[파이썬 기초] 파이썬을 쓰는 이유와 환경 세팅

파이썬을 쓰는 이유

파이썬은 생물정보학, 데이터 분석, 머신러닝 분야에서 사실상 표준 언어로 자리 잡았습니다. 그 이유는 몇 가지로 정리할 수 있습니다.

풍부한 라이브러리 생태계

데이터 분석에 필요한 대부분의 기능이 라이브러리로 이미 구현되어 있습니다. NumPy, pandas, matplotlib 같은 범용 데이터 분석 도구부터 Biopython, pysam, scikit-bio 같은 생물정보학 전용 라이브러리까지 폭넓게 제공됩니다. 머신러닝과 딥러닝 분야에서도 scikit-learn, TensorFlow, PyTorch 모두 파이썬을 기본 언어로 사용합니다.

간결한 문법

다른 언어에 비해 문법이 단순하고 가독성이 높습니다. 복잡한 데이터 처리 로직도 비교적 짧은 코드로 표현할 수 있어 분석 작업에 집중하기 좋습니다.

리눅스 서버와의 친화성

대부분의 리눅스 배포판에 파이썬이 기본으로 설치되어 있으며, 쉘 스크립트와 함께 사용하거나 시스템 자동화에도 활용할 수 있습니다. 앞서 다룬 conda 환경과도 자연스럽게 연동됩니다.

커뮤니티와 자료

활성화된 커뮤니티 덕분에 문서, 튜토리얼, 레퍼런스가 풍부합니다. 오류가 발생해도 검색으로 해결책을 찾기 쉽습니다.

환경 세팅

파이썬 환경을 구성하는 방법은 여러 가지가 있지만, 여기서는 실무에서 가장 많이 사용하는 두 가지 방법을 정리합니다.

방법 1: conda 가상 환경 (권장)

conda를 사용하면 파이썬 버전과 패키지를 프로젝트별로 독립적으로 관리할 수 있습니다. 이미 앞선 conda 글에서 자세히 다뤘으므로 기본 흐름만 정리합니다.

# 파이썬 버전을 지정해서 새 환경 생성
conda create -n myproject python=3.11

# 환경 활성화
conda activate myproject

# 주요 패키지 설치
conda install numpy pandas matplotlib
pip install biopython

방법 2: venv (파이썬 내장 가상 환경)

conda 없이 파이썬 내장 모듈인 venv로 가상 환경을 만들 수도 있습니다.

# 가상 환경 생성
python -m venv myenv

# 활성화 (리눅스/macOS)
source myenv/bin/activate

# 비활성화
deactivate

활성화 후 pip으로 패키지를 설치합니다.

pip install numpy pandas matplotlib

venv는 파이썬 버전 자체를 바꾸는 기능은 없습니다. 파이썬 버전 관리까지 필요하다면 conda를 사용하는 것이 더 편리합니다.

패키지 관리: pip

pip은 파이썬 패키지를 설치하고 관리하는 도구입니다.

pip install numpy                  # 패키지 설치
pip install numpy==1.24.0          # 특정 버전 설치
pip install --upgrade numpy        # 패키지 업그레이드
pip uninstall numpy                # 패키지 삭제
pip list                           # 설치된 패키지 목록
pip show numpy                     # 특정 패키지 정보 확인
pip freeze > requirements.txt      # 현재 환경의 패키지 목록을 파일로 저장
pip install -r requirements.txt    # requirements.txt로 패키지 일괄 설치

pip freeze > requirements.txt는 현재 환경에 설치된 패키지와 버전을 파일로 저장합니다. 이 파일을 공유하면 다른 환경에서도 동일한 패키지 구성을 재현할 수 있어 분석 재현성 확보에 유용합니다.

코드 작성 환경

파이썬 코드를 작성하는 환경은 크게 세 가지로 나뉩니다.

터미널에서 직접 실행

.py 파일을 작성하고 터미널에서 실행하는 방식입니다. 서버 환경에서 스크립트를 실행할 때 가장 기본적인 방법입니다.

python script.py

Jupyter Notebook / JupyterLab

코드, 출력, 마크다운 설명을 하나의 파일에서 관리할 수 있는 환경입니다. 데이터 탐색, 시각화, 결과 공유에 적합합니다. 생물정보학 분석에서도 초기 데이터 확인이나 결과 정리에 자주 사용됩니다.

pip install jupyterlab
jupyter lab

VS Code

로컬 환경에서 작업할 때 가장 널리 사용되는 에디터입니다. Python 확장을 설치하면 코드 자동완성, 디버깅, Jupyter Notebook 실행까지 통합해서 사용할 수 있습니다. 원격 서버의 파일을 직접 편집하는 Remote SSH 기능도 지원합니다.

파이썬 실행 확인

환경 설정이 완료되면 파이썬이 올바르게 설정되었는지 확인합니다.

python --version
which python        # 현재 사용 중인 파이썬 경로 확인
python -c "import numpy; print(numpy.__version__)"  # 패키지 설치 확인

 

인터랙티브 모드로 파이썬을 실행하려면 터미널에서 python을 입력합니다.

python
>>> print("hello")
hello
>>> exit()

 

exit() 또는 Ctrl + D로 인터랙티브 모드에서 나올 수 있습니다.