Day 12：Python 四种常用开发环境总结
发布日期：2022年3月12日 18:02 阅读: 396 访问: 397
包安装和镜像源先来区分几个小白容易混淆的概念：Python 解释器、PyCharm、Anaconda、Conda 安装、pip 安装。PyCharm 是 Python 常用的集成开发环境，全称 Integrated Development Environment，简称 IDE，它本身无法执行 Python 代码。Python 解释器
包安装和镜像源
先来区分几个小白容易混淆的概念：Python 解释器、PyCharm、Anaconda、Conda 安装、pip 安装。
- PyCharm 是 Python 常用的集成开发环境，全称 Integrated Development Environment，简称 IDE，它本身无法执行 Python 代码。
- Python 解释器负责执行 Python 代码。可去 Python 官网下载指定版本的 Python，如常用的 Python 3.7 或 Python 3.8 版本；如果安装过 Anaconda，它里面也包括某版本的 Python 解释器。PyCharm 里可选择配置指定版本的 Python 解释器。
- Anaconda：组装 Python 常用包和环境在一起，开发者使用 Conda 命令，可以非常方便地安装各种 Python 包。
- Conda 安装：安装 Anaconda 软件后，能够使用 Conda 命令下载。Anaconda 源，常用的清华、中科大镜像源。Conda 安装不仅能装 Python 相关的包，还能安装 C++ 相关的包。
- pip 安装：也是一种类似于 Conda 安装的 Python 安装方法，用于从 Python Package Index 安装包的工具，只能安装 Python 相关的包。
镜像源
使用 Conda 安装某些包会出现慢或安装失败问题，最有效方法是修改镜像源为国内镜像源。
先查看已经安装过的镜像源，Windows 系统在 CMD 窗口中执行命令：
conda config --show查看配置项 channels，如果显示带有 tsinghua，则说明已安装过清华镜像。
channels:
- https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/还可以添加中科大镜像源：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/并设置搜索时显示通道地址：
conda config --set show_channel_urls yes确认是否安装镜像源成功，执行 conda config --show，找到 channels 值为如下：
channels:
- https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
- defaults如果要移除镜像源，使用 conda config --remove channels url 地址，比如要删除清华的某个镜像，使用以下命令：
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/或者使用下面命令删除所有所有镜像源：
conda config --remove-key channels举一个安装深度学习库 PyTorch 的例子，安装使用 Conda 方法，命令如下所示：
conda install pytorch torchvision cudatoolkit=10.1需要安装的包共有两个，每行后面的链接就是要从清华下载的镜像源。
特别注意：不要使用如下命令，多了 -c pytorch 后不会再从清华镜像源下载，属于画蛇添足！
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch环境搭建和包安装是学习的第一步，千里之行始于足下。
第一步很重要，在后面会单独有一个讨论环境搭建安装的两个案例。
搭建 Python 执行环境
Python 的执行环境分为两类：交互环境和调试环境。下面分别介绍两种环境，搭建 Python 的方法。
Jupyter NoteBook
Jupyter NoteBook 是一个交互式笔记本，提供随时可运行代码的交互式环境。
Jupyter NoteBook 是一种“实时”调试工具。每写一行代码，同时按下 Alt + Enter 便立即执行此行代码，并得到结果。
安装完 Anaconda 后，Jupyter NoteBook 默认便已安装上。接下来，演示如何入门使用 Jupyter NoteBook。
调出 CMD 命令窗口，并输入 jupyter NoteBook，服务启动，并弹出 Jupyter NoteBook 前端界面。
点击 New，选择 Python 3 选项，生成第一个 NoteBook。
默认输入第一行代码 a,b=1,3，第二行输入文字，并设置为“标题”类型。
另起一行输入 b,a = 1,3，按下 Alt + Enter 执行，实现交换两个元素取值。
如下所示，分别输入 a、b 回车，确认 a、b 交换成功。
安装 Jupyter NoteBook 的扩展插件包 jupytercontribnbextensions。安装后多一个 NBextensions 选项卡，里面有各种插件可供选择。
推荐安装下面 3 个有用的插件：
- Autopep 8：安装 Autopep 8 库，实现自动格式化代码。
- Highlighter：选中的文字高亮显示。
- Hinterland：代码自动提示，无需按下 Tab 键。
IPython
IPython 是一个增强的可交互式 Python 编程工具。基于它衍生出的 Jupyter NoteBook，其 Python 内核正是 IPython。IPython 提供便捷的 Shell 特性，命令历史查询机制，输出结果缓存功能。
输入 ipython 命令，自动弹出窗口。它更加精简，也提供随时可执行代码的交互环境。
输入一行命令，可立即 Enter 执行此行：
In [3]: a,b=1,3
In [4]: b,a=1,3
In [5]: a
Out[5]: 3
In [6]: b
Out[6]: 1提供 Linux 系统 Shell 工具的标准命令，比如查看历史输入命令，使用 history 便可查看：
In [9]: history
?
a,b=1,3
b,a=1,3
a
b
ls
historyIPython 的一个主要使用场景，在拿不准某个函数使用时，可立即启动 ipython 验证。
比如，忘记 NumPy 的 randint、rand 函数使用时，执行如下代码：
In [10]: import numpy as np
In [11]: np.random.randint(2,3)
Out[11]: 2
In [12]: np.random.rand(2,3)
Out[12]:
array([[0.98391545, 0.40438994, 0.30680514],
[0.92961344, 0.02093899, 0.62911785]])VS Code
VS Code 全称为 Visual Studio Code，一款轻量级，但功能强大的源代码编辑器，跨 Windows、macOS 和 Linux。
https://code.visualstudio.com/ 官网下载安装包，大小约为 53M，安装过程非常简单。
VS Code 相比于 Jupyter NoteBook 和 IPython，更适合做代码“调试”工作。
启动 VS Code，左侧为资源管理器，右侧代码编辑界面：
其中编辑窗口可为多屏：
按下调试虫，再按下 F5，启动代码调试：
VS Code 中的调试界面如下：
左侧为当前变量的值，右侧上为调试键，F10 键 step over 调试，F11 键进入 step into 调试，右侧下为断点（F9 为此行增加断点）停靠行：
安装插件也非常方便，点击最左侧的插件按钮，输入想安装的插件，目前已安装 14 个插件。
安装 Autopep8 插件，实现代码自动格式化；Pyright 插件于 2019 年微软发布的一款 Python 静态类型自动检查的工具，关于此工具的使用方法会在后面章节中详细介绍。
PyCharm
PyCharm 是一款专业的 Python IDE 工具，官网：
Community 版本完全免费，Professional 版可试用。一般下载 Community 版就够用：
安装完成后，新建一个项目，看到 PyCharm 自动生成一个 venv 私有包环境文件夹。
下一步，新建一个 Book.py 文件，并输入以上代码。
接下来做 Python 解释器的配置，选择 File，选择 setting。如下，Python 解释器选择为已经安装好的 Anaconda 里的 python.exe：
为 Book.py 运行配置参数，如下选择 Edit Configurations：
弹出配置界面后，依次选择左侧 +，脚本路径（script path）选择 Book.py 所在目录。
Python 解释器选择 Anaconda 下安装的 Python 解释器。如下所示：
在指定行打上断点，点击调试按钮后。程序运行到断点处：
调试窗口如下，看到各种系统变量的取值：
按下 F7 进入 Book 类的 __init__ 函数，观察此时 Book 类的各个变量的取值：
如果想在 PyCharm 内安装扩展包，依次选择 File，选择 settings，选择右侧的 +，弹出的窗口中输入想要安装的扩展包，比如“tensorflow”，然后点击“install package”后开始安装。
以上就是 Python 常见的执行环境搭建过程。
小结
今天，一起学习了 ：
- Python 环境搭建，镜像源安装包；
- 4 款常用的 Python 开发环境：Jupyter NoteBook、IPython、VS Code、PyCharm。