📌 Środowisko lokalne do pracy z Pythonem w kontenerze

Na tych zajęciach skonfigurujemy środowisko do pracy z Pythonem w kontenerze Docker. Dzięki temu każdy będzie miał spójne, odizolowane środowisko, w którym można instalować pakiety, uruchamiać skrypty i pracować z Pythonem interaktywnie z poziomu IDE.

🏁 1. Połączenie z repozytorium w GitHub

1.1 Instalacja git

Jeśli nie masz jeszcze gita, możesz go zainstalować:

Linux (Ubuntu/Debian):
```
sudo apt update
sudo apt install git
```
Windows: Pobierz instalator ze strony git-scm.com i zainstaluj.
macOS:
```
brew install git
```

Po instalacji sprawdź wersję w terminalu:

git --version

1.2 Klonowanie repozytorium zdalnego

Link do Twojego repozytorium zdalnego dostaniesz od prowadzącego zajęcia!

Stwórz lokalną kopię repozytorium, użyj komendy:

git clone https://github.com/uzytkownik/nazwa-repozytorium.git

Lub jeśli używasz SSH:

git clone git@github.com:uzytkownik/nazwa-repozytorium.git

1.3 Konfiguracja użytkownika

Wejdź w terminalu do folderu ze sklonowanym projektem.
Skonfiguruj swoje dane:

git config user.name "Twoje Imię i Nazwisko"
git config user.email "twoj@email.com"

🛠 2. Instalacja Dockera

Jak działa Docker?

Docker to platforma do uruchamiania aplikacji w kontenerach, czyli lekkich, odizolowanych środowiskach, które zawierają wszystko, co jest potrzebne do działania aplikacji (kod, zależności, konfigurację). Dzięki temu aplikacje działają identycznie niezależnie od systemu operacyjnego.

Każdy kontener działa jak mini-wirtualna maszyna, ale jest lżejszy i bardziej wydajny.
Docker używa obrazów – predefiniowanych pakietów, które można wielokrotnie uruchamiać jako kontenery.
Izolacja pozwala uniknąć konfliktów zależności i różnic między środowiskami.

Po co nam Docker?

Docker jest przydatny, ponieważ:

Eliminuje problem „u mnie działa” – środowisko w kontenerze jest identyczne na każdym komputerze.
Łatwo można współdzielić środowiska – wystarczy przekazać pliki Dockerfile i devcontainer.json.
Szybkie wdrażanie – nowe środowisko można uruchomić w kilka sekund.
Ułatwia pracę zespołową – każdy programista ma tę samą konfigurację.
Można uruchamiać aplikacje w chmurze i na serwerach bez zmian w kodzie.

Docker to idealne narzędzie dla programistów, którzy chcą pracować w powtarzalnym i stabilnym środowisku! 🚀

📥 2.1. Instalacja na Windows/macOS/Linux

Pobierz i zainstaluj Docker Desktop: Pobierz Docker
Sprawdź instalację:
```
docker --version
```
Upewnij się, że Docker jest uruchomiony.

🔧 3. Konfiguracja IDE (VS Code) z Dockerem i Miniforge

Otwórz katalog projektu w VS Code.
Zapoznaj się z widocznymi tam plikami:

Plik Dockerfile

Ten plik definiuje obraz Dockera z preinstalowanym Pythonem i condą.

FROM condaforge/miniforge3:latest

WORKDIR /app

CMD ["/bin/bash", "-l"]

Plik ./.devcontainer/devcontainer.json

Ten plik konfiguruje VS Code do pracy w kontenerze Dockera z odpowiednimi rozszerzeniami.

{
    "name": "Python Dev Container",
    "build": {
        "dockerfile": "../Dockerfile"
    },
    "workspaceFolder": "/app",
    "mounts": [
        "source=${localWorkspaceFolder},target=/app,type=bind,consistency=cached"
    ],
    "customizations": {
        "vscode": {
            "settings": {
                "terminal.integrated.defaultProfile.linux": "bash"
            },
            "extensions": [
                "ms-python.python",
                "ms-vscode-remote.remote-containers",
                "ms-vscode-remote.dev-containers"
            ]
        }
    }
}

Ręcznie zbuduj obraz w terminalu:
```
docker build -t python-env .
```
Uruchom kontener w trybie interaktywnym i podłącz lokalny katalog:
```
docker run -it -v .:/app python-env /bin/bash -l
```
Dzięki temu wszystkie zmiany w projekcie będą widoczne w kontenerze.

Teraz chcemy sobie ułatwić życie, połączyć się do kontenera bezpośrednio z VS Code:

Zainstaluj rozszerzenie ➝ Remote - Containers lub Dev Container.
Kliknij Ctrl+Shift+P i wybierz Remote-Containers: Reopen in Container.
VS Code uruchomi kontener i otworzy projekt w odizolowanym środowisku.
Otwórz terminal w VS Code (Ctrl+~) i sprawdź aktywne środowisko Conda:
```
conda info --envs
```
Powinieneś zobaczyć, że aktywowane jest środowisko base.

📦 5. Instalacja pakietów wewnątrz kontenera

Tego kroku nie robimy, jest czysto informacyjny.

Gdy kontener jest uruchomiony, można instalować pakiety za pomocą mamby:

micromamba install -y -n base -c conda-forge matplotlib geopandas

Pakiety można też instalować przez pip:

pip install requests

📝 Zadania

Utwórz plik main.py:

import this

Uruchom go w kontenerze:

python main.py

Zrób zrzut ekranu (screenshot) pokazujący wynik działania tego skryptu w terminalu kontenera i wyślij go na czat 📸