作者：Saurabh Hooda, Hackr.io

编译：ronghuaiyang

导读

写代码时，有个好的IDE真的是事半功倍的，可能有人说，我vim用的很好，但是vim的学习曲线非常的陡峭，也就是对大多数人来说，你还没能把vim用的熟练，可能就放弃了，不过IDE就不一样了，可以让你迅速的上手编写代码，而不用考虑太多的东西，那么在这么多的Python IDE中，哪个才是适合自己的呢？一起来看看吧！

在开始学习Python之前，请选择最适合你的IDE。我们研究了许多可用的工具及其优缺点，并建议如何选择最佳的Python IDE。

Python由Guido van Rossum创建，于1991年首次发布。这种解释性的高级编程语言是为通用编程而开发的。Python解释器可用于几个操作系统，包括Linux、MacOS和Windows。

编辑器：这里是给大家介绍几个Python最流行的IDE/编辑器

经过近30年的发展，Python在编程社区中获得了巨大的人气。对于较小的项目，使用IDLE或Python Shell来编写Python代码是有效的，但是在处理成熟的机器学习或数据科学项目时并不实用。

在这种情况下，您需要使用IDE(集成开发环境)或专用的代码编辑器。由于Python是领先的编程语言之一，因此有许多ide可用。所以问题是，“哪个IDE是Python的最佳IDE ?”

显然，Python没有一个IDE或代码编辑器可以被冠以“最佳”标签。这是因为它们各自都有各自的优点和缺点。此外，在众多IDE中进行选择可能会耗费大量时间。

不过别担心，我们已经为你准备好了。为了帮助您选择正确的IDE，我们整理了一些用于Python的优秀IDE，这些IDE是专门为处理数据科学项目而创建的。它们是:

Atom

平台–Linux/macOS/Windows

官网–https://atom.io/

类型–通用文本编辑器

Atom是一个免费的开源文本和源代码编辑器，可用于许多编程语言，包括Java、PHP和Python。文本编辑器支持用Node.js编写的插件。虽然Atom可以用于许多编程语言，但它以其有趣的数据科学特性显示了对Python的特殊热爱。

Atom带来的最大特性之一是对SQL查询的支持。但是，你需要首先安装Data Atom插件来访问该特性。它支持Microsoft SQL Server、MySQL和PostgreSQL。此外，你可以可视化Atom中的结果，而不需要打开任何其他窗口。

另一个将使Python数据科学家受益的Atom插件是Markdown Preview Plus。这为编辑和可视化Markdown文件提供了支持，允许你预览、呈现LaTeX方程等。

优点：

• 活跃的社区支持
• 与Git的完美集成
• 为管理多个项目提供支持

缺点：

• 可能在较旧的cpu上遇到性能问题
• 会遇到移植性的问题

Jupyter Notebook

平台–Linux/macOS/Windows

官网–https://jupyter.org/

类型–基于Web的IDE

Jupyter Netbook诞生于2014年的IPython，是一个基于服务器-客户机结构的web应用程序。它允许您创建和操作称为Notbook的笔记本文档。对于Python数据科学家来说，Jupyter笔记本是必不可少的，因为它提供了最直观和交互式的数据科学环境之一。

除了作为IDE操作之外，Jupyter笔记本还可以作为一种教育或演示工具。此外，对于刚刚开始学习数据科学的人来说，它是一个完美的工具。您可以使用Jupyter Netbook轻松地查看和编辑代码，从而创建令人印象深刻的演示文稿。

通过使用Matplotlib和Seaborn等可视化库，可以在代码所在的文档中显示图形。此外，您还可以将整个工作导出为PDF、HTML或.py文件。与IPython一样，Project Jupyter是一组项目的总称，包括Notbook本身、控制台和Qt控制台。

优点：

• 允许创建博客和演示从笔记本
• 确保研究的可重复性
• 在运行之前编辑代码片段

缺点：

• 复杂的安装过程

PyCharm

平台–Linux/macOS/Windows

官网–https://www.jetbrains.com/pycharm/

类型–专为Python打造的IDE

PyCharm是Python专用的IDE。PyCharm对于Python就像Eclipse对于Java一样。功能齐全的集成开发环境有免费版和付费版两种，分别称为社区版和专业版。它是使用简单设置之后最快安装的ide之一，数据科学家更喜欢使用它。

对于那些喜欢IPython或Anaconda发行版的人来说，要知道PyCharm很容易集成Matplotlib和NumPy等工具。这意味着您可以在处理数据科学项目时轻松地使用数组查看器和交互式图表。除此之外，IDE还扩展了对JavaScript、Angular JS等的支持，这也为web开发提供了机会。

一旦完成安装，PyCharm就可以方便地用于编辑、运行、编写和调试Python代码。要开始一个新的Python项目，您只需打开一个新文件并开始编写代码。除了提供直接调试和运行特性外，PyCharm还支持源代码控制和大型项目。

优点：

• 活跃的社区支持
• 事实上的Python开发，包括数据科学和非数据科学项目
• 对于新手和老手都非常易于使用
• 更快的重建索引
• 无需任何外部要求即可运行、编辑和调试Python代码

缺点：

• 可能加载比较慢
• 默认设置可能需要调整一下，已有的项目才能使用

Rodeo

平台–Linux/macOS/Windows

官网–https://rodeo.yhat.com/

类型–专为Python打造的IDE

带有橙色的徽标暗示了一个事实，即这个Python IDE是专门为执行数据分析而开发的。如果您有使用RStudio的经验，那么您将知道Rodeo与它有许多相同的特性。对于不了解RStudio的人来说，它是R语言最流行的集成开发环境。

与RStudio一样，Rodeo的窗口分为四个部分，即文本编辑器、控制台、变量可视化环境和plot/libraries/file。令人惊讶的是，Rodeo和RStudio都与MATLAB有很大的相似之处。

Rodeo最好的地方在于，它为新手和老手提供了同等程度的便利。由于Python IDE允许你在同时进行创建、查看和浏览，所以Rodeo无疑是那些使用Python开始数据科学的人的最佳IDE之一，Rodeo还拥有内置教程和辅助材料。

优点：

• 有大量定制的东西
• 实时查看和浏览你正在创建的内容
• 编写代码更快与自动完成和语法突出功能，并支持IPython

缺点：

• 很多bug
• 支持不是那么活跃
• 受内存问题困扰

Spyder

平台–Linux/macOS/Windows

官网–https://www.github.com/spyder-ide/spyder

类型–专为Python打造的IDE

Spyder是一个开源的、专用于Python的IDE。IDE的独特之处在于它针对数据科学工作流进行了优化。它与Anaconda包管理器绑定，后者是Python编程语言的标准发行版。Spyder拥有所有必要的IDE特性，包括代码完成和集成文档浏览器。

特别是为数据科学项目，Spyder具有一个平滑的学习曲线，让你可以瞬间就学会。联机帮助选项允许你在并行开发项目时查找有关库的特定信息。而且，针对python定制的IDE与RStudio相似。因此，在从R切换到Python时，这是一个合适的选择。

Spyder对Python库(如Matplotlib和SciPy)的集成支持进一步证明了IDE是专门为数据科学家设计的。除了IPython/Jupyter集成之外，Spyder还有一个独特的“可变资源管理器”特性。它允许使用基于表的布局显示数据。

优点：

• 代码补全和变量浏览
• 易于使用
• 适用于数据科学项目
• 简洁的界面
• 活跃的社区支持

缺点：

• 非数据科学项目能力不足
• 对于高级Python开发人员来说太基础了

如何为Python选择最好的IDE

• 这完全取决于你需要满足什么样的要求。尽管如此，以下是一些一般性建议:
• 刚开始使用Python时，选择自定义更少、附加功能更少的IDE，干扰越少，就越容易开始。
• 将IDE特性与你的期望进行比较
• 尝试几种ide将帮助你更好地理解哪种ide最适合你的需求

原文链接：https://www.kdnuggets.com/2018/11/best-python-ide-data-science.html