墙裂推荐 Anaconda | 安利 Python IDE

为什么推荐 Anaconda?
  • 如果你苦于给 python 安装各种包,安装过程中还各种出错。那么我墙裂推荐你!Anaconda 可以帮助你管理这些包,包括安装,卸载,更新。
  • Anaconda 附带一大批常用数据科学包,如:conda,python 等 150 多个学科包以及依赖项,你可以立即开始处理数据。
  • 还有一个好处就是:如果你的项目是 python 2,新项目是 python 3,你无需同时安装两个版本 python,Anaconda 会帮助你为不同的项目建立不同的运行环境。

总之,安装 Anaconda 会让你省下大量时间下载和安装模块包,处理项目环境问题。 让你更加愉快的编写代码。

Anaconda 的安装

版本选择?2.7 还是 3.6,好难抉择!

由于 Python 有 2 和 3 两个版本,因此 Anaconda 也在 Python2 和 Python3 的基础上推出了两个发行版,即Anaconda2 和 Anaconda3。Python3 被越来越多的开发者所接受,同时让人尴尬的是很多遗留的老系统依旧运行在 Python2 的环境中,因此有时你不得不同时在两个版本中进行开发,调试。

如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题,一个利好的消息是,Anaconda 能完美解决Python2 和 Python3 的共存问题。

conda 是 Anaconda 下用于包管理和环境管理的命令行工具,是 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中,因此可直接在命令行窗口运行 conda 命令。

如果你熟悉 virtualenv,那么上手 conda 非常容易,不熟悉 virtulenv 的也没关系,它提供的命令就几个,非常简单。我们可以利用 conda 的虚拟环境管理功能在 Python2 和 Python3 之间自由切换。

多版本切换

# 基于 python3.6 创建一个名为 test_py3 的环境
conda create --name test_py3 python=3.6 
# 基于 python2.7 创建一个名为 test_py2 的环境
conda create --name test_py2 python=2.7
# 激活 test 环境
activate test_py2  # windows
source activate test_py2 # linux/mac
# 切换到python3
activate test_py3

更多命令,可查看帮助 conda -h

快速安装

Anaconda 可用于多个平台( Windows、Mac OS X 和 Linux)。

官网地址:https://www.continuum.io/downloads。官网下载需要科学上网。 没有墙的宝宝们我给你们准备了镜像网站:https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/。

选择合适自己的版本下载,建议下载 python 3。

下载好以后你只需要傻瓜式的安装即可,最后,在终端输入 python 看到出现如图所示就代表安装成功了。

第一个 Python 代码

启动 Anaconda 之后,你会看到这样的界面,我推荐使用 jupyter notebook 编写,点击 launch。

jupyter notebook 打开的是一个网址形式的界面,点击右上角的 new 创建第一个 python 文件吧。

jupyter 支持很多种文本格式,code,markdown,Raw NBConvert,Heading。

常用的就是 code 和 markdown了,你可以同时在一个 python 文件中写 code 和 md。你也可以直接用 jupyter 打开。

经过几天的学习,我已经写了部分 python 的入门博客和代码,在 github 上,你更是可以直接将 代码打开运行在 Anaconda 上。图示中的 .ipynb 文件就是 jupter 文件的扩展名,你可以直接运行,也可以编辑。欢迎 follow 和 star。

https://github.com/angelOnly/python_learning_note

Spyder VS PyCharm

spyder 是 anaconda 自带一款编辑器

借助网友们的推荐和建议,有如下说法。

相比较而言,pycharm 用起来更便捷,虽然 spyder 中所有的变量也都能显示,方便调试,里边还有 ipython notebook,但是很细节的一些代码还是 pycharm 更便捷一些。

强烈推荐 anaconda+pycharm 组合,因为 anaconda 安装的时候已经默认为你安装了一大堆做数据分析常用的包,所以,直接在 pycharm 中把默认解释器改为 anaconda 中的 python 即可。

另外,只是针对数据分析与机器学习,anaconda 用起来更方便一些,对于 python 的其他用途,比如爬虫、web开发,pycharm 更好一些。针对大型的 web 框架修改调试,还是需要个大型 IDE。

好书推荐

代码整洁之道

作为一个程序员,写代码只是其中的一小部分,每天做得最多的还是维护,如何让你的团队们都能轻松阅读你的代码,如何让代码变得高效,这本书很适合你。

豆瓣简介

干净的代码,既在质量上较为可靠,也为后期维护、升级奠定了良好基础。作为编程领域的佼佼者,本书作者给出了一系列行之有效的整洁代码操作实践。这些实践在本书中体现为一条条规则(或称“启示”),并辅以来自现实项目的正、反两面的范例。只要遵循这些规则,就能编写出干净的代码,从而有效提升代码质量。

本书阅读对象为一切有志于改善代码质量的程序员及技术经理。书中介绍的规则均来自作者多年的实践经验,涵盖从命名到重构的多个编程方面,虽为一“家”之言,然诚有可资借鉴的价值。

《如何高效学习:1年完成麻省理工4年33门课程的整体性学习法》

读这本书是因为我意识到学习真的是有技巧的,整体性学习法里面讲述了一些巧妙的方法帮助我们记忆,特别是有名的费曼技巧,前期可能学习会放慢速度,但是后期对你帮助特别大,因为用了费曼技巧你基本不会忘记你学过的知识,这其实是另一种高效率,想要了解更多,还是自己看书吧。

豆瓣简介

一位因为快速学习而成名的神奇小子,他应用自己发明的学习方法,完成了 10 天搞定线性代数,1 年学习 4 年MIT 课程的“不可能任务”。本书就是对他学习方法的全面介绍,其中包括整体性学习策略的核心思想和具体技术,详细介绍了快速阅读法、流笔记法、比喻法、内在化等七大方法,并为高效学习提供了从生活到时间管理的整体解决方案。跟随作者,你也将成为高效学习的超级学霸。

本文分享自微信公众号 - Python梦工厂(AzMark950831)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-07-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏chafezhou

小说python操作PLC

PLC(Programmable Logic Controller)可编程逻辑控制器,可以理解为一个微型计算机,广泛应用于工业控制中,如楼宇智控、精密机床、汽车...

3.7K20
来自专栏PPV课数据科学社区

一文总结学习 Python 的 14 张思维导图

本文主要涵盖了 Python 编程的核心知识(暂不包括标准库及第三方库,后续会发布相应专题的文章)。

12410
来自专栏工科狗和生物喵

【计算机本科补全计划】Java学习笔记(八) Java数组

数组对于每一门编程语言来说都是重要的数据结构之一,当然不同语言对数组的实现及处理也不尽相同。Java 语言中提供的数组是用来存储--固定--大小的同类型元素。

13230
来自专栏牛客网

深信服提前批面经

4讲一下hdfs的写入过程,发请求给namenode,返回一个地址进行写入,写入完告诉namenode,namenode完成副本备份。

15130
来自专栏奇点大数据

Pytorch神器(3)

上次我们的连载讲到用最简便的方法,也就是pip方法安装Pytorch。大家都成功了吧。

17810
来自专栏CreateAMind

Keras和DDPG玩赛车游戏(自动驾驶)

这里,s是状态,a是行为/动作,θ是策略网络的模型参数,π是常见的表示策略的符号。我们可以设想策略是我们行为的代理人,即一个从状态到动作的映射函数。

55320
来自专栏牛客网

阿里机器学习七面面经

二面大哥是临时叫来的,没看过我的简历,就对简历中的项目进行探讨,讨论了一下实现的方式。

29230
来自专栏量子位

零基础可上手 | 手把手教你用Cloud AutoML做毒蜘蛛分类器

近日,一名叫Matt Fraser的小哥用Cloud AutoML制作了一个分类器,能识别分类澳大利亚的各种毒蜘蛛。

18060
来自专栏奇点大数据

Pytorch神器(4)

上一次,我们用最简短的篇幅讲述了用Pytorch实现线性回归的过程。整个程序仅仅用了约60多行就完成了一个线性回归机器学习程序的全部内容。这次的文章,我们来对上...

13330
来自专栏量子位

来自小姐姐的入门推荐:7个基本机器学习算法Python实现

她总结了一份基本的机器学习算法,全部以纯Python(版本3.6+)实现。其中包括线性回归等七套算法,具体地址在此:

15020

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励