作者 | Saurabh Hooda

出品 | CDA數據分析師

What is the Best Python IDE for Data Science?

m創建，於1991年首次發佈，解釋的高級編程語言是為通用編程而開發的。Python解釋器可在多種操作系統上使用，包括Linux，MacOS和Windows。以下是最受歡迎的Python IDE /編輯器，基於受此博客啟發的KDnuggets民意調查。

​隨著近30年的運行過程，Python在編程社區中獲得了極大的歡迎。使用IDLE或Python Shell寫下Python代碼對於較小的項目是有效的，但在完成成熟的機器學習或數據科學項目時卻不實用。

在這種情況下，您需要使用IDE（集成開發環境）或專用代碼編輯器。由於Python是領先的編程語言之一，因此可以使用多種IDE。所以問題是，“哪個是Python最好的IDE？”顯然，Python沒有單一的IDE或代碼編輯器可以加上“最佳”標籤。這是因為他們每個人都有自己的優點和缺點。此外，在眾多IDE中進行選擇可能非常耗時。

​ 不過不要擔心，為了幫助您選擇正確的，我們已經整理了一些Python的IDE，專門用於處理數據科學項目。這些是：

Atom

平臺 - Linux / macOS / Windows

Atom是一個免費的開源文本和源代碼編輯器，可用於許多編程語言，包括Java，PHP和Python。文本編輯器支持用Node.js編寫的插件。儘管Atom可用於多種編程語言，但它通過其有趣的數據科學功能展示了對Python的非凡熱愛。

Atom帶來的最大功能之一是支持SQL查詢。但是，您需要首先安裝Data Atom插件才能訪問該功能。它為Microsoft SQL Server，MySQL和PostgreSQL提供支持。此外，您可以在Atom中可視化結果，而無需打開任何其他窗口。

另一個有利於Python數據科學家的Atom插件是Markdown Preview Plus。這為編輯和可視化Markdown文件提供了支持，允許您預覽，渲染LaTeX方程等。

好處：

• 積極的社區支持
• 與Git的完美整合
• 為管理多個項目提供支持

缺點：

• 可能會遇到舊CPU的性能問題
• 遇到遷移問題

Jupyter Notebook

平臺 - Linux / macOS / Windows

類型 - 基於Web的IDE

Jupyter Netbook於2014年誕生於IPython，是一個基於服務器 - 客戶端結構的Web應用程序。它允許您創建和操作稱為notebook的筆記本文檔。對於Python數據科學家來說，Jupyter Notebook是必不可少的，因為它提供了最直觀和交互式的數據科學環境之一。

除了作為IDE運行之外，Jupyter Notebook還可用作教育或演示工具。此外，對於剛剛開始使用數據科學的人來說，它是一個完美的工具。您可以使用Jupyter Notebook輕鬆查看和編輯代碼，從而創建令人印象深刻的演示文稿。

通過使用Matplotlib和Seaborn等可視化庫，您可以在代碼所在的同一文檔中顯示圖形。此外，您可以將整個工作導出為PDF，HTML或.py文件。與IPython一樣，Project Jupyter是一系列項目的總稱，包括Notebook本身，一個控制檯和一個Qt控制檯。

好處：

• 允許從notebook創建博客和演示文稿
• 確保可重複的研究
• 在運行它們之前編輯片段

缺點：

• 複雜的安裝過程

PyCharm

平臺 - Linux / macOS / Windows

類型 - 特定於Python的IDE

PyCharm是Python的專用IDE。PyCharm to Python就是Eclipse的Java。功能齊全的集成開發環境分別提供免費版和付費版，分別稱為社區版和專業版。它是隨後安裝簡單設置的最快的IDE之一，並且是數據科學家的首選。

對於那些喜歡IPython或Anaconda發行版的人來說，知道PyCharm可以輕鬆集成Matplotlib和NumPy等工具。這意味著您可以在處理數據科學項目時輕鬆使用數組查看器和交互式圖。除此之外，IDE擴展了對JavaScript，Angular JS等的支持。這使得它也適合Web開發。

完成安裝後，PyCharm可以很容易地用於編輯，運行，編寫和調試Python代碼。要從一個新的Python項目開始，您只需打開一個新文件並開始寫下代碼。除了提供直接調試和運行功能外，PyCharm還提供對源代碼控制和全尺寸項目的支持。

好處：

• 積極的社區支持
• 事實上的Python開發，包括數據科學和非數據科學項目
• 新手和退伍軍人都很容易使用
• 更快的重建索引
• 無需任何外部要求即可運行，編輯和調試Python代碼

缺點：

• 裝載速度可能會很慢
• 在可以使用現有項目之前，可能需要調整默認設置

Rodeo

平臺 - Linux / macOS / Windows

類型 - 特定於Python的IDE

帶有橙色的徽標暗示了這個Python IDE是專門為進行數據分析而開發的。如果您對RStudio有一些經驗，那麼您就會知道Rodeo與它共享許多特徵。對於那些不瞭解RStudio的人來說，它是R語言最流行的集成開發環境。

與RStudio一樣，Rodeo的窗口分為四個部分，即文本編輯器，控制檯，變量可視化環境以及繪圖/庫/文件。令人驚訝的是，Rodeo和RStudio都與MATLAB有很大的相似之處。

Rodeo的最佳之處在於它為初學者和退伍軍人提供了同樣的便利。由於Python IDE允許您在同時創建時進行查看和探索，因此Rodeo無疑是使用Python開始使用數據科學的最佳IDE之一。IDE還提供內置教程並附帶輔助材料。

好處：

• 大量的定製
• 查看並探索您實時創建的內容
• 使用自動完成和語法突出顯示功能更快地編寫代碼，並支持IPython

缺點：

• 很多錯誤
• 不太積極的支持
• 受到記憶問題的困擾

Spyder的

平臺 - Linux / macOS / Windows

類型 - 特定於Python的IDE

Spyder是一個開源的專用於Python的IDE。IDE的獨特之處在於它針對數據科學工作流程進行了優化。它與Anaconda包管理器捆綁在一起，後者是Python編程語言的標準發行版。Spyder具有所有必需的IDE功能，包括代碼完成和集成的文檔瀏覽器。

Spyder特別針對數據科學項目而構建了一個平滑的學習曲線，讓您可以快速學習它。在線幫助選項允許您在並行開發項目的同時查找有關庫的特定信息。此外，特定於Python的IDE與RStudio有相似之處。因此，從R切換到Python時很適合。

Spyder對Python庫的集成支持，如Matplotlib和SciPy，進一步證明了IDE特別適用於數據科學家。除了可觀的IPython / Jupyter集成之外，Spyder還擁有獨特的“可變瀏覽器”功能。它允許使用基於表格的佈局顯示數據。

好處：

• 代碼完成和變量探索
• 使用方便
• 非常適合用於數據科學項目
• 整潔的界面
• 積極的社區支持

缺點：

• 缺乏非數據科學項目的能力
• 對於高級Python開發人員來說太基礎了

如何為Python選擇最佳IDE？

這完全取決於您需要滿足的要求類型。儘管如此，這裡有一些一般性建議：

• 在使用Python重新開始時，請使用具有較少自定義和其他功能的IDE。那裡的注意力越少，開始就越好
• 將IDE功能與您的期望進行比較
• 嘗試使用多個IDE可以幫助您更好地瞭解哪個IDE最適合特定要求