python编程环境有哪些

python编程环境有哪些

python需要具备以下编程环境：1.保存和重载代码文件。如果一款集成开发环境或者编辑器不允许你保存现有工作，并在之后重新打开时不能保持你离开时的相同状态，那么它就不是什么集成开发环境。2.语法高亮。支持对代码中的关键词、变量和符号快速标识可以让阅读和理解代码更为轻松。3.在环境内运行代码。类似的是，如果你必须退出编辑器来运行Python代码，那么它也就是一个普通的文本编辑器。4.自动补充代码格式。任何一个引人注目的编辑器或者集成开发环境都会在一个“while”或者“for”语句末端识别冒号，并且知道下一行应该缩进。想了解更多有关python的详情，推荐咨询达内教育。达内教育独创TTS8.0教学系统，达内OMO教学模式，全新升级，线上线下交互学习，满足学生多样化学习需求；更有企业双选会，让学生就业更顺利。感兴趣的话点击此处，免费学习一下2022-01-10

Python专用的编辑器和集成开发环境
PyCharm
类别：集成开发环境

PyCharm是最好的一个（也是唯一一个）专门面向于Python的全功能集成开发环境。同样拥有付费版（专业版）和免费开源版（社区版），PyCharm不论是在Windows, Mac OS X系统中, 还是在Linux系统中都支持快速安装和使用。

开箱即用，PyCharm直接支持Python开发环境，打开一个新的文件然后就可以开始编写代码。你也可以在PyCharm中直接运行和调试Python程序，并且它支持源码管理和项目。

640?wx_fmt=png

优点：这是真正的Python集成开发环境，拥有众多便利和支持社区。它的编辑、运行和调试功能统统开箱即用。

缺点：PyCharm存在加载较慢的问题，另外对于已有的项目，默认设置可能需要调整。

Spyder
类别：集成开发环境

是一款为了数据科学工作流做了优化的开源Python集成开发环境。它是附在Anaconda软件包管理器发行版中的，因此根据你的设置，或许你已经在机器中安装了Spyder。

Spyder引人注目的一点是其目标受众是使用Python的数据科学家们。你一定会留意到这一点，举个例子来说，Spyder很好的集成了一些诸如SciPy、NumPy和Matplotlib这样的公共Python数据科学库。

Spyder拥有大部分你所期待的集成开发环境该具备的功能，例如具备强大语法高亮功能的代码编辑器，Python代码补全，甚至是集成文件浏览器。

我从未在其他Python编辑环境中见过的一个特殊功能是Spyder的“变量浏览器”功能，它会以表格形式出现在集成开发环境界面右侧来展示数据。就我个人来说，虽然我并不十分需要这个功能，但是它看起来的确很整洁。如果你是一位日常用Python做数据科学工作的人，那你一定会深深爱上这个独特的功能。Spyder关于IPython或者说Jupyter的集成也做得非常好。

总之，我认为Spyder比其他的集成开发环境更基本，我更愿意把它看做是一款专业工具而不是我日常使用的编辑环境。关于Spyder比较优秀的一点是它兼容Windows、macOS和 Linux系统并且是一个完全开源软件。

640?wx_fmt=jpeg

优点：当你是使用Anaconda Python发行版的数据科学家时你会爱上它。

缺点：更有经验的Python开发人员可能会觉得Spyder太基本了以至于不能支持每日所需的基本工作，这样的话还不如选择一个更为完整的集成开发环境或者定制编辑器解决方案。

Thonny
类别：集成开发环境

作为Python集成开发环境大家庭中的新成员，Thonny被称作是针对新手的一款集成开发环境。由爱沙尼亚塔尔图大学的计算机科学学院开发并维护的Thonny适用于全部主流平台，并且在网站上附有安装指南。

默认情况下，Thonny会和自带捆绑的Python版本一起安装，所以你不需要再安装什么新的东西。更有经验的老手可能需要调整这个设置以便找到和使用已安装的库。

640?wx_fmt=png

优点：你是一名Python新人小白，并且一切就绪需要一款集成开发环境的时候你会选择它。

缺点：更有经验的Python老手可能会觉得Thonny同样太基础了，并且其内置解释器只是一个工作场合，而不是一个可以与之共事的工具。此外，作为一款新兴工具，你在遇到问题时很有可能发现没有现成的解决方法。2021-04-28