le nombre de paquets et d'adhérer à des accords de licence plus simples et plus souples.

Utilisation des ressources

L'un des inconvénients d'Anaconda est qu'il consomme beaucoup de ressources. Il nécessite beaucoup d'espace disque et de mémoire, ce qui peut poser problème aux utilisateurs disposant de ressources matérielles limitées ou à ceux qui privilégient les configurations les plus légères.

Personnalisation et flexibilité

Anaconda offre un large éventail d'outils et de paquets, ce qui peut être à la fois un atout et un inconvénient. La suite complète d'Anaconda peut être excessive pour les développeurs qui ont besoin de plus de personnalisation ou qui préfèrent intégrer des outils spécifiques dans leur flux de travail.

Gestion des dépendances

Alors qu'Anaconda excelle dans la simplification de la gestion des paquets avec Conda, certains développeurs préfèrent des alternatives qui offrent un contrôle plus fin sur les dépendances. Dans la section suivante, nous aborderons certains outils qui offrent une gestion plus explicite de la résolution des dépendances et de la gestion des conflits, ce qui peut s'avérer avantageux pour les projets complexes.

Devenez développeur Python

Acquérir les compétences de programmation dont tous les développeurs Python ont besoin.
Commencez à apprendre gratuitement

Top Anaconda Alternatives pour le développement Python

Il existe plusieurs alternatives à Anaconda. Chacun d'entre eux offre des caractéristiques et des avantages uniques, répondant à différents aspects du développement Python. 

Nous allons explorer quelques-unes de ces alternatives, en nous concentrant sur leurs caractéristiques et les cas d'utilisation idéaux. Ils sont énumérés sans ordre particulier ; le meilleur choix dépendra de vos besoins.

1. Miniconda

Miniconda est un installateur minimal pour Conda, conçu pour fournir les fonctionnalités de base de Conda sans les paquets et outils supplémentaires inclus dans la distribution complète d'Anaconda. 

Il permet aux utilisateurs de n'installer que les paquets nécessaires, ce qui se traduit par un environnement plus léger et plus personnalisé. Comme Anaconda, Miniconda offre une gestion puissante des paquets et de l'environnement, mais se concentre sur la simplicité et l'efficacité.

Caractéristiques :

  • Léger et minimal: Miniconda n'inclut que les composants Conda essentiels, ce qui permet aux utilisateurs d'avoir un contrôle total sur les paquets supplémentaires à installer.
  • Personnalisable: Les utilisateurs peuvent créer leur environnement de A à Z, en installant uniquement les outils et les bibliothèques nécessaires à leurs projets.
  • Support complet de Conda: Bien que Miniconda soit un programme d'installation minimal, il conserve toutes les puissantes fonctionnalités de gestion des paquets et de l'environnement de Conda, ce qui garantit la compatibilité avec les environnements Conda.
  • Plateforme croisée: Comme Conda, Miniconda est disponible sur Windows, macOS et Linux.

Pourquoi choisir Miniconda ?

Miniconda est idéal pour les utilisateurs qui souhaitent bénéficier de la flexibilité et de la puissance de Conda sans les frais généraux d'une installation complète d'Anaconda. C'est un excellent choix pour :

  • Les utilisateurs soucieux des ressources qui cherchent à économiser l'espace disque et la mémoire.
  • Les développeurs qui préfèrent une configuration simplifiée n'installant que les outils dont ils ont besoin.
  • Les utilisateurs qui souhaitent un environnement flexible et léger tout en supportant les fonctionnalités avancées de Conda, telles que la gestion de l'environnement et le contrôle de la version des paquets.

2. Pipenv

Pipenv est un outil qui combine les fonctionnalités de Pip et de Virtualenv pour gérer les dépendances Python et les environnements virtuels. Il utilise un site Pipfile pour spécifier les dépendances du projet et gère automatiquement la création et la gestion de l'environnement.

Voici un exemple de Pipefile

# Source: https://pipenv.pypa.io/en/latest/pipfile.html
[[source]]
url = "https://pypi.org/simple"
verify_ssl = true
name = "pypi"
[packages]
Django = "==4.*"
waitress = {version = "*", markers="sys_platform == 'win32'"}
gunicorn = {version = "*", markers="sys_platform == 'linux'"}
[dev-packages]
pytest-cov = "==3.*"

Caractéristiques :

  • Gestion des dépendances avec Pipfile: Pipenv utilise un fichier Pipfile pour déclarer les dépendances d'un projet, remplaçant ainsi le traditionnel fichier requirements.txt.
  • Gestion automatique de l'environnement virtuel: Il crée et gère automatiquement des environnements isolés pour vos projets, ce qui simplifie le processus de séparation des dépendances.
  • Constructions déterministes: Le site Pipfile.lock garantit que toutes les dépendances et leurs versions sont verrouillées, ce qui permet de créer des environnements reproductibles sur différents systèmes.
  • Contrôles de sécurité: Pipenv effectue des contrôles de sécurité sur les dépendances pour s'assurer que vous n'utilisez pas de paquets présentant des vulnérabilités connues.

Pourquoi choisir Pipenv ?

Pipenv est un excellent choix pour les utilisateurs qui souhaitent un outil intégré pour gérer à la fois les dépendances et les environnements sans avoir à gérer manuellement les environnements virtuels. C'est pratique pour :

  • Les développeurs qui souhaitent un processus simplifié de gestion des dépendances combinant les fonctionnalités de Pip et de Virtualenv.
  • Les équipes qui recherchent des constructions déterministes et reproductibles, en s'assurant que tout le monde travaille dans le même environnement.
  • Les utilisateurs préfèrent une approche propre et moderne de la gestion des projets Python, avec des contrôles de sécurité intégrés et une gestion transparente de l'environnement.

3. Poésie

Python est un outil intégré de gestion des dépendances et d'empaquetage permettant de rationaliser la gestion des projets Python. Il gère les dépendances, l'empaquetage et la publication, en mettant l'accent sur la simplicité et la cohérence.

Le fichier le plus important dans un projet de poésie (initialement) est pyproject.toml. C'est ce qui est utilisé pour orchestrer votre projet et ses dépendances. Si vous commencez avec la démo présentée dans ladocumentation , votre fichier pyproject.toml se présentera comme suit :

[tool.poetry]
name = "poetry-demo"
version = "0.1.0"
description = ""
authors = ["Sébastien Eustace <sebastien@eustace.io>"]
readme = "README.md"
packages = [{include = "poetry_demo"}]
[tool.poetry.dependencies]
python = "^3.7"
[build-system]
requires = ["poetry-core"]
build-backend = "poetry.core.masonry.api"

Caractéristiques :

  • Gestion intégrée des dépendances: Poetry gère les dépendances de votre projet via le fichier pyproject.toml, ce qui simplifie le processus d'ajout, de mise à jour et de suppression des paquets.
  • Emballage et édition: Poetry vous permet d'empaqueter facilement votre projet et de le publier sur PyPI ou d'autres dépôts de paquets, le tout dans le même outil.
  • Constructions reproductibles: En verrouillant les dépendances dans le fichier poetry.lock, Poetry garantit la cohérence des constructions dans différents environnements.

Pourquoi choisir la poésie ?

Python est idéal pour les utilisateurs qui recherchent une approche holistique et unifiée de la gestion de projets Python. Il simplifie le processus de développement en gérant la gestion des dépendances et l'empaquetage au sein d'un seul et même outil. Vous devriez envisager d'utiliser la Poésie si :

  • Vous voulez des constructions cohérentes et reproductibles, en veillant à ce que tous les environnements soient synchronisés.
  • Vous préférez un projet propre et bien structuré, avec une configuration simple et des commandes intuitives.
  • Vous avez besoin d'un outil qui gère tout, des dépendances à la publication, et qui offre une expérience transparente du développement au déploiement.

4. Virtualenv

Virtualenv est un outil léger qui permet de créer des environnements Python isolés. Il permet aux utilisateurs de gérer séparément les dépendances de différents projets et offre un moyen simple de maintenir plusieurs environnements sans interférence.

Caractéristiques :

  • Environnements isolés: Virtualenv crée des environnements isolés pour chaque projet, ce qui évite les conflits entre les dépendances et garantit que chaque projet peut fonctionner de manière indépendante.
  • Prise en charge de plusieurs versions de Python: Vous pouvez créer des environnements utilisant différentes versions, ce qui facilite le travail sur des projets dont les exigences en matière de Python varient.
  • Facilité d'utilisation: Virtualenv est léger et simple, et fournit des commandes directes pour créer, activer et désactiver des environnements.

Pourquoi choisir Virtualenv ?

Virtualenv est un excellent choix pour les utilisateurs qui ont besoin d'un outil simple et efficace pour gérer des environnements Python isolés. Il est particulièrement adapté pour :

  • Les développeurs à la recherche d'une solution légère sans les frais généraux d'outils de gestion de l'environnement plus complexes.
  • Projets nécessitant différentes versions de Python ou de bibliothèques, rendant cruciaux les environnements isolés.
  • Les utilisateurs qui préfèrent une méthode minimale et directe pour la gestion de l'environnement sans dépendances ou installations supplémentaires.

5. Pyenv

Python est un outil de gestion des versions qui permet aux utilisateurs d'installer et de basculer entre plusieurs versions de Python sur un même système. Il s'intègre à Virtualenv pour fournir une solution complète de gestion de l'environnement.

Caractéristiques :

  • Gestion de plusieurs versions de Python: Pyenv vous permet d'installer et de passer d'une version de Python à l'autre sans effort, ce qui facilite la gestion de projets dont les besoins en Python varient.
  • Prise en charge de diverses distributions Python: Pyenv prend en charge un large éventail de distributions Python, notamment CPython, PyPy, Anaconda et d'autres, ce qui offre aux développeurs une certaine souplesse dans le choix de la distribution adaptée à leurs projets.
  • Intégration avec Virtualenv: Python s'intègre parfaitement à Virtualenv, offrant ainsi une solution complète pour gérer à la fois les versions de Python et les environnements isolés. Cela permet de mieux contrôler les dépendances du projet.

Pourquoi choisir Pyenv ?

Pyenv est idéal pour les développeurs qui gèrent plusieurs versions de Python dans le cadre de différents projets. Sa capacité à passer facilement d'une version à l'autre et son intégration avec Virtualenv en font un outil puissant :

  • Les développeurs travaillant sur des projets qui nécessitent différentes versions ou distributions de Python.
  • Les utilisateurs qui ont besoin de flexibilité et de contrôle sur leurs environnements de développement, ce qui permet des transitions en douceur entre les projets.
  • Ceux qui préfèrent un flux de travail rationalisé en combinant la gestion des versions de Python et l'isolation de l'environnement dans un seul outil.

6. Miniforge

Miniforge est une alternative légère à Anaconda qui se concentre sur la fourniture d'un installateur Conda minimal. 

Au lieu de la distribution complète d'Anaconda, qui comprend des centaines de paquets, Miniforge vous offre un environnement minimal avec seulement Conda et Python. Cela permet aux utilisateurs de n'installer que les paquets spécifiques dont ils ont besoin, ce qui offre une plus grande flexibilité et évite les surcharges inutiles.

Caractéristiques :

  • Installation minimale: Contrairement à Anaconda, qui comprend de nombreuses bibliothèques préinstallées, Miniforge ne fournit que l'essentiel. Vous pouvez alors n'installer que les paquets spécifiques nécessaires à vos projets.
  • Prise en charge de différentes architectures: Miniforge prend en charge les architectures x86_64 et ARM, ce qui le rend plus polyvalent, en particulier pour les utilisateurs travaillant sur des Apple Silicon Mac M1/M2.
  • Conda-forge s'est concentré sur: Miniforge utilise par défaut le dépôt Conda-forge, une collection communautaire de paquets de haute qualité. Comparé au dépôt par défaut d'Anaconda, Conda-forge a tendance à avoir plus de paquets à jour et bien entretenus.
  • Mises à jour plus rapides des paquets: Comme il utilise Conda-forge, les paquets sont mis à jour plus rapidement, ce qui vous permet de travailler avec les dernières versions des bibliothèques.

Pourquoi choisir Miniforge ?

Miniforge est une solution idéale pour les utilisateurs qui souhaitent bénéficier de la flexibilité et de la puissance de Conda, mais sans l'encombrement de la distribution complète d'Anaconda. Il est particulièrement utile pour :

  • Les utilisateurs qui souhaitent un environnement léger et préfèrent personnaliser leur installation.
  • Les utilisateurs d'Apple M1/M2 qui ont besoin d'une prise en charge native de l'architecture ARM.
  • Développeurs ou scientifiques des données qui s'appuient sur le dépôt Conda-forge pour obtenir des paquets à la pointe de la technologie.

7. Mamba

Mamba est une réimplémentation rapide et en C++ du gestionnaire de paquets Conda. Il est conçu pour répondre à l'un des principaux problèmes liés à l'utilisation de Conda : la vitesse. 

En tant que remplaçant direct de Conda, Mamba vise à réduire considérablement le temps nécessaire à la résolution des dépendances et à l'installation des paquets, tout en étant entièrement compatible avec les environnements et les commandes Conda existants.

Caractéristiques :

  • Résolveur de dépendances ultra-rapide: Mamba est beaucoup plus rapide pour résoudre les dépendances que Conda, qui peut être lent dans des environnements avec des dépendances complexes.
  • Téléchargements multithreads: Mamba exploite le multithreading pour télécharger les paquets en parallèle, ce qui accélère encore le processus d'installation.
  • Compatibilité avec Conda: Mamba est conçu pour être entièrement compatible avec Conda, ce qui signifie que vous pouvez l'utiliser dans des environnements existants sans modifier votre flux de travail.
  • Plateforme croisée: Mamba fonctionne sur différents systèmes d'exploitation, notamment Windows, macOS et Linux, ce qui en fait une solution polyvalente pour les utilisateurs sur différentes plateformes.

Pourquoi choisir Mamba ?

Mamba est l'outil de référence pour les utilisateurs qui aiment Conda mais qui sont frustrés par ses performances, en particulier dans le cadre de projets complexes ou de grande envergure. Vous devriez considérer Mamba si :

  • La vitesse est une priorité, et vous devez installer ou mettre à jour des paquets plus rapidement.
  • Vous travaillez avec de grands projets ou des dépendances multiples, où les performances de Conda peuvent devenir lentes.
  • Vous voulez une alternative Conda entièrement compatible sans modifier votre environnement ou vos flux de travail existants.

8. Conda (autonome)

Conda, lorsqu'il est utilisé indépendamment d'Anaconda, fournit une solution puissante de gestion des paquets et de l'environnement. Cette utilisation autonome offre la flexibilité des fonctionnalités principales de Conda tout en conservant une configuration plus légère. Il convient à de nombreuses applications au-delà de Python, notamment R et d'autres langages.

Caractéristiques :

  • Gestion complète des paquets et de l'environnement: Conda peut gérer à la fois des paquets et des environnements isolés, ce qui facilite l'installation et le passage d'un environnement de projet à l'autre.
  • Prise en charge d'une large gamme de paquets: La gestion des paquets de Conda ne se limite pas à Python ; elle prend en charge des bibliothèques et des outils dans divers langages, ce qui la rend plus polyvalente que les gestionnaires traditionnels réservés à Python, comme Pip.
  • Utilisation flexible: Conda peut être utilisé indépendamment de la distribution complète Anaconda, fournissant le même environnement et la même puissance de gestion des paquets sans l'encombrement supplémentaire.

Pourquoi choisir Conda ?

Conda est parfait pour les utilisateurs qui veulent les fonctionnalités robustes de gestion des paquets et de l'environnement de Conda sans les frais généraux d'Anaconda. Il est idéal pour :

  • Les utilisateurs qui ont besoin d'une installation légère mais qui veulent quand même avoir accès aux puissantes fonctions de gestion de Conda.
  • Les développeurs travaillant sur plusieurs langues ou ayant besoin de gérer des dépendances autres que Python.
  • Ceux qui veulent une solution flexible et autonome pour gérer les dépendances et les environnements, avec la possibilité d'éviter la suite complète Anaconda.

Si vous décidez d'opter pour cette solution, n'oubliez pas de conserver cette fiche pratique sur les condensats!

9. Docker

Docker est une plateforme de conteneurisation qui regroupe les applications et leurs dépendances dans des conteneurs, garantissant ainsi des environnements cohérents à différents stades du développement et du déploiement.

Caractéristiques :

  • Conteneurs isolés: Docker crée des conteneurs isolés qui comprennent tout ce dont une application a besoin pour fonctionner, garantissant ainsi qu'elle est indépendante des configurations du système hôte.
  • Cohérence entre les environnements: Les conteneurs garantissent que les applications se comportent de la même manière dans les environnements de développement, de test et de production, minimisant ainsi le problème du "ça marche sur ma machine".
  • Agnostique en termes de langage et d'outils: Docker prend en charge de nombreux langages de programmation, bibliothèques et outils, ce qui le rend polyvalent pour les développeurs travaillant sur divers projets.

Pourquoi choisir Docker ?

Docker est idéal pour les développeurs et les équipes qui ont besoin d'environnements isolés et cohérents pour des projets complexes ou des déploiements au niveau de la production. Ses capacités de conteneurisation sont particulièrement efficaces pour :

  • Assurer la cohérence entre les environnements de développement, de test et de production.
  • Gérer des projets complexes avec des dépendances et des configurations complexes, en particulier ceux qui couvrent plusieurs langues ou qui nécessitent des paramètres système spécifiques.
  • Les utilisateurs qui souhaitent déployer facilement des applications sur différents systèmes sans se soucier des problèmes de compatibilité ou des différences d'environnement.

Docker peut être un outil complexe, mais tous les développeurs devraient le connaître. Si vous voulez commencer, consultez le cours Introduction à Docker

Anaconda Alternatives : Un résumé

Voici un aperçu des principales caractéristiques et des cas d'utilisation de chaque solution. Reportez-vous-y à chaque fois que vous avez besoin de trouver ce qui correspond le mieux à vos besoins en matière de développement Python. 

Nom de l'outil

Type

Caractéristiques

Meilleur pour

Utilisation des ressources

Plate-forme

Miniconda

Responsable de l'environnement

Léger, installation de paquets personnalisés, prise en charge de Conda

Utilisateurs ayant besoin d'une installation minimale

Faible

Windows, macOS, Linux

Pipenv

Gestionnaire de dépendances

Gestion des fichiers de pipelines, intégration d'environnements virtuels

Gestion simplifiée des dépendances

Modéré

Windows, macOS, Linux

Poésie

Gestionnaire de dépendances

Gestion intégrée des dépendances et conditionnement

Gestion complète du projet

Modéré

Windows, macOS, Linux

Virtualenv

Responsable de l'environnement

Environnements isolés, prise en charge de la version de Python

Création simple d'un environnement

Faible

Windows, macOS, Linux

Pyenv

Gestionnaire de version

Gestion de plusieurs versions de Python, intégration avec Virtualenv

Gérer plusieurs versions de Python

Faible

macOS, Linux (Windows via WSL)

Miniforge

Responsable de l'environnement

Installation minimale, prise en charge de Conda-forge, prise en charge de l'architecture ARM

Utilisateurs ayant besoin d'une alternative légère à Conda

Faible

Windows, macOS, Linux (ARM)

Mamba

Responsable de l'environnement

Résolution rapide des dépendances, téléchargements multithreads

Utilisateurs recherchant une gestion rapide de l'environnement à la manière de Conda

Faible

Windows, macOS, Linux

Conda (autonome)

Responsable de l'environnement

Gestion des paquets et de l'environnement, pas de suite Anaconda complète

Gestion légère de Conda

Modéré

Windows, macOS, Linux

Docker

Conteneurisation

Isolation de l'environnement, cohérente d'un stade à l'autre

Projets complexes, production

Haut

Windows, macOS, Linux

Conclusion

Si Anaconda est un outil robuste et largement utilisé pour gérer les environnements et les paquets Python, il ne convient pas toujours à tous les projets ou à tous les utilisateurs, notamment en raison des récents changements de licence. Des facteurs tels que des exigences élevées en matière de ressources, de faibles performances et le besoin de solutions plus personnalisées peuvent rendre Anaconda inadapté. 

Heureusement, il existe plusieurs alternatives que vous pouvez envisager. Des options légères comme Miniconda et Virtualenv offrent des configurations rationalisées, tandis que des outils complets comme Poetry et Docker offrent des fonctionnalités étendues pour des besoins plus complexes. 

Je vous encourage à explorer les alternatives décrites dans cet article pour trouver celle qui correspond le mieux à vos besoins.

Pour plus d'informations et de ressources pour vous aider à démarrer, consultez ces lectures complémentaires et les cours de DataCamp :

Devenez un scientifique ML

Améliorez vos connaissances en Python pour devenir un scientifique spécialisé dans l'apprentissage automatique.

FAQ

Pourquoi devrais-je choisir une alternative plus légère à Anaconda ?

Certaines alternatives à Anaconda sont moins gourmandes en ressources, ce qui les rend idéales pour les utilisateurs disposant d'un espace disque ou d'une mémoire limités ou pour ceux qui préfèrent une configuration plus minimale.

Puis-je utiliser Docker comme alternative à Anaconda pour les projets de science des données ?

Oui, Docker peut être une alternative puissante pour créer des environnements isolés et reproductibles qui incluent Python, des bibliothèques et d'autres dépendances nécessaires aux projets de science des données.

Pyenv est-il adapté à la gestion de plusieurs versions de Python ?

Oui, Python est spécifiquement conçu pour gérer plusieurs versions de Python sur votre système, ce qui facilite le passage d'une version à l'autre pour différents projets.

Quels sont les avantages de Miniconda par rapport à Anaconda pour les débutants ?

Miniconda offre une configuration minimale qui est plus facile à gérer pour les débutants qui veulent commencer avec des outils de base et ajouter des paquets selon leurs besoins, réduisant ainsi la complexité et l'utilisation des ressources par rapport à Anaconda.

Quelle est la différence entre Pipenv et Python pour la gestion des dépendances de Python ?

Pipenv se concentre sur la combinaison des fonctionnalités de Pip et Virtualenv pour une meilleure gestion des dépendances, tandis que Poetry offre une approche plus intégrée, gérant les dépendances, l'empaquetage et la publication d'une manière rationalisée.


Kurtis Pykes 's photo
Author
Kurtis Pykes
LinkedIn
Sujets

Apprenez-en plus sur Python avec ces cours !

Certification disponible

cours

Introduction à Python pour les développeurs

3 hr
26.5K
Maîtrisez les fondamentaux de la programmation en Python. Aucune connaissance préalable n'est requise !
Afficher les détailsRight Arrow
Commencer le cours
Voir plusRight Arrow