python編譯環境發掘——從IDLE到sublime到pycharm到Anaconda

　　一個好的編譯器對於咱們處理平常的科研很關鍵，好的編譯器不管是從界面，字體風格，提示，調試等各方面都能從用戶角度出發，提供最好的使用體驗。Python自己自帶的IDLE或者在CMD裏進行操做和調試，對於小型的測試程序和學習的時候是能夠的；可是對相對比較大的程序，它們就顯得有些力不從心了，首先是查找和提示的，還有就是當你想要改變程序中某個變量或者函數的名稱，一個個查找是讓人奔潰的事情。

　　本人顯示從IDLE和CMD開始Python碼城過程的，慢慢的發現，相對於之前使用的VS和eclipse，它們顯得太LOW了。我開始嘗試在sublime裏面進行編輯，給sublime裝插件，可以直接運行Python程序（Ctrl+B），以及進行代碼智能提示。sublime用了好長一段時間，仍是比較好用的，代碼的顯示也比較讓人愉悅，你也能夠按本身的喜愛去進行配置。總的來講，仍是比較推薦sublime的。還有就是pycharm了，有不少的Python開發者使用它，PyCharm確實是Python開發之首選。我也用過一段時間，習慣了sublime，就沒太多的去研究，整體來講也仍是比較推薦的編譯器之一。

　　後來在別人的博客中看到了ipython，它是一個Python交互式的shell，比默認的shell要好用，支持變量的自動補全，自動縮進，支持bash shell命令，內置了許多頗有用的功能和函數。安裝也很簡單，windows下直接在命令行輸入：python –m pip install IPython。最讓人驚喜的是，ipython中提供了一下簡單好用的magic函數。如下是百度上列舉的經常使用命令：

%bg function把 function 放到後臺執行，例如: %bg myfunc(x, y,z=1)，以後能夠用jobs將其結果取回。myvar = jobs.result(5) 或 myvar =jobs[5].result。另外，jobs.status() 能夠查看現有任務的狀態。 %ed 或 %edit編輯一個文件並執行，若是隻編輯不執行，用 ed -x filename 便可。 %env顯示環境變量 %hist 或 %history顯示歷史記錄 %macro name n1-n2 n3-n4 ... n5 .. n6 ...建立一個名稱爲 name 的宏，執行 name 就是執行 n1-n2 n3-n4 ... n5 .. n6 ...這些代碼。 %pwd顯示當前目錄 %pycat filename用語法高亮顯示一個 python 文件(不用加.py後綴名) %save filename n1-n2 n3-n4 ... n5 .. n6 ...將執行過多代碼保存爲文件 %time statement計算一段代碼的執行時間 %timeit statement自動選擇重複和循環次數計算一段代碼的執行時間，太方便了。

　　然而百度漏掉了比較經常使用的%run，能夠用來運行外部的Python腳本。還有**??來顯示某個模塊用法，如import os，os??。其餘的包括查看變量的值，代碼運行效率檢查等。下次我將單獨開一篇講常見的magic命令，此次就很少贅述。

　　說完本身選擇編譯器進行開發的過程，終於要來到咱們的重點了——Anaconda。一個偶然的機會，看到師兄使用ipython notebook進行彙報，能夠在頁面進行代碼和文檔排版編寫，對於科學計算很是方便。ipython notebook是web based IPython封裝，可是能夠展示豐富文本，使得整個工做能夠以筆記的形式展示、存儲，對於交互編程、學習很是方便。關於ipython notebook的具體使用，找機會單獨另開一節，在此不是重點。下圖是它的頁面，在上面還能夠用markdown標記編輯文本。能夠呈現很不錯的文檔頁面。

　　Anaconda是一個集成的環境，如今已經升級到Anaconda2了，直接下載安裝，很方便，集成了Python，ipython，notebook，Spyder和qtconsole，以下所示。以前的ipython notebook也改成了jupyter notebook。

　　Anaconda是一個和Canopy相似的科學計算環境，但用起來更加方便。自帶的包管理器conda也很強大。Anaconda提供了Python2.7和Python3.4兩個版本，同時若是須要其餘版本，還能夠經過conda來建立。

　　下面來看一下conda。輸入 conda list 來看一下全部安裝時自帶的Python擴展。粗略看了一下，其中包括了經常使用的 Numpy , Scipy ， matplotlib 和 networkx 等，以及 beautiful-soup ， requests ， flask ， tornado 等網絡相關的擴展，還有經常使用的科學工具包，scikit-image,scikit-learn等。其餘沒有的包能夠經過pip，easy_install安裝，也能夠經過它特有的conda來進行安裝，conda install ***，若是須要指定版本，也能夠直接用 [package-name]=x.x 來指定。conda的repo中的擴展不算太新，若是想要更新的，可能要用PyPI或者本身下載源碼。而conda和pip關聯的很好。使用pip安裝的東西可使用conda來管理，這點要比Canopy好。

這個科學計算環境的另外一個要求就是可以多個Python版本並存，尤爲是2.x和3.x的並存。這個經過 virtualenv 能夠作到。Anaconda也正是經過其實現的。

下面用conda建立一個名叫python3的版本爲python3.4的環境。

conda create -n python3 python=3.4
這樣就會在Anaconda安裝目錄下的envs目錄下建立python3這個目錄。

向其中安裝擴展能夠：

直接用 conda install 並用 -n 指明安裝到的環境，這裏天然就是 python3 。
像 virtualenv 那樣，先activate，而後在虛擬環境中安裝。

spyder就是一個Python的擴展，也是比較好用的，感興趣的能夠本身親自嘗試下，它裏面的查看變量的功能仍是很方便的。

2015-11-23 22:13:51