python如何写代码和运行代码（Python开发者如何更加高效地编写代码）

对于 Python 开发者而言，Anaconda 能省下大量时间下载和安装模块包、处理项目环境等问题，帮助开发者更加愉快地编写代码。

如果你苦于给 Python 安装各种包，安装过程中还各种出错。那么我墙裂推荐——Anaconda，它可以帮助你管理这些包，包括安装、卸载、更新。

Anaconda 附带一大批常用数据科学包，如：conda，Python 等 150 多个学科包以及依赖项，你可以立即开始处理数据。

还有一个好处就是：如果你的项目是 Python 2，新项目是 Python 3，你无需同时安装两个版本 Python，Anaconda 会帮助你为不同的项目建立不同的运行环境。

Anaconda 的安装

版本选择

由于 Python 有 2 和 3 两个版本，因此 Anaconda 也在 Python2 和 Python3 的基础上推出了两个发行版，即Anaconda2 和 Anaconda3。Python3 被越来越多的开发者所接受，但让人尴尬的是很多遗留老系统依旧运行在 Python2 环境中，因此你不得不同时在两个版本中进行开发、调试。

如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题，Anaconda 能完美解决 Python2 和 Python3 的共存问题。

conda 是 Anaconda 下用于包管理和环境管理的命令行工具，是 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行 conda 命令。

如果你熟悉 virtualenv，那么上手 conda 非常容易，不熟悉 virtulenv 的也没关系，它提供的命令就几个，非常简单。我们可以利用 conda 的虚拟环境管理功能在 Python2 和 Python3 之间自由切换。

多版本切换

# 基于 python3.6 创建一个名为 test_py3 的环境

conda create --name test_py3 python=3.6

# 基于 python2.7 创建一个名为 test_py2 的环境

conda create --name test_py2 python=2.7

# 激活 test 环境

activate test_py2 # windows

source activate test_py2 # linux/mac

# 切换到python3

activate test_py3

快速安装

Anaconda 可用于多个平台（ Windows、Mac OS X 和 Linux）。

官网地址：https://www.continuum.io/downloads。官网下载需要科学上网，此外我给你们准备了镜像网站：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/，方便你们下载。

选择合适自己的版本下载，建议下载 Python 3。

下载好以后你只需要傻瓜式的安装即可。

第一个 Python 代码

启动 Anaconda 之后，你会看到这样的界面，我推荐使用 jupyter notebook 编写，点击 launch。

jupyter notebook 打开的是一个网址形式的界面，点击右上角的 new 创建第一个 Python 文件吧。

jupyter 支持很多种文本格式，code、markdown、Raw NBConvert、Heading。

常用的就是 code 和 markdown了，你可以同时在一个 Python 文件中写 code 和 md。你也可以直接用 jupyter 打开。

经过几天的学习，我已经写了部分 Python 的入门博客和代码，在 Github 上，你更是可以直接将代码打开运行在 Anaconda 上。图示中的 .ipynb 文件就是 jupter 文件的扩展名，你可以直接运行，也可以编辑。欢迎 follow 和 star——https://github.com/angelOnly/python_learning_note。

Spyder VS PyCharm

Spyder 是 Anaconda 自带的一款编辑器。

相比较而言，Pycharm 用起来更便捷，虽然 Spyder 中所有的变量也都能显示，方便调试，里边还有 ipython notebook。但是很细节的一些代码还是 Pycharm 更便捷一些。

强烈推荐 Anaconda Pycharm 组合。因为 Anaconda 安装的时候已经默认为你安装了一大堆做数据分析常用的包，所以，直接在 Pycharm 中把默认解释器改为 Anaconda 中的 Python 即可。

另外，只是针对数据分析与机器学习，Anaconda 用起来更方便一些，对于 Python 的其他用途，比如爬虫、Web开发，Pycharm 更好一些。针对大型的 Web 框架修改调试，还是需要个大型 IDE。

声明：本文为 Python 梦工厂投稿，版权归对方所有。

,