大家都用什么開發工具寫python

前提：用來做數據處理和相關的系統開發

剛學python時，面對簡陋的官方版idle和一大堆開發平臺和發行版，不知道究竟如何下手。在進行多方嘗試后，我最后的選擇是Anaconda + Pycharm，用anaconda集成的ipython做工作臺，做一些分析和小段程序調試的工作，用Pycharm寫相應腳本和程序包的開發。這兩個工具都是跨平臺的，也都有免費版本。

具體來說Anaconda集成了幾乎所有我需要的包庫，包含了我整個工作流程，做數據分析的pandas\scipy\numpy、繪圖的matplotlib、讀寫Excel文檔的xlrd/xlwt，鏈接SQL數據庫的SQLalchemy、機器學習框架sklearn等。對于Anaconda集成的兩個工作平臺，Spyder——一個類似于Matlab和Rstudio的IDE，是專注于面向數據的分析的，因為其特點也主要是數據區的存在，可以即時知道變量值的變化；Ipython——一個基于cell的shell界面，可以理解為python自帶shell的增強版，它將程序分成一塊一塊的cell，每個cell可以包含多條語句，可以單獨調試運行，并將結果保存在內存中，cell之間可以相互調用，并保持一定的相互獨立。

可以說有了anaconda自帶的這兩個工具，足夠做數據處理相關的工作了（本身anaconda就是一個為了數據科學而誕生的發行版），但如果涉及到腳本程序和包的開發，感覺spyder還是有點弱，在試過IDE，代碼編輯器（比如visual code、sublime等）+插件，這兩種方案后，我最后選擇了集成度更高的成熟IDE——Pycharm替換spyder作為主要的開發平臺，看我頭像也可以知道我是一個噴氣大腦的死忠，他們家的IDE真的很好用~理由如下：

1、首先作為學生，可以通過edu郵箱申請到Jetbrains全家桶，即便無法獲取授權，pycharm的community版本免費并且功能足夠

2、對于pycharm，可以方便快捷地切換python不同版本的解釋器，甚至可以安裝相同版本的python解釋器配置不同的開發環境，這可以解決有些包之間沖突的情況，也可以針對有些框架按需裝包；并且pycharm內置包管理，可以免去pip或者conda方式管理包。

3、pycharm這個IDE的顏色方案、拼寫補全、函數聯想、函數跳轉源代碼、斷點調試及debug等功能都讓我用的十分順手。

總之我現在的工作流程就是，先用對我需要的功能進行設計，而后在ipython界面下設計調試每個功能模塊，調試成功后放到pycharm中組合起來，寫成腳本文件，最后用pycharm做調試形成成品。

2017、10、25 補充：

Pycharm作為IDE還有兩個功能值得使用，一個是可以結合unitest包做我們開發模塊的單元測試，另一個就是與svn、git等版本工具合作進行我們程序的版本控制，此外，在最新版的pycahrm當中，除了左側折疊顯示程序層次，下方也有我們當前光標所在位置對應的層次，并可以方便進行跳轉。

總之，用pycharm寫python真是越用越順手~

python為什么突然火起來

第1階段：云計算火熱的是12~14年，大批創業公司和巨頭涌進云計算領域，大家都在做IAAS，著名的云計算開源平臺OpenStack 就是基于Python 開發的，為此出現了不少Python崗位。

第2階段：“大眾創新，萬眾創業”喊得響的是14~15年，滿大街都是創業者。O2O、P2P產品層出不窮，什么語言適合**搭建原型？當然是Python，它的開發速度一頂仨。

第3階段：人工智能發展得如火如荼是在16~17年。這兩年里，人工智能不再是概念，而人工智能、機器學習的首選語言就是Python。

Python在網絡爬蟲、數據分析、AI、機器學習、Web開發、金融、運維、測試等領域都有不俗的表現，從來沒有哪種語言可以同時在這么多領域扎根。

Python還是一門兼具簡單與功能強大的編程語言，它專注于如何解決問題、自由開放的社區環境以及豐富的第三方庫，無需浪費時間去造輪子，各種Web框架、爬蟲框架、數據分析框架、機器學習框架應有盡有，拿來即用。