什么是 IDE？IDE 有什么用？ IDE 是开发者创建程序时使用的软件包。它通过简单的用户界面集成多个高度关联的组件，从而最大化程序员的生产效率。本质上，IDE 是一种改进代码创建、测试和 debug 流程的工具，它使这些工作更加简单。 IDE 使用的工具包括：

• 文本编辑器

• 编译器和/或解释器

• 装配自动化工具（assembly automation tool）

• 调试器（debugger）

有一个与 IDE 相似的术语——代码编辑器（code editor）。我们先来探讨二者的异同。 什么是代码编辑器？ 代码编辑器是一个能够突出显示语法和安排代码版式的文本编辑器。高级代码编辑器可以开发和修改代码。

IDE 和代码编辑器的显著特征 IDE 和代码编辑器有哪些共同优点？它们均可帮助开发者：

• 存储和重新打开脚本

• 运行代码

• debug

• 突出显示语法

最受 Python 开发者欢迎的 IDE PyCharm PyCharm 由著名软件开发公司 JetBrains 开发。在涉及人工智能和机器学习时，它被认为是最好的 Python IDE。最重要的是，Pycharm 合并了多个库（如 Matplotlib 和 NumPy），帮助开发者探索更多可用选项。 **兼容性：**Windows、MacOS、Linux 主要插件和功能：

• 内置开发者工具

• 远程开发能力

• 实时编辑模式

• IPython Notebook

优点：

• PyCharm 支持 web 开发框架，如 Pyramid、Flask 和 Django。

• 提供智能代码功能，可以执行更精确、快速的 bug 修复。

• 在 Docker 和 Vagrant 连接和 ssh 终端的帮助下，允许在远程主机上进行程序开发。

缺点：

• 界面庞杂

• 其优点的成本高昂

Visual Studio Code Visual Studio Code 有时会与 Visual Studio IDE 混淆，后者并非 Python 使用者常用的工具。VS Code 是完整的代码编辑器，具备很多优秀功能，许多程序员称其为最好的 IDE 编辑器。 **兼容性：**Windows、Linux、Mac OS 主要插件和功能：

• 内置 git

• 自定义工具扩展插件

• 断点调试

• 交互式控制台

优点：

• 其 Electron 框架允许开发者在几乎所有平台上使用 VS Code。

• 在编辑器中直接 debug。

• 支持多个键盘快捷键，以加速编程。

缺点：

• debug 功能有限。

• 没有内置模板。

Sublime Text Sublime Text 被认为是最好的 Python 编辑器，因为它简单、通用、方便。它使用广泛，可用于不同的平台。 **兼容性：**Windows、Linux、Mac OS 主要插件和功能：

• 简易导航，实现高性能

• 支持不同包，以自定义编辑器

• 只需一个关键词，即可复制常见代码段

• 即时项目切换和分割编辑

优点：

• 可处理多种标记语言。

• 允许用户选择想要进行的项目。

• 具备能够提供类和函数宽索引的重要工具。

• 提供强大的 API 和组织化的生态系统，以实现高性能。

缺点：

• 对于新手来说，过于高级。

• 其 git 插件不是特别强大。

VI/Vim Vim 位列最好的 Python IDE 工具前 5 名。它是一个 modal editor，可以从「文件编辑」中分割文件。相比最初的 Vi，Vim 有了巨大进步，功能更加强大。 **兼容性：**Windows、Linux、Mac OS、IOS、Android、UNIX、AmigaOS、MorphOS 主要插件和功能：

• 其脚本允许用 Python 执行几乎所有编程任务。

• Ctags，帮助实现更好的标记导航。

• 内置基础词汇补全。

优点：

• 具备键盘界面，可以提升效率。

• 支持多个插件（如版本控制工具、文件管理工具）。

• 通过 .vimrc 文件实现不同扩展功能（如突出显示搜索结果）。

缺点：

• 界面笨拙，一些开发者认为其不方便使用。

• 其 modal editor 需要用户花费一定时间学习。

GNU Emacs GNU Emacs 也是最好 Python 编辑器的有力竞争者。它常被描述为可扩展、自文档化、实时显示。尽管它在业界并非最新，但它经常升级来满足开发者的需求。 **兼容性：**Windows、Linux、Mac OS、IOS、Android、UNIX、AmigaOS、MorphOS 主要插件和功能：

• 使用 Lisp 编程语言

• 语法着色

• 支持 Unicode

优点：

• Lisp 作为第二语言，可以帮助程序员更好地编程。

• Emacs 可与多个不同平台兼容。

• 提供大量自定义脚本供开发者使用。

缺点：

• 用户可能需要多花一点时间，来学习该编辑器的复杂自定义过程。

• 使用上比其他一些 IDE 要复杂一些。

IDLE IDLE 代码编辑器深受学生欢迎，它是 Python 自带编辑器。该编辑器使用简单、通用，且支持不同设备。在使用更复杂工具之前，开发者可以通过 IDLE 学习基础知识。 **兼容性：**Windows、Linux、Mac OS 主要插件和功能：

• tkinter GUI 工具包

• 多窗口界面

• 具备对话框、浏览器等配置

优点：

• 允许用户突出显示错误、自动编码，并进行准确识别。

• 具备轻量级 Python shell。

• 其内置修正功能可以提升性能。

• 允许用户在编辑器中搜索和替换文件。

缺点：

• 不支持复制到库。

• 脚本不能超过 100 行代码。

对于机器学习、人工智能和大数据，最好的 Python 兼容 IDE Python 是机器学习、人工智能、大数据等领域中的首选语言之一。这部分将介绍适合这些领域 Python 开发的 IDE。 Atom Atom 是一个开源编辑器，可与几乎所有编程语言兼容，如 PHP、Java。它定期更新、可信赖，且具备通用性。Github 为 Atom 开发了强大的功能，以提供良好的编程体验，包括多个插件，如 SQL queries 包、Markdown Preview Plus 包，以及编辑、可视化和渲染 LaTeX 公式的包。 Spyder Spyder 是为数据科学而开发的。它是开源工具，能够与大量平台兼容，因而成为 IDE 新手用户的更好选择。为实现完美开发，它合并了多个关键库，如 NumPy、Matplotlib 和 SciPy。 JuPyter/IPython Notebook Jupyter 是基于 web 的编辑器，它允许开发者构建和运行脚本或 notebook。它相对简单，对用户也更加友好。Jupyter 还使用 Seaborn 和 Matplotlib 执行数据可视化。 其他 Python 开发 IDE 这部分将介绍一些不那么有名和流行但同样值得一看的 IDE。 Eclipse + PyDev Eclipse 是一个开源编辑器，也是 Windows 系统首选 Python IDE 之一。其扩展项和插件非常昂贵，足以构建你想构建的一切。Eclipse 辅以 PyDev 扩展项，可实现智能 debug，并改善代码质量。 Eric Python Eric 是另一个不那么流行的 Python IDE，但它功能强大且高效。不管是商业用途还是私人用途，Eric 都能提供合适的功能。它可在所有平台上运行。 Wing Wing 是著名的 Python IDE，可实现智能编程。其编辑器简单易用，debugger 强大，支持远程编程、错误检查等功能，值得一试。 PyScripter PyScripter 以其卓越功能打败了适用于 Windows 系统的其他 Python IDE。它也是 Mac 系统中好用的 Python IDE，其商业版本支持大部分编程语言。PyScripter 具备丰富的功能集，但也很轻量。 Pyzo Pyzo 是一个免费开源编程工具，可与任意 Python 解释器一起使用，甚至是 Conda 环境。其最突出的两个特点是简洁性和交互性。简单易用，非常适合新手。 Thonny Thonny 由塔尔图大学开发，适合新手程序员。其界面没有任何复杂或多余功能，很容易上手。另一个适合新手的地方是，你可以看到 Python 在每一步中对你的表达式的评估。 结论 本文概述了大量优秀的 Python IDE 和其他工具。决定使用哪一种工具取决于工具的便利性和对工具的熟练程度。当然，也有大家都喜欢的工具（如 PyCharm），但是你可以多尝试几种工具，看看哪种最适合你。

总结了12个不同领域的 Python 数据可视化库，有常用的，也有比较小众的。

1. matplotlib

matplotlib是Python数据可视化库的OG。尽管它已有十多年的历史，但仍然是Python社区中使用最广泛的绘图库。它的设计与MATLAB非常相似，MATLAB是20世纪80年代开发的专有编程语言。

2. Seaborn

Seaborn利用matplotlib的强大功能，可以只用几行代码就创建漂亮的图表。关键区别在于Seaborn的默认款式和调色板设计更加美观和现代。由于Seaborn是在matplotlib之上构建的，因此还需要了解matplotlib以便调整Seaborn的默认值。

3. ggplot

ggplot基于ggplot2，一个 R 语言绘图系统，以及The Grammar of Graphics的概念。ggplot的运行方式与matplotlib不同：它允许你对组件进行分层以创建完整的绘图。例如，你可以从轴开始画，然后添加点，然后是线、趋势线等。虽然图形语法被称为绘图的“直观”方法，但经验丰富的matplotlib用户可能需要时间来适应这个新的方式。

4. Bokeh

与ggplot一样，Bokeh同样基于The Grammar of Graphics，但与ggplot不同的是，它是原生Python的，而不是从R语言移植过来的。它的优势在于能够创建交互式的网站图，它可以很容易地输出为JSON对象、HTML或交互式Web应用程序。Bokeh还支持流媒体和实时数据。

5. pygal

与Bokeh和Plotly一样，pygal提供可以嵌入Web浏览器的交互式图。它的主要区别在于能够将图表输出为SVG格式。如果你使用较小的数据集，SVG格式的图像就可以了。但是如果制作的图表包含数十万个数据点，它们就会很难渲染并变得反应迟钝。

6. Plotly

你可能知道Plotly是一个数据可视化的在线平台，但你是否也知道可以从Python笔记本使用它的功能？与Bokeh一样，Plotly的强项正在制作交互式图，但它提供了一些在大多数库中没有的图表，如等高线图，树状图和3D图表。

7. geoplotlib

geoplotlib是一个用于创建地图和绘制地理数据的工具库。可以使用它来创建各种地图类型，例如等值线，热图和点密度贴图。你必须安装Pyglet（面向对象的编程接口）才能使用geoplotlib。尽管如此，由于大多数的Python数据可视化库都没有提供地图类型，因此有一个专门的库还是可以的。

8. Gleam

Gleam的灵感来自 R 语言的 Shiny 包。它允许你仅使用Python脚本就将分析结果转换为交互式Web应用程序，因此你不必了解任何其他语言，如HTML，CSS或JavaScript。Gleam适用于任何Python数据可视化库。创建绘图后，你可以在它上面添加字段，以便用户可以对数据进行筛选和排序。

9. missingno

处理缺失的数据是一件痛苦的事。missingno 允许你使用视觉摘要来快速评估数据集的完整性，而不是通过大篇幅的表格。你可以根据热图或树形图的完成度或点的相关度对数据进行过滤和排序。

10. Leather

就像Leather 的创造者克里斯托弗·格罗斯科普夫（Christopher Groskopf）说得：“Leather是Python图表库，适合那些现在需要图表并且不关心它们是否完美的人。” 它适用于所有数据类型并生成图表作为SVG，可以缩放它们而不会丢失图像质量。由于这个库相对较新，一些文档仍在进行中。你可以制作非常基本的图表 - 但这是就是您想要的。

11. Chartify

Chartify是一个可以使数据科学家轻松创建图表的Python库。

为什么使用Chartify？

一致的输入数据格式：花费更少的时间来转换数据。所有绘图功能都使用一致的整齐的数据格式。

智能默认样式：创建一个漂亮的图表，只需要很少的自定义变量。

简单的API：使API尽可能直观且易于学习。

灵活性：Chartify建立在Bokeh之上，如果需要更多的样式，可以随时使用Bokeh的API。

12. Altair

Altair是一个基于 Vega-lite 的声明性统计（declarative statistical）可视化python库。声明意味着只需要提供数据列与编码通道之间的链接，例如x轴，y轴，颜色等，其余的绘图细节它会自动处理。声明使Altair变得简单，友好和一致。使用Altair可以轻松设计出有效且美观的可视化代码。