1991 年，Guido van Rossum 创建了 Python 并发布了第一个版本。这种解释型高级编程语言为通用编程而开发。Linux、MacOS 和 Windows 等操作系统中都有 Python 解释器。
经过近 30 年的发展，Python 已成为编程社区极受欢迎的语言。使用 IDLE 或 Python Shell 写 Python 编码适用于小型项目，但无法应对成熟的机器学习或数据科学项目。
在这种情况下，你需要使用一个 IDE（集成开发环境）或专用的代码编辑器。由于 Python 是最流行的编程语言之一，IDE 的选择也非常多。那么问题来了：「究竟什么样的 IDE 最适合 Python？」
很明显，没有哪一个 IDE 或代码编辑器可以称得上是「最好」的 Python IDE 或编辑器。这是因为它们各有优劣。此外，从为数众多的 IDE 中进行挑选实在太浪费时间。
但不用担心，本文已经为你整理好了。为了帮助你做出正确的选择，本文将介绍几种最适合 Python 的 IDE，专门用于处理数据科学项目。
Atom
平台：Linux/macOS/Windows
官网：https://atom.io/
类型：通用文本编辑器
Atom 是一种免费的开源文本及源代码编辑器，适用于 Java、PHP、Python 等多种编程语言。该文本编辑器支持用 Node.js 写成的插件。尽管 Atom 适用于多种语言，但它对 Python 情有独钟，其有趣的数据科学特性非常适合 Python。
Atom 的最大特点之一是支持 SQL 查询，但你需要安装 Data Atom 插件才能获取该特性。它支持 Microsoft SQL Server、MySQL 及 PostgreSQL。而且，你还可以可视化 Atom 的结果，无需打开其他任何窗口。
可以帮助 Python 数据科学家的另一个 Atom 插件是 Markdown Preview Plus。它可以为编辑、可视化 Markdown 文件提供支持，让你可以预览、渲染 LaTeX 公式等。
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：
在较老的 CPU 上运行可能会出现性能问题
可能遇到迁移问题
Jupyter Notebook
平台：Linux/macOS/Windows
官网：/
类型：基于 Web 的 IDE
Jupyter Netbook 起源于 年的 Ipython，它是一种基于服务器-客户端结构的网页应用。Jupyter Netbook 允许大家通过「Notebook」创建和操作代码文件，并且采用一种即时运行的方法，这是 Jupyter Notebook 最重要的特性。对于 Python 数据科学家而言，Jupyter Notebook 基本上是必需品，因为它提供了最直观、最精炼的交互式数据科学环境。
对于刚入门的数据科学家而言，Jupyter 是最简单也最完美的工具。大家在写完一个代码片段后就能直接运行这些局部代码查看效果，因此它的交互效果是最好的。此外，Jupyter Notebook 中的单元可以选择代码或者文档，也就是说选择文档后可以直接按照 MarkDown 的语法写代码或整个文件的注释、心得和背景知识等。
通过使用 Matplotlib 和 Seaborn 等可视化工具，大家可以直接在代码单元下输出想要的可视化图信息。当然大家也可以将整个 Notebook 文件导出为 PDF、HTML 或纯 Python 代码文件，这非常有利于文件在不同平台间的传播，因此像谷歌的 Colab 等平台也都默认使用 Notebook 的这种形式。与 Ipython 一样，Jupyter Notebook 是一系列项目的总称，包括 Notebook、Console 和 Qt console 等。
优点：
允许使用 Notebook 直接创建博客或代码演示
确保可复现的研究与解释
在运行整体前可以运行并修正局部代码块
缺点：
复杂的安装过程（你也可以直接安装集成开发环境 Anoconda～）
PyCharm
平台：Linux/macOS/Windows
官网：/pycharm/
类型：Python 专用 IDE
PyCharm 是 Python 的专用 IDE，地位类似于 Java 的 IDE Eclipse。功能齐全的集成开发环境同时提供收费版和免费版，即专业版和社区版。PyCharm 是安装最快的 IDE，且安装后的配置也非常简单，因此 PyCharm 基本上是数据科学家和算法工程师的首选 IDE。
对于喜欢 IPython 或 Anaconda 发行版的人而言，PyCharm 同样可以便捷地集成 Matplotlib 和 NumPy 等工具，这意味着大家在处理数据科学项目时可以便捷地使用数组查看器和交互式图表等。除此之外，IDE 还扩展了对 JavaScript 和 Angular JS 等语言的支持，这使得它同样也适合 Web 端的开发。
安装完成后，大家可以快速建立一个 Python 项目，并选择解释器和新的代码文件。可能大家会用 conda 等工具维护不同的环境，例如 TensorFlow 或 PyTorch 等，在建立新项目时只需要选择这些环境下的 Python 主程序就相当于选择了新环境。最后，除了提供直接 debug 和运行功能外，PyCharm 还提供对源代码和项目控制的支持。
优点：
活跃的社区支持
支持全面的 Python 开发，不论是数据科学还是非数据科学项目
新手和老兵都易于使用
快速 Reindexing
运行、编辑、debug Python 代码都不需要额外的支持
缺点：
加载可能比较慢
使用现有项目前可能需要调整默认设置
Redeo
平台：Linux/macOS/Windows
官网：/
类型：Python 专用 IDE
Redeo 的 logo 就暗示了这个 IDE 是专门为数据分析而开发的，如果用过 RStudio，你就会发现 Redeo 与它有很多相似的特征。对于那些不了解 RStudio 的人而言，你们只需要知道它是最流行的 R 语言集成开发环境。与 RStudio 一样，Rodeo 的窗口分为四部分，即代码文本编辑器、控制台、变量可视化环境和图形/库/文件的查看窗口。有意思的是，RStudio 和 Redeo 都与 MATLAB 有很多相似之处。
Redeo 的最大优势在于新手和老兵都能方便地使用。由于 Redeo 允许在写代码的同时查看变量和可视化等细节，它可以称得上是最好的数据科学 IDE 之一。此外，Redeo 还有内置的课程及辅助材料。
优点：
大量定制化设计
实时监控代码到底创建了些什么
通过自动补全和语法高亮，写代码会更快
缺点：
有很多 Bug
社区支持不是很多
内存问题
Spyder
平台：Linux/macOS/Windows
官网：/spyder-ide/spyder
类型：Python 专用 IDE
Spyder 是 Python 专用的一种开源 IDE，其独特之处在于专为数据科学工作流程进行了优化。它与 Anconda 软件包管理器捆绑在一起，后者是 Python 编程语言的标准发行版。Spyder 拥有所有必需的 IDE 特性，包括代码完整性及集成文件浏览器。
Spyder 专为数据科学项目创建，具备平滑的学习曲线，即学即会。在线帮助选项允许用户在并行开发项目的同时寻找关于库的专门信息。而且，这个 Python 专用 IDE 与 RStudio 类似。因此，在从 R 切换到 Python 时这是一个恰当的选择。
适用于 Python 库的 Spyder 集成支持（如 Matplotlib 和 SciPy）进一步证明，Spyder 是为数据科学家量身打造的。除了可感知的 IPython/Jupyter 集成之外，Spyder 还有一个独特的「variable explorer」特性，允许使用基于表格的布局展示数据。
优点：
代码完备性和变量探索
易用性
数据科学项目的理想工具
界面整洁
活跃的社区支持
缺点：
不适用于非数据科学项目
对于高阶 Python 开发者而言太基础了
如何为 Python 选择理想的 IDE？
这完全取决于你的需求。以下是几点建议：
如果你刚开始使用 Python，找一个定制化较少、附加功能也较少的 IDE。干扰越少，上手越容易。
将这些 IDE 功能与你的期望进行对比。
多尝试几种 IDE 就会知道哪一种最适合你的需求。
Python目前的优势虽然还无定论。但十年前，Perl，PHP和Ruby等脚本语言都是最热门的编程语言。然而今天，是Python的市场。在许多知名技术社区，它都十分受关注。如：GitHub中它第二大流行编程语言，也是Stack Overflow发展最快的主要编程语言。更重要的是，它被认为是机器学习领域最流行的语言，由于Python脚本语言对机器学习和数据科学而言极具吸引力，因此Python随着人工智能的发展流行起来。随着Python的兴起，其相关的IDE和Python编辑器，也随之收到关注。那么哪些IDE和编辑器，被程序员和开发者们常用呢？如下将介绍Python的前五大IDE和代码编辑器。
PyCharm
PyCharm由JetBrains开发，该团队为Java创建了另一个流行IDE IntelliJ IDEA。它是Python中最受欢迎的IDE之一，它使开发人员在用PyCharm处理日常事务时更加高效。
开源社区为开发人员提供了从快速代码导航，代码完成，重构，单元测试和调试器等所需的高效Python开发所需的所有工具。商业选项完全支持Django，Mako和Web2Py进行Web开发。
Spyder
Spyder是Python的开发编辑器，具体来说是针对数据科学。Spyder独特的功能组合使其成为科学家，工程师和数据分析师的绝佳工具。这些内置功能包括高级编辑，交互式控制台，文档查看器，可变浏览器以及一整套开发工具，其中包括一些非常漂亮的可视化选项，可让你的数据看起来更加靓丽。
Spyder可通过插件系统和API以及PyQt5扩展库进行扩展。它是完全免费的，开源的，100％纯Python。这个IDE与RStudio和Matlab非常相似，使它成为数据科学家学习的一个简单工具。 Spyder支持Windows，MacOS和Linux。
Eclipse+PyDev
Eclipse被选入，可能存在疑义。因为Eclipse不是一个Python特定的IDE。然而，PyDev是Eclipse的免费开源插件，允许开发人员在仍然使用Python编写时，利用所有酷酷的Eclipse特性。鉴于Eclipse的普及程度，不妨一试。
为Eclipse IDE安装一个简单的插件后，PyDev可用于Python，Jython和IronPython开发。开箱即用的功能包括代码完成，代码分析，重构，Python调试，甚至是交互式控制台。如果你是Django开发人员，PyDev可以简化制作和执行新的Django项目。
推荐PyDev作为LiClipse捆绑包的一部分，该捆绑包还提供对C ++，JavaScript，Dart等的支持。
IDLE（和IdleX）
当然，你不需要花费很多时间，就能上手IDLE。该IDE非常轻便，可直接从Python shell运行。虽然它没有项目管理能力可言，如果你担心代码臃肿，IDLE提供了一个强大的调试器，非常棒。它提供了一个多窗口文本编辑器，其中包含多种撤销，Python着色，智能缩进，调用提示，自动完成等功能。
此外，IdleX还包含二十多个扩展和插件，为IDLE提供了额外的功能。IdleX为开发人员提供了更多用于学术研究和开发以及探索性编程的工具。这些功能包括外壳增强，编辑器增强，编辑器的交互式执行等等。
Atom
从技术上讲，Atom是一个代码编辑器。被称为“作为面向21世纪的文本编辑器”的Atom，基于Electron框架构建，并由GitHub开发。虽然Atom主要专注于为JavaScript，HTML和CSS创建桌面应用程序，但Python语言支持通过扩展可用。
Atom的轻量化，使其加载和使用速度更快。但是，因为它运行在JavaScript过程中，所以它显然不是100％Python或原生。Atom的社区不断发展，创造出额外的生产力和效率的插件。毫不奇怪，Atom与GitHub和Git的整合非常棒。
有必要的补充
尽管IDE和编辑器很多，但如果不提及唯一的Jupyter Notebook，有点说不过去当然，它不是一个IDE，但它非常有用。
Jupyter Notebook是一款开源Web应用程序，它允许开发人员创建和维护文档。这是一款适合初学者和教育工作者的优秀，易于使用的数据科学工具。Jupyter允许用超过40种语言进行编程，包括Python。由于可以共享，因此可以实现更大的数据集成协作。
可以使用anaconda平台，上面有很多python的开发工具可以使用，无需联网
Python是动态语言，比较简洁。Android不直接支持使用python开发应用，需要使用其它中间件或者库。PythonForAndroid提供了在android平台上对python语言的支持；CLE支持python和java之间的交互，同时提供了一个通用的接口，可用于其它多种语言。
Wrapandroid project将android类封装为CLE对象，从而可以使多种语言可以调用android类。使用这三个组件，可以在android平台上直接使用python开发界面应用程序。
在android上开发python应用程序，编程和打包环境可以直接使用eclipse。
准备环境
a: 安装PythonForAndroid: /p/android-scripting
b: CLE在程序运行的时候，自动从网络上安装，也可以下载库函数，放到工程中。开发需要java库文件starcore_android_r6.jar。文件在starcore_devfiles_r6.zip中，可以从/p/cle-for-android下载
c: Wrapandroid项目库文件wrapandroid.jar，包含在压缩包http://p/wrapandroid-for-multilaguage/download/wrapandroid_devfiles_0_8_6.rar中。
开始编程
a. 打开eclipse, 创建一个新的android project “introduction”
b. 如果要从网络安装，则需要添加许可权限：
c. 将库文件starcore_android_r6.jar和wrapandroid.jar到工程目录下，将这两个文件加入到工程中。
d. 编辑 IntroductionActivity.java，如下修改，加载python代码import com.srplab.wrapandroid.*;
public class IntroductionActivity extends WrapAndroidActivity {
/** Called when the activity is first created. */
@Override
public void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.main);
StarActivity._Call(“DoAssetsFile”, “python”, “code.py”);
}
}
同时在activity中设置下载标志为falsepublic class IntroductionActivity extends WrapAndroidActivity {
/** Called when the activity is first created. */
@Override
public void onCreate(Bundle savedInstanceState) {
DownloadFromNetFlag = false;
super.onCreate(savedInstanceState);
setContentView(R.layout.main);
StarActivity._Call(“DoAssetsFile”, “python”, “code.py”);
}
}
只不过此时生成的安装包大一些。
e. 编辑layout：main.xml.<?xml version=”1.0″ encoding=”utf-8″?>
android:id=”@+id/widget73″
android:layout_width=”fill_parent”
android:layout_height=”fill_parent”
android:orientation=”vertical” >
android:id=”@+id/widget45″
android:layout_width=”fill_parent”
android:layout_height=”wrap_content”
android:text=”@string/hello” />
android:id=”@+id/widget74″
android:layout_width=”220dp”
android:layout_height=”48dp”
android:text=”thank for your use”
android:typeface=”serif”
android:textStyle=”bold”
android:textColor=”#ffff0000″
android:layout_x=”284dp”
android:layout_y=”220dp”
android:textSize=”16dp”
/>
f. 在assets目录下，创建code.py文件.
推荐学习：《Python教程
总结，以上就是关于python在线编辑器开发以及有初学者学习python实用的编辑器吗的经验分享，卡友有疑问可以加wx或扫码加群！
