如何选择数据科学最好的Python IDE？

在开始学习Python以前，你须要先选择最适合本身的IDE(集成开发环境)。为了解决这一需求，本文调查了不少可用的工具，并分析了它们的优缺点，为你选择Python IDE提供一些建议。

Python于1991年发布，由Guido van Rossum 建立。这一解释性的高级编程语言是为通用编程而开发的。Python解释器能够在多个操做系统上使用，包括Linux，MacOS和Windows。

有着近三十年运行过程的Python已经在编程领域广为流行。使用IDLE或Python Shell来写Python代码对于较小的项目是可取的，可是在处理成熟的机器学习或数据科学项目时并不实用。

在这种状况下，你须要使用IDE（集成开发环境）或者专用代码编辑器。由于Python是最主要的编程语言之一，因此有许多可用的IDE。问题就变成了“哪一个是最好的Python IDE？”

显然，没有一个Python IDE或者代码编辑器能够被冠以“最好”的标签。由于每个IDE和代码编辑器都有它们本身的优缺点。此外，在大量的IDE中进行选择还很费时。

但不用担忧，为了帮助你选择正确的IDE，本文整理了一些主要的Python IDE，这些IDE都是专门为处理数据科学项目而建立的。

Atom

平台

Linux/macOS/Windows

官网

类型

在学习的道路上确定会遇到困难，没有好的学习资料怎么去学习呢？
若是你感受学不会？莫慌，推荐你加群
前面923中间414后面804 ，群里有志同道合的小伙伴
互帮互助，还能够拿到许多视频教程！

通用文本编辑器

Atom 是一个免费的、开源的文本和源码编辑器，可用于多种编程语言，包括Java，PHP和Python。文本编辑器支持Node.js编写的插件。尽管Atom可用于多种编程语言，但它有趣的数据科学特性显示了它对Python的偏心。

Atom的最大功能之一是对SQL查询的支持。但首先须要安装Data Atom 插件来访问该功能。它为Microsoft SQL Server、MySQL和 PostgreSQL提供了支持。此外，在Atom中你无需打开任何其它的窗口就能够可视化结果。

另外一个使Python 数据科学家受益的Atom 插件是Markdown Prevoew Plus。它支持编辑和可视化Markdown文件，还能容许你预览、渲染LaTeX方程式等。

优势

• 积极的社区支持
• 与Git的完美集成
• 为管理多个项目提供支持

缺点

• 在老旧的CPU上可能会出现性能问题
• 有移植问题

Jupyter Notebook

平台

Linux/macOS/Windows

官网

类型

基于Web的IDE

Jupyter Netbook在2014年由IPython演变而来，是一个基于服务器—客户端结构的Web应用程序。它容许你建立和操做称为notebooks的笔记本文档。对于Python数据科学家来讲，Jupyter Notebook是必不可少的，由于它提供了最直观且交互的数据科学环境之一。

除了做为IDE进行操做以外，Jupyter Notebook还能够做为教育或演示工具。此外，对于那些刚刚开始数据科学工做的人来讲，它无疑是一个完美的工具。你能够轻松地使用Jupyter Notebook查看和编辑代码，从而建立使人印象深入的报告。

经过运用像Matplotlib和Seaborn这样的可视化库，你能够在同一篇文章中像展现代码同样展现图表。此外，你能够将整个工做导出到PDF、HTML或.py文件。与IPython同样，Project Jupyter是一组项目的总称，包括Notebook自己、控制台和Qt控制台。

优势

• 容许从notebooks上建立博客和演示文稿
• 支持重现性研究
• 在运行它们以前可编辑片断

缺点

• 安装过程复杂

PyCharm

平台

Linux/macOS/Windows

官网

类型

Python专用IDE

Pycharm是专门用于Python的IDE。Pycharm和Python的关系就是Eclipse对于Java的关系。这一全功能集成开发环境提供免费版本和付费版本，分别称为社区版和专业版。它是安装速度最快的IDE之一，安装过程很是简单，受到数据科学家的青睐。

对于那些和IPython、Anaconda相像的发行版而言，PyCharm容易集成像Matplotlib和NumPy这样的工具。这意味着你可使用数组查看器和交互式绘图轻松地处理数据科学项目。除此以外，IDE扩展了对JavaScript、Angular JS等的支持，这也使它很是适合用于Web开发。

一旦你完成了安装，PyCharm就能够轻松用于编辑、运行、编写和调试Python代码。要开始一个新的Python项目，你只需打开一个新文件并开始写下代码。除了提供直接的调试和运行特性外，PyCharm还提供对源代码的控制并支持大型项目。

优势

• 积极的社区支持
• 专为Python开发，可用于数据科学和非数据科学项目
• 易于新手及经验丰富的开发者使用
• 更快的从新索引
• 运行、编辑和调试Python代码而不须要任何外部需求

缺点

• 下载时可能比较慢
• 默认设置可能须要在使用现有项目以前进行调整

Rodeo

平台

Linux/macOS/Windows

官网

类型

Python专用IDE

带有橙色的标志暗示了这个Python IDE是专门为执行数据分析而开发的。若是你对RStudio有一些经验，那么你就会知道Rodeo和RStudio有不少相同之处。对于那些不了解RStudio的人来讲，它是R语言最热门的集成开发环境。

像RStudio同样，Rodeo的窗口分为四个部分，即文本编辑器、控制台、用于变量可视化的环境以及绘图/库/文件。

使人惊讶的是，Rodeo和RStudio都与MATLAB有着很大的类似性。

Rodeo最棒的地方在于它为初学者和经验丰富地开发者提供了同等程度的便利。因为Python IDE容许你在建立的同时查看和探索，对于那些使用Python刚开始数据科学工做的人来讲，Rodeo无疑是最好的IDE之一。IDE还拥有内置教程，并附带帮助材料。

优势

• 大量定制化内容

• 可查看并探索实时建立的内容

• 自动完成和语法突出功能可以让您更快地编写代码，而且支持IPython

缺点

• 不少bug
• 不那么积极的支持
• 存在内存问题

Spyder

平台

Linux/macOS/Windows

官网

类型

Python专用 IDE

Spyder是一个开源的Python专用IDE。它的独特之处在于它针对数据科学工做流进行了优化。它与Anaconda包管理器捆绑在一块儿，后者是Python编程语言的标准发行版。Spyder具备全部必需的IDE特性，包括代码完成和集成的文档浏览器。

专门为数据科学项目构建，Spyder展现了一个平滑的学习曲线，容许你很快学习它。在线帮助选项容许你在开发项目的同时查找关于库的具体信息。此外，这个Python专用IDE与RStudio类似。所以，从R语言切换到Python也适合。

Spyder对Python库，如Matplotlib和SiciPy的集成支持进一步证实了它尤为适用于数据科学家。除了可观的IPython/Jupyter集成以外，Spyder还有一个独特的“可变资源管理器”特性。它容许使用基于表的布局显示数据。

优势

• 代码完成和变量探索

• 易于使用

• 完美地用于数据科学项目
• 整洁的界面

• 积极的社区支持

缺点

• 缺少非数据科学项目的能力
• 对高级Python开发人员来讲过于基础

如何选取最好的Python IDE？

这彻底取决于你须要完成什么样的要求。虽然如此，这里有一些通常建议：

• 刚开始使用Python时，选择定制较少、附加特性较少的IDE。其余的功能越少，越适合初始学习。
• 将IDE特性与你的指望进行比较。
• 尝试几个IDE将帮助你更好地理解哪一个IDE更适合特定需求。