PyCharm是一种Python IDE（集成开发环境），由JetBrains打造。它带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制等。此外，PyCharm还提供了一些高级功能，以用于支持Django框架下的专业Web开发。同时，PyCharm也支持Google App Engine和IronPython。这些功能在先进代码分析程序的支持下，使 PyCharm 成为Python专业开发人员和刚起步人员使用的有力工具。
1. 下载
百度或者谷歌搜索：PyCharm
点击官网进行下载：
有专业版和社区版2种版本，我们选择社区版，专业版如果是非学生的话，需要收费，因此我们选择下载社区版
点击Download，完成下载：
2. 安装
双击exe进行安装：
点击Next
选择安装的路径位置
默认勾选即可，点击Next
点击Install
直到安装完成
点击Finish
打开PyCharm,勾选
随便选择一个，进入Pycharm编辑器
现在可以正常使用PyCharm编辑器了。
使用pycharm编写python代码：
from sklearn.ensemble import RandomForestRegressor
import pandas as pd
import numpy as np
def function1(): #Calculate the function of the second section
from sklearn.model_selection import GridSearchCV
data= pd.read_csv('S1 Input train data.csv') # well data
AC = data.values[:832, 2:3]
SP = data.values[:832, 3:4]
LLD = data.values[:832, 5:6]
LLS = data.values[:832, 6:7]
#Training feature data
X=np.concatenate((AC,SP,LLD,LLS),axis=1)
#Training target data
S2 = data.values[:832, 1:2]
X_train=np.concatenate((AC,SP,LLD,LLS),axis=1)
#Here is the range of parameters of max_depth/n_estimators/max_features/min_samples_splitthat the model needs
param_grid = {
'max_depth':[3,4,5, 6, 7, 8, 9, 10,11,12, 13,14,15], # Depth : Here is the depth of each decision tree in the forest
'n_estimators':[11,12,13,14,15,16,17,18,19,20,21,22,23], # Number of Decision Trees - Random Forest Specific Parameters
'max_features':[0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9], # The proportion of variables used in each decision tree-random forest-specific parameters ( combination principle )
'oob_score':['true'],
'min_samples_leaf':[2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18],
'min_samples_split':[2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18] # Minimum split sample size of leaves
}
#RandomForestRegressor ( ) model training
rfc = RandomForestRegressor()
#Optimize models with grid search and 5-fold cross-validation to find optimal parameters
rfc_cv = GridSearchCV(estimator=rfc, param_grid=param_grid, cv=5)
rfc_cv.fit(X_train, S2)
#Get the best model
best_model1 = rfc_cv.best_estimator_
#Parameters and Kernel Functions of the Best Model for Print Output
print(rfc_cv.best_params_)
return best_model1 #This is the model to calculate the second return.
if __name__ == '__main__':
# 915~1158.3m This is the prediction data to pass in the model
datasetFilename_1 = 'S2 Input dataset for predict S2.CSV'
test_x_1 = pd.read_csv(datasetFilename_1, usecols=['AC','SP','LLD','LLS'])
test_x_1=test_x_1.loc[2:19270,['AC','SP','LLD','LLS']]
#Call the first function, return the rbf _ svr1 model, and pass in the data you want to predict
rbf_svr1= function1()
dataDict1 = test_x_1.to_dict()
predictResult1=rbf_svr1.predict(test_x_1)
dataDict1['Predicted S2'] = pd.Series(predictResult1,index=list(range(2, 19269))).round(5)
data1 = pd.DataFrame(dataDict1)
data1.to_excel(r'Predicted_S2_all_RF.xlsx',sheet_name='Predicted',index=True,index_label="index")
3. 总结
3.1 pycharm总结
PyCharm的优点包括：
- 高效的代码编辑器，可以高效地编写Python代码，具有自动完成、代码导航、代码重构等功能。
- 强大的调试器，可以帮助开发者快速找到代码中的错误，提高调试效率。
- 丰富的插件和扩展支持，可以扩展其功能，例如，支持许多版本控制工具和Web框架，可以帮助开发者更轻松地进行版本控制和Web开发。
PyCharm的缺点包括：
- 刚开始打开，索引包较慢。
- 内存占用太高，可能会导致电脑内存小的用户打开之后内存直接占用70-80%。
- 免费版本功能较少。
总的来说，PyCharm是一种功能强大的Python IDE，可以帮助开发者和初学者提高代码编写和调试的效率，同时也支持丰富的插件和扩展。但是，它也存在一些缺点，例如内存占用较大和免费版本功能较少等。用户可以根据自己的需求和使用情况来选择是否使用PyCharm。
3.2 对比
除了PyCharm，我还用过VS code,下面做一个对比：
PyCharm和VSCode都是广受欢迎的代码编辑器，它们都有一些独特的功能和优势。
- 专门为Python开发设计：PyCharm是专门为Python开发而设计的，因此它在Python开发方面具有很高的专业性和便利性。而VSCode虽然也可以用于Python开发，但它并不是其主要功能，因此可能在一些方面没有PyCharm那么强大。
- 界面和可定制性：VSCode的界面更加现代化，可定制性更高。用户可以自由地调整主题、布局、快捷键等，以满足自己的使用习惯和需求。而PyCharm的界面虽然也较为友好，但其可定制性相对较低。
加载速度：PyCharm在加载速度方面相对较慢，因为它在启动时会进行广泛的代码分析和符号解析。而VSCode则相对较快，可以立即启动。 - 插件和扩展支持：VSCode拥有庞大的插件库，可以通过安装插件来扩展其功能。而PyCharm虽然也支持插件，但其插件数量和可用功能可能没有VSCode那么多。
- 对Markdown的支持：VSCode对Markdown有很好的支持，可以进行Markdown编辑和预览。而PyCharm虽然也支持Markdown，但其功能可能没有VSCode那么强大。
- 远程开发：VSCode在远程开发方面具有更大的灵活性，可以通过Gitpod等工具进行免费和高级的远程开发。而PyCharm在这方面可能需要额外的费用。
综上所述，PyCharm和VSCode都是优秀的代码编辑器，各有其优点和适用场景。用户可以根据自己的需求和使用习惯选择合适的编辑器。