如何選擇數據科學最好的Python IDE？

在開始學習Python以前，你須要先選擇最適合本身的IDE(集成開發環境)。爲了解決這一需求，本文調查了不少可用的工具，並分析了它們的優缺點，爲你選擇Python IDE提供一些建議。

Python於1991年發佈，由Guido van Rossum 建立。這一解釋性的高級編程語言是爲通用編程而開發的。Python解釋器能夠在多個操做系統上使用，包括Linux，MacOS和Windows。

有着近三十年運行過程的Python已經在編程領域廣爲流行。使用IDLE或Python Shell來寫Python代碼對於較小的項目是可取的，可是在處理成熟的機器學習或數據科學項目時並不實用。

在這種狀況下，你須要使用IDE（集成開發環境）或者專用代碼編輯器。由於Python是最主要的編程語言之一，因此有許多可用的IDE。問題就變成了「哪一個是最好的Python IDE？」

顯然，沒有一個Python IDE或者代碼編輯器能夠被冠以「最好」的標籤。由於每個IDE和代碼編輯器都有它們本身的優缺點。此外，在大量的IDE中進行選擇還很費時。

但不用擔憂，爲了幫助你選擇正確的IDE，本文整理了一些主要的Python IDE，這些IDE都是專門爲處理數據科學項目而建立的。

Atom

平臺

Linux/macOS/Windows

官網

類型

在學習的道路上確定會遇到困難，沒有好的學習資料怎麼去學習呢？
若是你感受學不會？莫慌，推薦你加羣
前面923中間414後面804 ，羣裏有志同道合的小夥伴
互幫互助，還能夠拿到許多視頻教程！

通用文本編輯器

Atom 是一個免費的、開源的文本和源碼編輯器，可用於多種編程語言，包括Java，PHP和Python。文本編輯器支持Node.js編寫的插件。儘管Atom可用於多種編程語言，但它有趣的數據科學特性顯示了它對Python的偏心。

Atom的最大功能之一是對SQL查詢的支持。但首先須要安裝Data Atom 插件來訪問該功能。它爲Microsoft SQL Server、MySQL和 PostgreSQL提供了支持。此外，在Atom中你無需打開任何其它的窗口就能夠可視化結果。

另外一個使Python 數據科學家受益的Atom 插件是Markdown Prevoew Plus。它支持編輯和可視化Markdown文件，還能容許你預覽、渲染LaTeX方程式等。

優勢

• 積極的社區支持
• 與Git的完美集成
• 爲管理多個項目提供支持

缺點

• 在老舊的CPU上可能會出現性能問題
• 有移植問題

Jupyter Notebook

平臺

Linux/macOS/Windows

官網

類型

基於Web的IDE

Jupyter Netbook在2014年由IPython演變而來，是一個基於服務器—客戶端結構的Web應用程序。它容許你建立和操做稱爲notebooks的筆記本文檔。對於Python數據科學家來講，Jupyter Notebook是必不可少的，由於它提供了最直觀且交互的數據科學環境之一。

除了做爲IDE進行操做以外，Jupyter Notebook還能夠做爲教育或演示工具。此外，對於那些剛剛開始數據科學工做的人來講，它無疑是一個完美的工具。你能夠輕鬆地使用Jupyter Notebook查看和編輯代碼，從而建立使人印象深入的報告。

經過運用像Matplotlib和Seaborn這樣的可視化庫，你能夠在同一篇文章中像展現代碼同樣展現圖表。此外，你能夠將整個工做導出到PDF、HTML或.py文件。與IPython同樣，Project Jupyter是一組項目的總稱，包括Notebook自己、控制檯和Qt控制檯。

優勢

• 容許從notebooks上建立博客和演示文稿
• 支持重現性研究
• 在運行它們以前可編輯片斷

缺點

• 安裝過程複雜

PyCharm

平臺

Linux/macOS/Windows

官網

類型

Python專用IDE

Pycharm是專門用於Python的IDE。Pycharm和Python的關係就是Eclipse對於Java的關係。這一全功能集成開發環境提供免費版本和付費版本，分別稱爲社區版和專業版。它是安裝速度最快的IDE之一，安裝過程很是簡單，受到數據科學家的青睞。

對於那些和IPython、Anaconda相像的發行版而言，PyCharm容易集成像Matplotlib和NumPy這樣的工具。這意味着你可使用數組查看器和交互式繪圖輕鬆地處理數據科學項目。除此以外，IDE擴展了對JavaScript、Angular JS等的支持，這也使它很是適合用於Web開發。

一旦你完成了安裝，PyCharm就能夠輕鬆用於編輯、運行、編寫和調試Python代碼。要開始一個新的Python項目，你只需打開一個新文件並開始寫下代碼。除了提供直接的調試和運行特性外，PyCharm還提供對源代碼的控制並支持大型項目。

優勢

• 積極的社區支持
• 專爲Python開發，可用於數據科學和非數據科學項目
• 易於新手及經驗豐富的開發者使用
• 更快的從新索引
• 運行、編輯和調試Python代碼而不須要任何外部需求

缺點

• 下載時可能比較慢
• 默認設置可能須要在使用現有項目以前進行調整

Rodeo

平臺

Linux/macOS/Windows

官網

類型

Python專用IDE

帶有橙色的標誌暗示了這個Python IDE是專門爲執行數據分析而開發的。若是你對RStudio有一些經驗，那麼你就會知道Rodeo和RStudio有不少相同之處。對於那些不瞭解RStudio的人來講，它是R語言最熱門的集成開發環境。

像RStudio同樣，Rodeo的窗口分爲四個部分，即文本編輯器、控制檯、用於變量可視化的環境以及繪圖/庫/文件。

使人驚訝的是，Rodeo和RStudio都與MATLAB有着很大的類似性。

Rodeo最棒的地方在於它爲初學者和經驗豐富地開發者提供了同等程度的便利。因爲Python IDE容許你在建立的同時查看和探索，對於那些使用Python剛開始數據科學工做的人來講，Rodeo無疑是最好的IDE之一。IDE還擁有內置教程，並附帶幫助材料。

優勢

• 大量定製化內容

• 可查看並探索實時建立的內容

• 自動完成和語法突出功能可以讓您更快地編寫代碼，而且支持IPython

缺點

• 不少bug
• 不那麼積極的支持
• 存在內存問題

Spyder

平臺

Linux/macOS/Windows

官網

類型

Python專用 IDE

Spyder是一個開源的Python專用IDE。它的獨特之處在於它針對數據科學工做流進行了優化。它與Anaconda包管理器捆綁在一塊兒，後者是Python編程語言的標準發行版。Spyder具備全部必需的IDE特性，包括代碼完成和集成的文檔瀏覽器。

專門爲數據科學項目構建，Spyder展現了一個平滑的學習曲線，容許你很快學習它。在線幫助選項容許你在開發項目的同時查找關於庫的具體信息。此外，這個Python專用IDE與RStudio類似。所以，從R語言切換到Python也適合。

Spyder對Python庫，如Matplotlib和SiciPy的集成支持進一步證實了它尤爲適用於數據科學家。除了可觀的IPython/Jupyter集成以外，Spyder還有一個獨特的「可變資源管理器」特性。它容許使用基於表的佈局顯示數據。

優勢

• 代碼完成和變量探索

• 易於使用

• 完美地用於數據科學項目
• 整潔的界面

• 積極的社區支持

缺點

• 缺少非數據科學項目的能力
• 對高級Python開發人員來講過於基礎

如何選取最好的Python IDE？

這徹底取決於你須要完成什麼樣的要求。雖然如此，這裏有一些通常建議：

• 剛開始使用Python時，選擇定製較少、附加特性較少的IDE。其餘的功能越少，越適合初始學習。
• 將IDE特性與你的指望進行比較。
• 嘗試幾個IDE將幫助你更好地理解哪一個IDE更適合特定需求。