[파이썬] Spyder에서 Conda 기반 Python 프로젝트 구성 및 연동 방법

 

🔬 Spyder에서 Conda 기반 Python 프로젝트 구성 및 연동 방법 (with 폴더 구조)

데이터 과학 및 분석 프로젝트를 할 때 Spyder는 강력한 IDE입니다. 하지만 가상환경 관리나 프로젝트 구조를 어떻게 설정해야 할지 막막할 수 있습니다. 이 글에서는 Conda 가상환경을 기반으로 Spyder에서 Python 프로젝트를 설정하는 방법과 폴더 구조까지 단계별로 정리해드립니다.

---

✅ 1. 프로젝트 폴더 구조 설계

먼저, 다음과 같은 폴더 구조를 추천합니다. 이 구조는 확장성과 협업을 고려한 형태이며, 데이터, 코드, 결과물이 체계적으로 분리됩니다.

myproject/
├── .gitignore             # Git 사용 시 (선택)
├── environment.yml        # Conda 환경 정의 파일
├── README.md              # 프로젝트 설명 문서
├── run.py                 # 프로젝트 메인 실행 스크립트
├── config/                # 설정 파일 디렉토리
│   └── settings.yaml
├── data/                  # 데이터 디렉토리
│   ├── raw/               # 원본 데이터
│   └── processed/         # 전처리된 데이터
├── notebooks/             # Jupyter 노트북
│   └── eda.ipynb
├── src/                   # 주요 분석/처리 코드
│   ├── __init__.py
│   ├── preprocessing.py
│   ├── model.py
│   └── utils.py
├── outputs/               # 분석 결과, 모델 등
│   ├── figures/
│   └── models/
└── spyproject/            # Spyder가 자동 생성하는 프로젝트 정보

src/에는 함수 및 클래스를, run.py에는 분석 흐름을 작성하세요.
environment.yml은 가상환경을 다른 사람과 공유하거나 재현하는 데 사용됩니다.

---

✅ 2. Conda 가상환경 생성

원하는 Python 버전으로 가상환경을 만들어보겠습니다.

conda create -n myproject_env python=3.10

그리고 환경을 활성화합니다.

conda activate myproject_env

---

✅ 3. 필수 패키지 설치

Spyder와 연동하려면 다음 패키지가 필요합니다:

pip install spyder-kernels ipykernel

필요한 데이터 분석 패키지도 추가로 설치하세요:

conda install numpy pandas matplotlib seaborn scikit-learn

---

✅ 4. Jupyter 커널 등록 (선택)

Jupyter에서 커널로 보이게 하려면 다음 명령을 실행하세요.

python -m ipykernel install --user --name=myproject_env --display-name "Python (myproject_env)"

---

✅ 5. Spyder에서 가상환경 연동하기

Spyder에서 위 환경을 연동하려면:

1. Spyder 실행

2. 메뉴 → Tools → Preferences

3. Python Interpreter 탭 선택

4. Use the following Python interpreter 선택

5. Conda 가상환경의 python 경로 입력:

   • Windows:

     C:\Users\<사용자>\anaconda3\envs\myproject_env\python.exe
     

   • macOS/Linux:

     /Users/<사용자>/anaconda3/envs/myproject_env/bin/python
     

6. 적용 후 Spyder 재시작

---

✅ 6. 환경 공유를 위한 environment.yml 저장

프로젝트의 재현성을 위해 환경 설정 파일을 저장합니다:

conda env export > environment.yml

이 파일을 공유하면 누구나 동일한 환경을 아래 명령어로 만들 수 있습니다:

conda env create -f environment.yml

---

✅ 7. 프로젝트 실행 흐름 예시

run.py에는 전체 분석 흐름을 모듈화하여 구성하세요.

from src.preprocessing import clean_data
from src.model import train_model

def main():
    data = clean_data("data/raw/data.csv")
    model = train_model(data)
    # 저장 혹은 평가 코드 추가

if __name__ == "__main__":
    main()

Spyder에서 이 run.py를 실행 파일로 설정하고 반복 실행하며 실험해보면 매우 편리합니다.