對於零基礎的朋友來說,學習Python有一個小門檻或說小考驗,那就是選擇寫程式的工具。
簡單,上網查,用什麼工具來寫Python程式碼,答案五花八門,各種編輯器、各種IDE,難道一個個試過來?
天啊,還沒開始學習已經被工具給整慘了。
實際上,學Python,或其他任何一種程式語言,用什麼編輯工具(開發工具)不是最重要的,只要選擇熟悉的、用順手的、簡單的編輯器就可以了,學習過程中的重點是,學習Python的語法、函數等等。不管用什麼,文法、函數都是Python的根本,程式設計工具只是工具而已。
對於初學者而言,實際上IDE(整合開發環境)並不是一個好選擇,IDE的強大功能會幫初學者完成很多工作,讓初學者忽略了一些很重要的語法或函數的用法,過於依賴IDE,初學者可能會很快完成一段程式碼,並成功運行,但離開了IDE,同樣的程序,也許會出現各種各樣的bug,例如拼寫,例如格式等等。
因此,初學者學習Python,或其他程式語言,最好的程式設計工具就是文字編輯器,不需要太花俏的功能,只要運行速度快,佔用資源少,就OK。
那麼選擇什麼編輯器呢?
最好的選擇是跨平台的編輯器,就是能分別在MacOS,Windows,Linux等作業系統上運行的。
原因:當你換了操作平台,還是可以用熟悉的工具來一些程式碼,減少熟悉工具的學習成本。
例如,Sublime Text,Atom,Visual Studio Code,gEdit,jEdit等等,當然還有大名鼎鼎的vim和emacs了。
這麼多,要怎麼選?
原則就一個,順手的、熟悉的、輕量級的。
我個人推薦vi和Sublime Text 3。
如果推薦給大家,那就是Sublime Text 3,這也是我一直在推薦的。
輕量級,這條就足矣。
今天特地到Atom的官網下載了最新版的Atom,不說它的具體使用,就是打開運行,出現界面,一共用了5-6秒。
這還是沒有安裝任何外掛的絕對純淨的Atom,真是不能接受這個速度。我測試的機器配置是MacBook Pro, CPU i7, 記憶體16G。這個速度很是無語啊,也許它很好,但光是打開速度一項就讓我直接放棄推薦給大傢伙了。
而開啟Sublime Text 3,秒開,此處秒小於1秒。
運作效率就不多囉嗦了,網路上太多有關的文章介紹。
當然,我個人的體會是給大家一個參考,若你已經非常熟悉Atom,那麼繼續用就好,原則還是,用最熟悉的工具來寫程式碼,不要把太多精力浪費在選擇上。
至於其他的編輯器就不一一測試了,或許有表現更好的,但既然有了目標,就不要「亂花漸欲迷人眼」了。
更多Python相關技術文章,請造訪Python教學欄位學習!
以上是初學python用什麼編輯器好的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

Python是數據科學和處理的最愛,為高性能計算提供了豐富的生態系統。但是,Python中的並行編程提出了獨特的挑戰。本教程探討了這些挑戰,重點是全球解釋

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

本教程演示了在Python 3中創建自定義管道數據結構,利用類和操作員超載以增強功能。 管道的靈活性在於它能夠將一系列函數應用於數據集的能力,GE

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Dreamweaver Mac版
視覺化網頁開發工具

SublimeText3 Linux新版
SublimeText3 Linux最新版

SublimeText3漢化版
中文版,非常好用

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

ZendStudio 13.5.1 Mac
強大的PHP整合開發環境