哪个才是数据科学的最佳Python IDE？

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。

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。

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。

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。

'''
需要免费破解版pycharm或者其他的一些Python编辑器工具都可以加群1136201545获取
'''

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。

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