Python学习
一、学前花絮
之前写过关于python程序运行环境的文章，包括操作系统和python解释器版本对应的问题。我们在编写、运行python程序的时候，到底用什么IDE（集成开发环境）呢？
建议初学者先用pycharm或者Jupyter，pycharm的好处在于对于python编写程序格式的支持，有丰富的功能让你的程序更好看（包括空格缩进、代码检查等）。而Jupyter的好处在于安装和使用简单，适合比较简短的程序。
在熟练以上工具的基础上，再学习Anaconda的使用。该工具集成了很多实用的包模块，方便编写中大型项目代码。
二、Python的IDE（集成开发环境）介绍
2.1 python程序运行环境介绍
PyCharm 是专业 IDE（集成开发环境）、Jupyter 是交互式笔记本、Anaconda 是 Python 发行版 + 环境 / 包管理器，三者常组合使用而非互斥。以下从优缺点、下载安装、核心使用三方面对比，并给出场景化选型建议。
2.2核心优缺点对比
1.PyCharm（社区版 / 专业版）：
核心优点：
① 智能补全 / 语法检查 / 调试极强，适合工程化开发；
② 项目管理、Git 集成、多框架（Django/Flask）支持；
③ 社区版免费，专业版 30 天试用，支持 Jupyter / 远程开发
核心缺点：
① 安装包大（约 400MB），低配机启动慢；
② 专业版付费（约 199 美元 / 年，学生可申请免费）；
③ 新手需简单配置解释器 / 环境
适用场景： Python 学习、大型项目、Web 开发、企业级开发
2.Jupyter（Notebook/Lab）
核心优点：
① 单元格式执行，实时看结果，适合数据探索 / 教学；
② 支持 Markdown + 代码 + 图表混合，文档化极强；
③ 轻量，可通过 Anaconda 一键安装或在线使用（Colab）
核心缺点：
① 不适合大型项目，调试能力弱；
② 代码执行顺序易混乱，版本控制不便；
③ 依赖浏览器，离线受限适用场景： 适用场景：
数据分析、机器学习实验、论文 / 教程编写
3.Anaconda（含 Miniconda）
① 预装 200 + 科学计算库（NumPy/Pandas 等），环境隔离；
② conda 包管理，一键创建虚拟环境，避免版本冲突；
③ 集成 Navigator（GUI）、Jupyter、Spyder 等
核心缺点：
① 完整版体积大（约 3GB），安装耗时；
② 部分包更新慢于 pip；
③ 新手可能混淆 conda 与 pip 用法
适用场景：
数据科学、多环境管理、新手快速上手
2.3下载与安装步骤
1. PyCharm
下载：访问PyCharm 官网，选社区版（免费）或专业版（试用），按系统（Windows/macOS/Linux）下载安装包JetBrains。
安装：
Windows：双击.exe，勾选 “Add to PATH”（可选），选非中文路径，等待完成。
macOS/Linux：拖入应用程序 / 解压，终端启动或创建快捷方式。
配置：首次启动选 “New Project”，选择解释器（可关联 Anaconda 环境），完成项目创建。
2. Jupyter
方式 1（Anaconda 集成，推荐新手）：安装 Anaconda 后默认自带，无需额外安装。
方式 2（pip 独立安装）：
确保 Python 3.7+，终端执行pip install notebook（Notebook）或pip install jupyterlab（Lab）。
启动：命令行输入jupyter notebook或jupyter lab，浏览器自动打开（默认http://localhost:8888）。
3. Anaconda（含 Miniconda）
下载：
完整版 Anaconda：访问Anaconda 官网，选对应系统安装包（Windows.exe/macOS.pkg/Linux.sh）。
Miniconda（精简版）：访问Miniconda 官网，下载约 50MB 安装包。
安装：
Windows：双击.exe，选非系统盘（如 D:\Anaconda3），可选 “Add Anaconda to my PATH environment variable”（新手建议勾选），等待完成。
macOS/Linux：终端运行bash Anaconda3-xxx.sh，按提示完成，最后执行source ~/.bashrc（Linux）或source ~/.zshrc（macOS）刷新环境。
验证：打开 Anaconda Prompt / 终端，输入conda --version，显示版本即成功。
2.4 核心使用方法
1. PyCharm
l新建项目：File→New Project→选择解释器（Anaconda 环境路径如 D:\Anaconda3\python.exe）→创建。
l调试：设置断点，右键 “Debug”，通过调试窗口查看变量 / 堆栈。
l关联 Jupyter：社区版 / 专业版支持 Jupyter Notebook，新建.ipynb 文件即可单元格执行
2. Jupyter
l新建 Notebook：启动后点击 “New→Python 3”，单元格写代码，Shift+Enter 执行。
l切换单元格类型：ESC+M（Markdown）/ESC+Y（代码），支持 LaTeX 公式与图表输出。
l常用魔法命令：%timeit测执行时间、%%writefile保存代码到文件。
3. Anaconda
l环境管理（核心）：
conda create -n myenv python=3.10# 创建环境 conda activate myenv# 激活环境（Windows）/source activate myenv（macOS/Linux） conda deactivate# 退出环境 conda env list# 查看所有环境 |
l包管理：
conda install pandas -y# 安装包 conda update conda -y# 升级conda conda list# 查看已安装包 |
l启动 Navigator：Windows 开始菜单搜索 “Anaconda Navigator”，图形化管理环境 / 启动 Jupyter。
2.5选型与组合建议
1.新手入门：Anaconda（Miniconda）+ PyCharm 社区版 + Jupyter，环境管理 + 高效编码 + 数据探索全覆盖。
2.数据分析 / 机器学习：Anaconda + Jupyter Lab，配合 conda 环境隔离，快速验证模型。
3.大型项目 / Web 开发：PyCharm 专业版 + Anaconda 环境，工程化能力拉满。
4.无安装权限：使用 Google Colab（在线 Jupyter），免费 GPU/TPU 支持。
2.6以上内容的总结
三者功能互补：Anaconda 解决环境 / 包管理痛点，PyCharm 提升编码 / 调试效率，Jupyter 优化交互式探索与文档化。优先按场景组合使用，而非单独选择。
三、小结
本文针对python程序的开发环境进行了说明，建议先从最基础的环境开始，逐渐掌握功能更强大的工具。使用什么工具与自身的编程需求相关，如果只是简单的python脚本练习，那么Jupyter完全可以。当程序越来越复杂，类似工程项目有几十上百的文件需要管理的时候，还是要学会pycharm和Anaconda，这些工具表面上复杂，实际上是功能丰富，提升你的代码成功率并让你的代码格式更美观。
让我们保持学习热情，多做练习。我们下期再见！
