En tant que data scientist utilisant Python, vous vous demandez peut‑être quels avantages offre un environnement de développement intégré (IDE) comme PyCharm. Grâce à la lisibilité et à la simplicité de Python, vous pouvez modifier votre code avec un simple éditeur de texte, puis demander à un interpréteur Python de l’exécuter. Alors, pourquoi recourir à un IDE lourd et complexe pour arriver au même résultat ?
Dans les sections qui suivent, nous allons répondre à cette question en détaillant les problèmes spécifiques que PyCharm peut résoudre pour vous et la manière d’en tirer le meilleur parti.
Pourquoi avez-vous besoin de PyCharm ?
Disposer d’un bon environnement de développement est essentiel pour doper votre productivité. Le travail en Python ne se limite pas à écrire du code : il inclut aussi les tests, le débogage, la gestion des environnements et des packages, le contrôle de version, et bien d’autres opérations fastidieuses parfois peu visibles. Un IDE Python comme PyCharm vous aide à vous concentrer sur le développement en simplifiant le reste, grâce à de nombreuses fonctionnalités : surlignage de la syntaxe, indentation automatique, outils de débogage, etc.
Installer et configurer PyCharm
Avant d’installer PyCharm, assurez‑vous que votre matériel répond bien aux prérequis techniques pour installer et exécuter le logiciel. La liste complète est disponible sur le site de JetBrains, mais pour en citer quelques‑uns, votre ordinateur doit :
- Disposer d’au moins 4 Go de RAM (8 Go recommandés)
- Offrir au moins 2,5 Go d’espace disque et 1 Go pour les caches
- Avoir Python 2.7 ou Python 3.6 (ou version plus récente) déjà installé L’installation de PyCharm est similaire à celle de tout autre logiciel et se déroule comme suit :
- Rendez‑vous d’abord sur le site de JetBrains, où vous pouvez télécharger l’IDE. L’écran s’affiche comme suit :
- Plusieurs options sont proposées selon votre système d’exploitation. L’option par défaut correspond à votre OS, détecté automatiquement à l’ouverture du site (Windows pour les ordinateurs sous Windows, par exemple).
- Cliquez sur le bouton Download correspondant à votre OS. Le téléchargement peut prendre un moment.
Si vous téléchargez l’édition Professional, vous pouvez profiter de ses fonctionnalités exclusives pendant 30 jours d’essai gratuit. Ensuite, il faudra acheter une licence pour continuer à l’utiliser. Avec l’édition Community, vous pourrez utiliser PyCharm gratuitement dès l’installation.
Une fois le téléchargement terminé, ouvrez votre explorateur de fichiers dans le dossier de destination. Vous pouvez maintenant lancer l’installation :
- Exécutez le fichier pycharm-2021.3.exe et suivez les étapes de l’assistant. Votre écran devrait ressembler à ceci :
Cliquez sur Next et suivez les étapes de l’assistant d’installation :
- Prenez en compte les options suivantes pendant l’installation :
- 64-bit launcher : crée une icône de lancement sur votre bureau.
- Open Folder as Project : ajoute une option au menu contextuel des dossiers pour ouvrir le répertoire sélectionné comme projet PyCharm.
- .py : associe les fichiers Python pour les ouvrir dans PyCharm.
- Add launchers dir to the PATH : permet d’exécuter cette instance de PyCharm depuis la console sans préciser son chemin.
Pour lancer votre IDE fraîchement installé, retrouvez‑le dans le menu Démarrer de Windows ou utilisez le raccourci créé sur le bureau.
Aperçu de l’interface
Au lancement de l’IDE, votre vue devrait être similaire à ceci :
Votre PyCharm peut différer de la capture ci‑dessus selon vos plugins, l’édition choisie et vos réglages. Voici le rôle de certains éléments :
-
Éditeur Vous l’utilisez pour manipuler (lire/écrire/explorer) votre code.
-
Indicateurs et liste d’actions Les icônes à gauche de l’éditeur vous aident à trouver des correctifs rapides et d’autres actions.
-
Barre de navigation Elle simplifie la navigation dans la structure du projet et l’ouverture des fichiers à éditer.
-
Barre d’état Affiche les alertes récentes et la description des actions au survol de la souris.
-
Fenêtre principale La fenêtre principale regroupe toutes les informations d’un projet.
Modifier vos raccourcis
PyCharm vous permet d’adapter rapidement votre environnement à vos préférences. Vous pouvez facilement conserver vos raccourcis favoris en les trouvant, les modifiant et les personnalisant. Résultat : vous gagnez en productivité et accédez plus vite aux fonctionnalités.
Ouvrez la boîte de dialogue Settings/Preferences avec Ctrl+Alt+S pour afficher la configuration des raccourcis, puis sélectionnez Keymap.
Cette liste contient les actions et tâches disponibles auxquelles vous pouvez ajouter ou personnaliser des raccourcis. Elles sont organisées pour retrouver facilement ce que vous cherchez.
Voyons quelques exemples. Pour l’action Join Lines, on voit qu’elle est associée au raccourci (Control + Shift + J) sous Windows. Certaines actions de la liste sont déjà liées à des raccourcis, d’autres pas encore (par exemple, Move Caret Backward a Paragraph). Vous pouvez leur attribuer des combinaisons de touches en faisant un clic droit sur l’action puis en créant un Keyboard Shortcut ou un Mouse Shortcut.
Personnaliser le thème de l’éditeur
Plus vous utilisez un IDE, plus il est utile de personnaliser le thème de l’éditeur indépendamment du thème global. La plupart des développeurs aiment ajuster des éléments comme la police. Par exemple, le schéma ci‑dessous (thème de l’éditeur) est Darcula (souvent appelé « thème sombre »).
Vous pouvez aussi personnaliser le renvoi à la ligne, qui définit la longueur maximale d’une ligne de code. Conformément au guide de style PEP 8, une ligne dans un fichier Python ne devrait pas dépasser 79 caractères. Il est donc recommandé de régler ce paramètre à 79. L’IDE affichera alors une ligne verticale à la 79e colonne pour indiquer l’endroit où il est conseillé de couper la ligne.
Découvrir les fonctionnalités clés de l’éditeur
D’après l’éditeur JetBrains, PyCharm repose sur deux principes clés :
- Booster la productivité : PyCharm facilite la vie des data scientists en leur permettant de se concentrer sur la construction de leurs modèles, en éliminant les tâches répétitives et peu créatives.
- Assistance en temps réel : PyCharm propose des fonctionnalités intelligentes pour corriger les incohérences en vérifiant en direct la logique, le style PEP 8 et en suggérant des correctifs rapides, entre autres. PyCharm offre également des fonctionnalités de plus haut niveau qui renforcent ces principes :
- Support du calcul scientifique : PyCharm inclut de nombreux outils qui simplifient le travail des data scientists, notamment via les notebooks IPython et une console interactive.
- Assistance intelligente au codage : complétion de code, analyse de la syntaxe et des erreurs, et méthodes automatisées pour refactoriser votre code.
- Outils de développement rationalisés : PyCharm permet de déboguer, tester et gérer votre code efficacement.
- Options pour le développement web : prise en charge des projets web Python et des technologies majeures comme JavaScript.
Créer un nouveau projet
Maintenant que vous avez vu comment PyCharm fluidifie votre workflow, créons votre premier projet.
- Si l’installation s’est bien déroulée, vous pouvez lancer l’IDE sans erreur. Votre écran d’accueil devrait ressembler à ceci :
- Cliquez sur le bouton New Project pour finaliser le processus. PyCharm ouvre une fenêtre pour saisir les détails du projet. Par défaut, il propose les paramètres suivants :
Ajustez les paramètres du projet selon vos besoins, puis cliquez sur Create.
Pour ajouter un nouveau fichier au projet, faites un clic droit sur le projet dans le panneau de gauche et choisissez New | Python File. Vous pouvez créer plusieurs types de fichiers, mais sélectionnons pour l’instant Python.
Une fenêtre s’ouvre pour renommer le fichier et choisir son type, comme ci‑dessous :
Donnez le nom que vous souhaitez. L’extension « .py » n’est pas nécessaire, puisque vous avez déjà indiqué qu’il s’agit d’un fichier Python. Cliquez sur OK pour continuer.
Le fichier est créé et s’ouvre par défaut. Écrivons un peu de code et exécutons‑le. Prenons un exemple simple qui affiche "Hello, World!" :
Pour l’exécuter dans PyCharm, ouvrez l’onglet Run et choisissez « Run » comme ci‑dessous :
Une fenêtre s’affiche : sélectionnez first_file (ou le nom de votre fichier) pour lancer l’exécution. Le panneau Run de PyCharm apparaît ensuite, avec diverses informations (emplacement, statut, sortie) sur le programme Python que nous venons d’exécuter. Il existe d’autres façons d’exécuter votre programme : vous pouvez cliquer sur le bouton vert à gauche du panneau Run pour relancer le fichier. Le raccourci par défaut est Ctrl + Shift + R sur macOS et Ctrl + Shift + F10 sur Windows. Vous pouvez personnaliser ces raccourcis dans Keymap, comme vu précédemment. Cette option relance le dernier fichier exécuté, pratique pour répéter plusieurs exécutions d’affilée. En revanche, ce n’est pas possible quand vous exécutez plusieurs fichiers. PyCharm simplifie de nombreuses étapes du processus de développement, et ce que nous avons vu jusqu’ici ne fait qu’effleurer le potentiel de cet IDE pour les data scientists et développeurs Python. Dans la section suivante, nous verrons comment gagner encore en productivité.
Coder plus efficacement
Le développement logiciel ou la mise en œuvre d’un projet de data science ne se résument pas à écrire du code : il faut aussi tester, déboguer et profiler. En raison de leur complexité et des connaissances nécessaires, beaucoup de développeurs appréhendent ces tâches et ont tendance à les éviter.
C’est précisément là que PyCharm intervient, en offrant une manière pratique d’appliquer les bonnes pratiques en temps réel au fil de vos projets. La gestion fastidieuse des packages, interprètes et environnements virtuels est également grandement simplifiée. PyCharm ne propose pas seulement des méthodes graphiques intuitives pour tout cela ; il fournit aussi une assistance intelligente au codage, un surlignage de la syntaxe et des suggestions en parallèle.
Débogage
L’objectif du débogage est d’identifier les causes des bugs détectés lors des tests et d’ajuster votre code pour obtenir le résultat attendu, juste et fiable.
Un data scientist ou un développeur Python observe, pendant le débogage, les interactions et les évolutions des variables du programme. Vous pouvez rechercher les causes possibles d’erreurs en voyant comment chaque fonction, méthode ou même ligne de code modifie la valeur et le comportement des variables.
Plusieurs approches de débogage sont utilisées en Python :
- Print debugging : insérer des instructions print entre les commandes pour afficher les valeurs des variables suspectes. En observant ces valeurs et leur évolution, vous voyez l’effet de chaque ligne sur les variables examinées.
- Logging : conserver une trace des événements pendant l’exécution. Cette approche est courante chez les administrateurs système confrontés aux crashs serveurs et aux problématiques de fiabilité.
- Tracing : suivre des détails bas niveau liés à l’exécution. Utile pour creuser l’origine d’un bug ou d’une erreur enracinée dans le langage.
- Utiliser un débogueur : méthode moins courante, qui consiste à utiliser un programme dédié. C’est généralement la plus robuste, car les débogueurs sont polyvalents et offrent divers moyens de surveiller les changements dans vos programmes.
Le print debugging peut suffire pour de petits ou moyens programmes. Mais sur un projet conséquent, un débogueur vous fera gagner du temps et boostera votre productivité.
Voyons un exemple dans PyCharm. Ici, nous avons créé un fichier Python contenant le code suivant :
Dans ce fichier, nous avons une fonction appelée assignFirstElement(), qui prend deux paramètres : une liste et un nombre, puis assigne cette valeur numérique au premier élément de la liste.
Dans notre programme, nous initialisons une liste de trois nombres (0, 1 et 2) et l’assignons à la variable list. Ensuite, nous affectons list à new_list afin qu’elles aient la même valeur. Puis, nous demandons à l’utilisateur de saisir un nombre, et appelons assignFirstElement() sur list pour modifier le premier élément depuis la console. Enfin, nous affichons les valeurs de list et de new_list.
Si vous connaissez d’autres langages comme le C, vous pourriez vous attendre, après l’appel à assignFirstElement() sur list, à obtenir [x,1,2], tandis que new_list resterait [0,1,2]. Pourtant, à l’exécution, vous obtenez :
On constate que list et new_list sont modifiées de la même manière, ce qui contredit notre hypothèse initiale. Pour comprendre ce qui se passe, PyCharm simplifie le débogage et vous aide à investiguer et corriger rapidement. Il vous suffit de placer quelques points d’arrêt dans le fichier comme suit :
Puis exécutez votre code en mode debug pour suivre pas à pas son exécution selon vos points d’arrêt.
Après avoir cliqué sur le mode debug, la console de débogage s’ouvre et ressemble à ceci :
La console facilite l’analyse des problèmes et l’observation des valeurs de vos variables ainsi que des sorties à chaque ligne exécutée.
Tests
Les tests sont l’une des étapes les plus critiques du développement. Un code bien testé facilite l’atteinte d’une qualité prête pour la production. Les tests ne concernent pas que les développeurs : pour les data scientists, ils sont essentiels pour concevoir des modèles robustes, performants et précis.
On peut appliquer de nombreux types de tests, en commençant par les tests unitaires. Vous en avez sans doute déjà entendu parler, voire pratiqué. En Python, ils sont pris en charge par le module unittest, qui offre des fonctionnalités similaires aux frameworks répandus dans d’autres langages.
Voyons un exemple pour saisir rapidement le principe des tests unitaires :
Créez d’abord un fichier de test unitaire. Clic droit sur votre projet puis New > Python File.
Une fenêtre semblable à celle‑ci apparaît :
Entrez le nom de votre fichier et choisissez Python unit test.
Ensuite, copiez‑collez le code ci‑dessous dans votre nouveau fichier :
from unittest import TestCase
class simpleOperationsTest(TestCase):
def test_div(self):
self.assertEqual(4 / 2, 2)
def test_sub(self):
self.assertEqual(7 - 3, 4)
class StringTest(TestCase):
def test_case(self):
self.assertTrue('Data'.isupper())
self.assertFalse('CAMP'.isupper())
Les classes simpleOperationsTest et StringTest, qui contiennent nos tests unitaires, héritent toutes deux de TestCase du module unittest. Il suffit d’ajouter des méthodes de test dans les classes concernées pour implémenter différents tests.
La manière la plus courante d’exécuter ces tests est la ligne de commande. Le module peut être invoqué dans une commande Python pour lancer des tests à partir de fichiers, de classes ou de méthodes individuelles.
Vous pouvez utiliser le panneau Terminal de PyCharm, ou ouvrir l’invite de commande de votre système et vous placer dans le dossier de travail.
Pour exécuter nos tests, utilisez la commande suivante :
python -m unittest TestFile
Vous pouvez aussi tirer parti de PyCharm en utilisant ses flèches d’exécution comme suit :
Intégrations de contrôle de version dans PyCharm
Pour intégrer le contrôle de version avec PyCharm, cliquez sur VCS puis choisissez Enable Version Control. Une fenêtre comme ci‑dessous apparaît :
PyCharm s’intègre à de nombreux outils de contrôle de version, mais nous allons choisir Git dans la liste déroulante, puis cliquer sur OK. Vous verrez alors que VCS est activé pour votre projet.
Après la création du dépôt Git, le panneau Version Control apparaît dans la fenêtre du projet :
Dans le menu supérieur, vous trouverez différentes options sous Git : git add, git stash, git branch, git commit, git push et plus encore.
Pour ajouter un fichier spécifique à Git, allez dans VCS | Git | Add dans la barre de menu, ou utilisez le raccourci clavier correspondant.
Vous pouvez aussi sélectionner plusieurs fichiers à la fois dans le panneau Version Control et les ajouter à Git. Pour ajouter tous les fichiers non versionnés, sélectionnez la section correspondante puis lancez l’action Add.
Ensuite, vous constaterez que valider (commit) un fichier dans votre dépôt est tout aussi simple et très similaire à l’ajout. Pour valider les fichiers surlignés en vert dans la section Default Change list, faites un clic droit et sélectionnez Commit, ou utilisez le raccourci clavier.
Vous pouvez également saisir un message décrivant l’objectif du commit, qui sera visible sur GitHub.
Dernière étape : pousser (push) le code validé vers GitHub. Pour cela, allez dans VCS | Git | Push. Une fenêtre s’ouvre comme ci‑dessous. Cliquez sur Push pour finaliser l’opération.
Foire aux questions
PyCharm est‑il le meilleur IDE pour développer en Python ?
PyCharm est un IDE largement utilisé pour Python. Selon JetBrains, la part combinée des éditions Community et Professional de PyCharm est de 33 %, stable par rapport à l’an dernier. VS Code continue de progresser, gagnant 5 points sur un an. À l’inverse, la plupart des éditeurs de texte comme Vim ou Sublime Text voient leur utilisation reculer. La part des développeurs web utilisant PyCharm est presque deux fois supérieure à celle des utilisateurs travaillant avec les données, et l’écart est particulièrement marqué pour l’édition Professional.
PyCharm est‑il gratuit ?
Il est important de savoir quelle édition vous utilisez. PyCharm Community est gratuit et ne nécessite aucune licence. L’édition Professional propose un essai de 30 jours, puis vous devrez acheter une licence pour continuer à l’utiliser.
PyCharm s’intègre‑t‑il avec des plugins ?
PyCharm propose un grand nombre de plugins pour de multiples usages. L’un des plus connus est l’AWS Toolkit for PyCharm, un plugin open source pour l’IDE PyCharm qui facilite la création, le débogage et le déploiement d’applications Python sur Amazon Web Services.
Conclusion
PyCharm est l’un des IDE les plus puissants pour la data science. Il permet aux data scientists de se concentrer sur l’essentiel : construire et optimiser leurs modèles. Il simplifie des tâches souvent perçues comme complexes ou chronophages, comme les tests, le débogage et le profilage. L’outil offre de nombreuses intégrations et possibilités de personnalisation pour une meilleure expérience utilisateur.