build init.py on docker

Dockerfile

@@ -1,14 +1,27 @@
-# Nasz obraz będzie dzidziczył z obrazu Ubuntu w wersji latest
+# Latest Ubuntu as starter
 FROM ubuntu:latest
 
-# Instalujemy niezbędne zależności. Zwróć uwagę na flagę "-y" (assume yes)
-RUN apt update && apt install -y figlet
+# Install required dependencies
+RUN apt update
+RUN export PATH=”$PATH:/usr/local/bin/python”
+RUN apt install python3-pip -y
+RUN apt install unzip -y
+RUN pip install kaggle
+RUN pip install pandas
+RUN pip install scikit-learn
+RUN pip install matplotlib
+RUN mkdir ~/.kaggle/
+RUN echo '{"username":"wirus006","key":"c3323e37d3f91a0914d0172ef3c7c30c"}' > ~/.kaggle/kaggle.json
 
-# Stwórzmy w kontenerze (jeśli nie istnieje) katalog /app i przejdźmy do niego (wszystkie kolejne polecenia RUN, CMD, ENTRYPOINT, COPY i ADD będą w nim wykonywane)
+# Create app directory in image
 WORKDIR /app
 
-# Skopiujmy nasz skrypt do katalogu /app w kontenerze
-COPY ./figlet-loop.sh ./app
+# Copy init dataset script to /app directory in image
+COPY ./init.py ./
 
-# Domyślne polecenie, które zostanie uruchomione w kontenerze po jego starcie
-CMD ./figlet-loop.sh
+# Download kaggle dataset
+RUN kaggle datasets download -d hakeem/atp-and-wta-tennis-data
+RUN unzip -o atp-and-wta-tennis-data.zip
+
+# Script executed after docker run
+CMD python3 ./init.py

init.py

@@ -10,10 +10,6 @@ import matplotlib
 file_exists = exists('./df_atp.csv')
 
 if not file_exists:
-    subprocess.run(["pip", "install", "--user", "kaggle"])
-    subprocess.run(["pip", "install", "--user", "pandas"])
-    subprocess.run(["pip", "install", "--user", "scikit-learn"])
-    # subprocess.run(["pip", "install", "--user", "matplotlib"])
     subprocess.run(["kaggle", "datasets", "download", "-d", "hakeem/atp-and-wta-tennis-data"])
     subprocess.run(["unzip", "-o", "atp-and-wta-tennis-data.zip"])