srcmini本文概述
(资源)
在开始编码之旅时, 许多人都喜欢在文本编辑器(例如emacs, notepad ++等)中进行编码, 在其中编写代码, 然后打开终端窗口执行代码。如果在代码中检测到错误, 则切换回文本编辑器, 更正错误或错别字, 然后从终端重新运行代码。当你编写第一个Hello, World！时, 所有这些似乎只是在初学者级别的一种好习惯。但是, 当你从初学者过渡到中级水平时, 你的代码复杂度开始增加, 也就是说, 当你需要一种工具可以为你提供更多功能而不仅仅是编写纯文本时。
当你在编码过程中上坡时, 不仅需要进行编码, 而且还需要确保你的代码在所有情况下都可以工作, 这意味着你还需要一个测试模块。很多时候, 你有多个编码和单元测试文件, 从编辑器到终端的切换通常很烦人, 令人困惑且效率低下。当你可以从一个地方编写, 运行和玩代码时, 生活会更快乐, 更轻松。
不仅可以通过一种工具为你提供编码, 测试和运行代码的功能, 而且还可以突出显示语法, 括号匹配, 自动完成代码, 调试, 代码建议等功能, 这被称为”集成”。开发环境或更常用的称为IDE。
在过去的几年中, Jupyter Notebook在编码和调试方面获得了广泛的欢迎。笔记本电脑一直在重新定义IDE的概念, 并向其中添加了越来越多的功能。
本教程实际上是在Jupyter Notebook中编写的。多么酷啊？
你应该忽略文本编辑器吗？
答案是否定的。让我们在2020年Stack Overflow开发者调查统计数据的帮助下仔细研究一下。
(资源)
从以上统计数据来看, 即使你一直在阅读与文本编辑器相比, 集成开发环境也是最佳的, 这也不足为奇。根据Stack Overflow的说法, Notepad ++仍处于最受欢迎的开发环境中。
因此, 根据以上统计信息, 如果添加正确的插件, 则许多文本编辑器都可以用作开发环境。
例如, 最流行的文本编辑器Notepad ++也可以通过安装名为DBGP的插件来用作调试器, 该插件可让你调试和执行代码。
在研究之后, 为什么在开发列表中将文本编辑器视为最受欢迎的原因变得更加有意义。通过在文本编辑器之上添加可能需要的功能, 可以使文本编辑器像IDE一样强大, 例如PyCharm, Spyder等。即使IDE附带了所有已安装的所有功能, 安装文本编辑器仍要容易得多, 并且与IDE相比它们是轻量级的。
我们还要看看哪些是最受欢迎的Python IDE和文本编辑器。重要的是要注意, 以下统计数据来自2018年12月, 应充分了解当今流行的统计数据。
(资源)
最后, 让我们开始逐个解码每个IDE, 并了解它们的功能以及为什么它们在其余IDE中是最好的。
Jupyter Notebook
(资源)
Jupyter在其前身IPython之后于2014年推出, 从那时起, 它就被认为是编码社区的极乐。 Jupyter代表Julia, Python和R, 它们是数据科学的开源语言。但是, Jupyter的首字母缩写并不意味着它仅适用于Julia, Python和R。
Jupyter Notebook不仅提供使用上述三种编程语言之一进行编码的功能, 而且还提供了降价编辑器, 可让你编写HTML代码, LaTeX等。
它是基于Web应用程序的服务器-客户端结构, 它易于使用, 并允许你以笔记本形式创建, 分析和处理文档。由于它是一个Web界面, 它可以集成许多现有的Web库以进行数据可视化, 包括plotly.js。
如上图所示, Jupyter具有许多功能。你可以使用LaTeX编写公式, 运行Python代码, 并使用matplotlib绘图库将原始音频信号可视化, 例如在同一笔记本中。
Jupyter Notebook不仅是一个IDE, 而且还广泛用作教育工具, 演示文稿, 甚至用于撰写博客。你可以将笔记本从.ipynb格式导出为PDF和HTML文件, 也可以仅将其导出为.py文件。 Jupyter的用户界面使其成为最受欢迎的工具, 尤其是在数据科学界。
如果你想了解更多Jupyter的库存商品, 请阅读这篇非常全面的精彩文章, 它还将带你完成安装过程以及更多其他内容。
如果你仅对下载Jupyter Notebook感兴趣, 则可以单击此链接。
PyCharm
(资源)
PyCharm是由捷克公司JetBrains开发的Python编程IDE, 顾名思义, 即使它是重量级的软件, 它也可以像Charm一样工作。与其他IDE相比, 虽然需要花费一些时间进行绘图渲染等。
如果你从未使用过JetBrains的其他IDE(例如Java IDE, IntelliJ IDEA), 那么成功运行第一个代码可能会花费你一些时间。如设置其解释器。但是, 如果你有多个相互交互的脚本, 则PyCharm特别有用。
PyCharm预先安装了智能python辅助功能, 可提供多种功能, 例如智能代码完成, 代码检查, 动态错误突出显示和快速修复, 自动代码重构和大量导航功能(源)。
它不仅允许你使用Python进行编码, 而且还广泛支持Django, Flask, HTML / CSS, Node.js, Pyramid, web2py等Web开发框架。
PyCharm的优点在于它支持Anaconda, 因此, 属于Nanaonda的所有软件包都受到PyCharm的支持, 例如NumPy, SciPy, MatPlotlib等。
像其他IDE一样, PyCharm具有带图形界面的强大调试器。它提供了Git集成, 具有ssh终端和版本控制。 PyCharm IDE是可自定义的, 它允许你在不同的主题, 配色方案和键绑定之间进行选择。
此外, PyCharm允许你添加非Python文件的插件, 这些插件可以处理缩进, 动态突出显示错误和关键字。
(资源)
如上图所示, PyCharm 2020更新之一是在Notebook中编辑源代码。但是, 这仅是Pro版本附带的：在编辑Notebook时, 源代码看起来像PyCharm编辑器中的常规Python文件。在PyCharm或浏览器中所做的所有更改都会立即反映出来。
PyCharm的专业版和社区版均可从JetBrains官方网站下载。它可用于Windows, Linux和Mac操作系统。
Spyder
(资源)
Spyder是一个轻量级的开源IDE, 预装了Anaconda发行版, 并且主要是为数据科学从业人员构建的。它可能没有像PyCharm或Visual Studio那样吸引人的用户界面, 但是鉴于它必须提供的功能数量, 你应该尝试一下！
因为它是为数据科学社区构建的, 所以它与诸如NumPy, SciPy, Matplotlib, Pandas和IPython之类的以数据为中心的基本库集成在一起。内置功能可以通过插件和API进一步扩展。
关于Spyder, 你希望获得的一项很棒的功能是它的”帮助”工具栏, 该工具栏使你可以搜索与库/模块相关的大量信息。
Spyder包含文本编辑器等功能, 其中包括语法突出显示, 代码完成, 静态代码分析, 调试和变量浏览。它还具有一个探查器, 该探查器递归确定文件中调用的每个函数和方法的运行时间和调用次数。此外, 一些不太重要的功能(但仍使Spyder成为最好的IDE之一)增加了价值, 例如文件浏览器, 历史记录日志, 内部控制台等。
由于spyder是开源的, 因此它是免费的, 并且与Anaconda打包在一起, 因此你需要从该网站下载Anaconda。与其他IDE一样, Spyder可用于Windows, Mac和Linux操作系统。
要了解如何安装Anaconda, 请查阅文档。
Visual Studio Code
(资源)
Visual Studio(VS)代码是Microsoft于四年前(即2015年)开发的开源IDE。Visual Studio Code支持所有三个操作系统。 Windows, Linux和macOS。
VS Code具有许多内置功能, 例如调试, 嵌入式Git控件和GitHub, 语法突出显示, 智能代码完成, 代码段和代码重构。它是非常可定制的, 允许用户更改主题, 键盘快捷键, 首选项以及安装添加了其他功能的插件。它还有一个嵌入其中的终端。
VS Code的有趣之处在于它具有极简的zen模式, 该模式仅向你显示你正在处理的文件, 不仅隐藏了代码的界面, 还隐藏了桌面的其余部分。这样一来, 你可以避免分心, 而将精力集中在正在编写的代码或正在调试的错误上数小时。
VS Code还通过单元测试, pytest框架提供了单元测试支持。它具有Linting支持, 可突出显示Python源代码中的句法和风格问题。与PyCharm一样, VS Code也具有针对Jupyter环境和笔记本的代码编辑功能。
可以从此处下载Visual Studio代码。
哪个是最好的IDE？
答案是主观的, 但是如果你是初学者, 那么从不那么费解的IDE开始仍然是一个好主意。一旦掌握了良好的编码后, 就应该切换到具有许多内置功能的更好的IDE, 从而使你可以更高效地进行编码。
上面的列表是市场上所有IDE的子集。最好测试一下其中每个, 然后找出最适合你的需求。你们中有些人可能倾向于使用Jupyter Notebook, 而有些人可能更喜欢PyCharm, 因此很难在其中之一中选择一个。
总结
就编码而言, IDE无疑是最好的。通过改善整体结果和工作流程, 它们可为你提供出色的体验。它们可以帮助你更有效, 更简洁地编码思想和逻辑。除了为你提供具有各种主题和颜色的出色用户界面之外, 它们还提供了许多从编写, 运行和调试代码开始的功能。
如果你想学习Python, 请查看以下srcmini课程：
- Python数据科学导论
- 数据科学中级Python
参考文献：
- 数据科学的前5个Python IDE
- 适用于专业Windows PC开发人员的免费Python IDE
请随时在下面的评论部分中提出与本教程相关的任何问题。
评论前必须登录！
注册