在开始学习Python之前，你需要先选择最适合自己的IDE(集成开发环境)。为了解决这一需求，本文调查了很多可用的工具，并分析了它们的优缺点，为你选择Python IDE提供一些建议。
Python于1991年发布，由Guido van Rossum 创建。这一解释性的高级编程语言是为通用编程而开发的。Python解释器可以在多个操作系统上使用，包括Linux，MacOS和Windows。
有着近三十年运行过程的Python已经在编程领域广为流行。使用IDLE或Python Shell来写Python代码对于较小的项目是可取的，但是在处理成熟的机器学习或数据科学项目时并不实用。
在这种情况下，你需要使用IDE（集成开发环境）或者专用代码编辑器。因为Python是最主要的编程语言之一，所以有许多可用的IDE。问题就变成了“哪个是最好的Python IDE？”
显然，没有一个Python IDE或者代码编辑器可以被冠以“最好”的标签。因为每一个IDE和代码编辑器都有它们自己的优缺点。此外，在大量的IDE中进行选择还很费时。
但不用担心，为了帮助你选择正确的IDE，本文整理了一些主要的Python IDE，这些IDE都是专门为处理数据科学项目而创建的。
Atom
平台
Linux/macOS/Windows
官网
类型
在学习的道路上肯定会遇到困难，没有好的学习资料怎么去学习呢？
如果你感觉学不会？莫慌，推荐你加群
前面923中间414后面804 ，群里有志同道合的小伙伴
互帮互助，还可以拿到许多视频教程！
通用文本编辑器
Atom 是一个免费的、开源的文本和源码编辑器，可用于多种编程语言，包括Java，PHP和Python。文本编辑器支持Node.js编写的插件。尽管Atom可用于多种编程语言，但它有趣的数据科学特性显示了它对Python的偏爱。
Atom的最大功能之一是对SQL查询的支持。但首先需要安装Data Atom 插件来访问该功能。它为Microsoft SQL Server、MySQL和 PostgreSQL提供了支持。此外，在Atom中你无需打开任何其它的窗口就可以可视化结果。
另一个使Python 数据科学家受益的Atom 插件是Markdown Prevoew Plus。它支持编辑和可视化Markdown文件，还能允许你预览、渲染LaTeX方程式等。
优点
- 积极的社区支持
- 与Git的完美集成
- 为管理多个项目提供支持
缺点
- 在老旧的CPU上可能会出现性能问题
- 有移植问题
Jupyter Notebook
平台
Linux/macOS/Windows
官网
类型
基于Web的IDE
Jupyter Netbook在2014年由IPython演变而来，是一个基于服务器—客户端结构的Web应用程序。它允许你创建和操作称为notebooks的笔记本文档。对于Python数据科学家来说，Jupyter Notebook是必不可少的，因为它提供了最直观且交互的数据科学环境之一。
除了作为IDE进行操作之外，Jupyter Notebook还可以作为教育或演示工具。此外，对于那些刚刚开始数据科学工作的人来说，它无疑是一个完美的工具。你可以轻松地使用Jupyter Notebook查看和编辑代码，从而创建令人印象深刻的报告。
通过运用像Matplotlib和Seaborn这样的可视化库，你可以在同一篇文章中像展示代码一样展示图表。此外，你可以将整个工作导出到PDF、HTML或.py文件。与IPython一样，Project Jupyter是一组项目的总称，包括Notebook本身、控制台和Qt控制台。
优点
缺点
- 安装过程复杂
PyCharm
平台
Linux/macOS/Windows
官网
类型
Python专用IDE
Pycharm是专门用于Python的IDE。Pycharm和Python的关系就是Eclipse对于Java的关系。这一全功能集成开发环境提供免费版本和付费版本，分别称为社区版和专业版。它是安装速度最快的IDE之一，安装过程非常简单，受到数据科学家的青睐。
对于那些和IPython、Anaconda相像的发行版而言，PyCharm容易集成像Matplotlib和NumPy这样的工具。这意味着你可以使用数组查看器和交互式绘图轻松地处理数据科学项目。除此之外，IDE扩展了对JavaScript、Angular JS等的支持，这也使它非常适合用于Web开发。
一旦你完成了安装，PyCharm就可以轻松用于编辑、运行、编写和调试Python代码。要开始一个新的Python项目，你只需打开一个新文件并开始写下代码。除了提供直接的调试和运行特性外，PyCharm还提供对源代码的控制并支持大型项目。
优点
- 积极的社区支持
- 专为Python开发，可用于数据科学和非数据科学项目
- 易于新手及经验丰富的开发者使用
- 更快的重新索引
- 运行、编辑和调试Python代码而不需要任何外部需求
缺点
- 下载时可能比较慢
- 默认设置可能需要在使用现有项目之前进行调整
Rodeo
平台
Linux/macOS/Windows
官网
类型
Python专用IDE
带有橙色的标志暗示了这个Python IDE是专门为执行数据分析而开发的。如果你对RStudio有一些经验，那么你就会知道Rodeo和RStudio有很多相同之处。对于那些不了解RStudio的人来说，它是R语言最热门的集成开发环境。
像RStudio一样，Rodeo的窗口分为四个部分，即文本编辑器、控制台、用于变量可视化的环境以及绘图/库/文件。
令人惊讶的是，Rodeo和RStudio都与MATLAB有着很大的相似性。
Rodeo最棒的地方在于它为初学者和经验丰富地开发者提供了同等程度的便利。由于Python IDE允许你在创建的同时查看和探索，对于那些使用Python刚开始数据科学工作的人来说，Rodeo无疑是最好的IDE之一。IDE还拥有内置教程，并附带帮助材料。
优点
-
大量定制化内容
-
可查看并探索实时创建的内容
-
自动完成和语法突出功能可让您更快地编写代码，并且支持IPython
缺点
- 很多bug
- 不那么积极的支持
- 存在内存问题
Spyder
平台
Linux/macOS/Windows
官网
类型
Python专用 IDE
Spyder是一个开源的Python专用IDE。它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包管理器捆绑在一起，后者是Python编程语言的标准发行版。Spyder具有所有必需的IDE特性，包括代码完成和集成的文档浏览器。
专门为数据科学项目构建，Spyder展示了一个平滑的学习曲线，允许你很快学习它。在线帮助选项允许你在开发项目的同时查找关于库的具体信息。此外，这个Python专用IDE与RStudio相似。因此，从R语言切换到Python也适合。
Spyder对Python库，如Matplotlib和SiciPy的集成支持进一步证明了它尤其适用于数据科学家。除了可观的IPython/Jupyter集成之外，Spyder还有一个独特的“可变资源管理器”特性。它允许使用基于表的布局显示数据。
优点
-
代码完成和变量探索
-
易于使用
-
完美地用于数据科学项目
-
整洁的界面
-
积极的社区支持
缺点
- 缺乏非数据科学项目的能力
- 对高级Python开发人员来说过于基础
如何选取最好的Python IDE？
这完全取决于你需要完成什么样的要求。虽然如此，这里有一些一般建议：
- 刚开始使用Python时，选择定制较少、附加特性较少的IDE。其他的功能越少，越适合初始学习。
- 将IDE特性与你的期望进行比较。
- 尝试几个IDE将帮助你更好地理解哪个IDE更适合特定需求。
