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
history
IPython 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。