声明
この記事の目的は、Python がどのくらい多くの分野で使用できるか、その使いやすさ、どのようなツールキットがあるかを紹介し、Python の関連管理環境と統合開発環境について簡単に科学することです。適切なコンテンツはありません。画像に従って頭を使わずに設定操作を行うためのこの種のコンテンツが必要な場合は、csdn で検索する必要がある場合があります。この記事の主な目的は、視野を広げることです。
(ただし、Pythonのインストールの流れやその後の使い方については、まだ大まかに話しました)
千字の長文、クローズアップ~
Pythonの用途は何ですか?
Python は、さまざまな分野で広く使用されている高水準プログラミング言語です。Python の一般的な使用例をいくつか示します。
-
Web アプリケーション開発: Python を使用して、Web アプリケーション、API、クローラー、Web サーバーなどを作成できます。
-
データ サイエンスと機械学習: Python には、NumPy、Pandas、SciPy、Scikit-learn などの一般的なデータ サイエンスと機械学習のライブラリが多数あり、データ分析、機械学習、人工知能などの分野で使用できます。
-
自動化とスクリプト作成: Python を使用して、自動テスト、バッチ処理、ファイル操作などのタスクをスクリプト化し、自動化できます。
-
ゲーム開発: Python は、Pygame、Panda3D などのゲームやゲーム エンジンを作成するために使用できます。
-
科学コンピューティングおよびエンジニアリング コンピューティング: Python を使用して、有限要素解析、数値流体力学などの科学コンピューティングおよびエンジニアリング コンピューティング プログラムを作成できます。
-
財務分析: Python は、pandas-datareader、pyfolio などの財務データ分析と定量的トランザクションに使用できます。
-
教育とポピュラーサイエンス: Python は学習が簡単なため、プログラミングの導入や描画など、教育やポピュラーサイエンスの分野で広く使用されています。
つまり、Python は汎用性があり、柔軟性が高く、習得が容易なプログラミング言語であるため、さまざまな分野で幅広い用途があります。
まず、Python 環境が必要です...
方法1、公式サイトからPythonをインストールします。
この方法は単純かつ失礼で、最初に少し魔法を学ぶ必要があります (kxsw、github にアクセスして見つけてください。無料でも有料でも問題ありません。github はグリーン アクセラレーションを介して正常にボードできます) (もちろん魔法は使えません。ただし、ダウンロード速度が非常に遅いため、ダウンロード ソースを清華ソースまたは Ali ソースに置き換えるのに多少の労力を費やす必要があります (ただし、実際には、魔法を使用するにはプロキシを変更する必要があり、これには少しの技術が必要です)
この方法のメリットは分かりやすく好きな場所に設置できること、軽量であることですが、デメリットはグローバルパスの設定を忘れると3~5個増える可能性が高いことです。最終的に 1 台のコンピューターに Python をインストールし、インストールします。上記の Python は軽いですが、関連ソフトウェアをインストールするには pip を使用する必要がありますが、これは比較的エラーが発生しやすいです。
方法 2、アナコンダ
この方法はAnacondaの公式サイトにログオンし、その上でAnacondaをダウンロードし、ダウンロード後ローカルにインストールする必要がありますが、パスの設定が面倒な方は忘れずにチェックを入れてください: インストール時にグローバル変数の設定を手伝ってください。 cmd から Anaconda を呼び出す利点は、インストールが簡単であることです。このソフトウェアがインストールされると、そのデフォルト ライブラリが一連のデータ分析ソフトウェアの統合に役立ち、Anaconda 全体が Python エコシステムを構築する必要があるため、インストールできるようになります。 Anaconda のメイン インターフェイスを介して他の Python 補助ソフトウェアの欠点は、Anaconda が重くて扱いにくいこと、メイン インターフェイスを開くのに 3 分以上かかり、コンピューターのメモリを消費することです。
方法 3、ミニコンダ
anaconda のカット バージョンでは、1 つの conda と 1 つの Python のみが保持されます。グローバル パスの設定が面倒で、さらに複数の miniconda を誤ってインストールしたくない場合は、パッケージ インターフェイスのインストール時に [ヘルプ] を直接チェックすることを選択できます。環境変数オプションを設定します。利点は、軽量で、通常使用する方法 2 のほとんどの機能を備えていることです。欠点は、インストール インターフェイスが英語であり (実際、方法 2 も英語です)、初心者には比較的不親切であることです (ただし、実際大丈夫?)
方法 4: プロジェクト管理ライブラリ + Python
パッケージ管理ソフトウェアとプロジェクト管理ソフトウェアについてすでに十分に理解している場合は、Python でサポートされているいくつかのパッケージ管理ライブラリ (詩など) を使用できます。これらのライブラリは、Java の Maven に似た形式を使用して支援します。ライブラリは Python で管理します。これは、プロジェクトやエンジニアリングに非常に役立ちます。欠点は、ほとんど触ったことのない初心者にとって、これを使用するのは地獄のような困難さであるということです。
ちょっと待って、なぜ Python 用のパッケージ管理ソフトウェアが必要なのでしょうか? パッケージ管理ソフトウェアとは何ですか?
Python パッケージ管理ソフトウェアは、Python パッケージ (ライブラリまたはモジュールとも呼ばれます) を管理するためのツールです。これらのパッケージは、特定のタスクを実行するためにアプリケーションにインポートして使用できる、事前に作成された Python コードです。
Python パッケージ管理ソフトウェアの役割は次のとおりです。
-
Python の依存関係を管理する: Python アプリケーションは多くのパッケージやライブラリに依存することがよくあります。パッケージ管理ソフトウェアは、これらの依存関係のインストール、アップグレード、アンインストールを自動化し、アプリケーションが適切に機能することを保証します。
-
Python 環境の管理: Python では、各プロジェクトで異なるバージョンと依存関係を使用できます。パッケージ管理ソフトウェアは、これらのバージョンと依存関係を管理して、プロジェクトの環境が正しく一貫していることを確認するのに役立ちます。
-
Python 配布の管理: Python パッケージを作成する場合、パッケージ管理ソフトウェアを使用すると、このパッケージを公開および配布して他の人が使用できるようにすることができます。
一般的な Python パッケージ管理ソフトウェアには、pip、conda、easy_install などが含まれます。これらのツールはコマンド ラインから利用できるため、Python パッケージ管理がより簡単かつ効率的になります。
使用しない場合はどうなりますか?
Python パッケージ管理ソフトウェアを使用しない場合、次の問題が発生する可能性があります。
-
バージョンの競合: Python パッケージには多くの異なるバージョンが存在することが多く、互換性がない可能性があります。パッケージを手動でインストールすると、バージョンの競合が発生し、アプリケーションが適切に機能しなくなる可能性があります。
-
依存関係の管理: Python アプリケーションは多くのパッケージやライブラリに依存することがよくあります。これらのパッケージを手動でインストールすると、一部の依存関係が失われ、アプリケーションが正しく動作しなくなる可能性があります。また、依存関係を更新する必要がある場合、手動での更新は面倒になる可能性があります。
-
保守が難しい: Python パッケージと依存関係を手動で管理するのは非常に難しく、時間がかかる場合があります。アプリケーションが多くのパッケージに依存している場合、それらを手動で管理するのは面倒になり、エラーが発生しやすくなります。
-
公開の難しさ: Python パッケージを作成し、他の人が使用できるように配布したい場合、手動で公開および配布することも非常に難しく、時間がかかる可能性があります。
したがって、Python パッケージ管理ソフトウェアを使用すると、Python パッケージと依存関係を自動的に管理できるため、Python 開発がより効率的になり、保守が容易になります。
コンセプト: 依存関係の競合
依存関係の競合は非常に単純な概念です。たとえば、Python 環境には 2 つのメイン ライブラリがあり、1 つは A と呼ばれ、もう 1 つは B と呼ばれます。A と B は同時に同じバージョンの C に依存します。
(同じバージョンのライブラリと 2 つの異なるバージョンのライブラリが 1 つの環境に存在することはできないことに注意してください)、ABC の 3 つはすべて Python ライブラリです。
b が更新されたので、b を更新する予定ですが、b が更新された後は c への依存度が高くなります。
率直に言うと、b の操作をサポートするには、より高いレベルの c が必要です (以前のバージョンが 1.0 だった場合、現在では c はバージョン 3.0 または 4.0 でなければなりません。この理解と同様です)。
ただし、a はそれ以降の c バージョンをサポートできません
(たとえば、a が 2.0 までサポートしている場合、b が 3.0 または 4.0 に更新されると、a はサポートされなくなります)
この場合、b アップデートに依存関係の競合が発生します (b は使用できますが、a は使用できません)。特に pip を使用する場合、pip は環境チェックを実行しないため、インストール前に何の説明もなく自動的にインストールされます。 . この状況により、環境内の他のライブラリが使用できなくなる可能性があります。
コンセプト: パッケージの競合
パッケージの競合は、2 つ以上のパッケージが同じ Python 環境にインストールされている場合に発生します。
これらのパッケージは同じパッケージの異なるバージョンに依存しているか、依存パッケージ間にバージョンの非互換性があります。
この状況は、友人や家族が同時にあなたのスケジュールを設定しているようなものです。彼らのスケジュールが合わず、全員のニーズに対応することができないからです。
パッケージの競合により、Python プログラムが適切に実行できなくなったり、プログラムのクラッシュや不正な結果などの予期しない結果が生じる可能性があります。
この問題を回避するには、Python パッケージ管理ツールを使用してパッケージと依存関係を管理するか、仮想環境を使用して独立した Python 環境を作成し、各アプリケーションが独自のパッケージと依存関係を持つようにして、異なるプログラムのパッケージ間の競合を回避します。
これは、友人や家族にそれぞれのスケジュールを割り当てて、全員のニーズを確実に満たし、対立や混乱を避けるようなものです。
概念: 仮想環境
仮想環境は、独立した Python 環境を作成するためのメカニズムです。これにより、複数の Python 環境を同じマシン上で相互に干渉することなく同時に実行できます。異なるバージョンの Python インタープリタ、パッケージ、および依存関係をインストールできます。仮想環境は、さまざまなプロジェクト間の依存関係の競合の解決、Python バージョンのアップグレード、ソフトウェア パッケージのテストなどによく使用されます。
おそらく次のことを意味します:
多数の Python 環境の中で、最大の Python があります。これは通常、開発環境や運用環境としてではなく、パッケージ管理に使用されます。
この最大の Python インタープリターをいくつかのパッケージ管理ライブラリと組み合わせて使用すると、新しい環境の生成、環境の削除、または環境のアクティブ化を行うことができます。
新しい環境をアクティブ化した後、その環境内のパッケージ管理の関連するインストール手順と変更手順を呼び出して、この環境にインストールされているライブラリを変更できます。このライブラリは他の環境に干渉しません。
仮想環境の作成と管理は、Python の組み込み venv モジュールまたは virtualenv などのサードパーティ ツールを通じて実行できます。venv モジュールを使用して仮想環境を作成する手順は次のとおりです。
-
コマンド ライン ターミナルまたはコンソールを開き、仮想環境を作成するディレクトリに移動します。
-
次のコマンドを実行して、myenv という仮想環境を作成します。
python -m venv myenv ``` これにより、 現在のディレクトリに myenv という名前の新しいフォルダーが作成され、新しい Python 環境が含まれます。
-
仮想環境をアクティブ化します。Windows では、次のコマンドを実行できます。
myenv\Scripts\activate.bat
Linux または Mac では、次のコマンドを実行できます。
ソース myenv/bin/activate
これにより、仮想環境がアクティブになり、コマンド ライン プロンプトが仮想環境名に変更されます。
-
仮想環境にパッケージと依存関係をインストールします。pip コマンドを使用して、必要なパッケージと依存関係をインストールできます。
仮想環境を終了する必要がある場合は、次のコマンドを実行できます。
非アクティブ化する
これにより、仮想環境が閉じられ、コマンド ライン プロンプトが元の状態に戻ります。
仮想環境を使用すると、Python パッケージと依存関係を効率的に管理し、異なるプロジェクト間の依存関係が競合しないようにすることができます。仮想環境は、Python のバージョンとテスト パッケージを簡単にアップグレードするのにも役立ちます。
conda を使用して仮想環境を作成するには、次の手順を実行します。
-
コマンド ライン ターミナルまたはコンソールを開き、仮想環境を作成するディレクトリに移動します。
-
次のコマンドを実行して、myenv という仮想環境を作成します。
conda create --name myenv ``` これにより、 myenv という新しい仮想環境が作成されます。
-
仮想環境をアクティブ化します。Windows では、次のコマンドを実行できます。
myenvをアクティブにする
Linux または Mac では、次のコマンドを実行できます。
ソースはmyenvをアクティブ化します
-
仮想環境にパッケージと依存関係をインストールします。conda コマンドを使用して、必要なパッケージと依存関係をインストールできます。
-
仮想環境を終了する必要がある場合は、次のコマンドを実行できます。
非アクティブ化する
これにより、仮想環境が閉じられ、コマンド ライン プロンプトが元の状態に戻ります。
conda を使用して仮想環境を作成すると、Python パッケージと依存関係を効果的に管理し、異なるプロジェクト間の依存関係が競合しないようにすることができます。conda は、Python のバージョンとテスト パッケージを簡単にアップグレードするのにも役立ちます。さらに、conda は Python 以外のパッケージや依存関係も管理できるため、環境全体がより統合され、管理しやすくなります。
IDE を準備する時期が来ました
IDE は Integrated Development Environment (統合開発環境) の略語で、ソフトウェア アプリケーションの開発とデバッグを容易にするための開発ツールと環境の完全なセットを開発者に提供するように設計されたソフトウェア ツールです。IDE には通常、コード エディター、デバッガー、コンパイラー、オートコンプリート、バージョン管理、構築ツール、グラフィカル ユーザー インターフェイス設計ツールなどの複数の機能が含まれており、開発者はコードの作成、テスト、デバッグなどを実行できます。同じソフトウェアを使用して、複数のタスクを構築、実行、デプロイします。
IDE の主な利点は、開発効率とコードの品質が向上することです。これは、コードの自動補完、構文チェック、コード リファクタリング、デバッグ ツールなどの多くの強力な機能を提供するため、開発者はより迅速にコードを作成し、コードを発見できるようになります。バグを修正します。さらに、IDE には多くの統合ツールやプラグインも用意されており、開発者はバージョン管理システム、自動ビルド ツール、その他の補助ツールを簡単に使用できます。
Python には次のような一般的な IDE が多数あります。
Python 統合開発環境 (IDE)
-
PyCharm: JetBrains によって開発された Python IDE は強力な機能を備え、コードの自動補完、デバッグ、バージョン管理などの機能をサポートしており、Python 開発のさまざまな分野に適しています。欠点としては、内部端末がクラッシュして描画系が使えなくなる場合があり、そのショートカット操作を習得するには一定の操作曲線が必要で、プロフェッショナル版は有料なので、特別なルートを通らなければなりません(つまり、 (実際、学生認証です。これは pj メソッドではありません) (しかし、これが確かに業界最高の IDE であることは否定できません)
-
Visual Studio Code: Microsoft が開発した軽量のコード エディターで、Python 言語拡張機能をサポートし、コードの自動補完、デバッグ、バージョン管理、その他の機能をサポートしており、非常に人気のある Python 開発ツールです。欠点は、これが軽すぎること、そしてとにかく使い心地があまり良くないことです (これはフロントエンドのコードを入力するのに適しています)
-
Spyder: Anaconda ディストリビューションに基づく Python IDE。強力で、コードの自動補完、デバッグ、データ視覚化などの複数の機能をサポートしています。科学計算やデータ分析に適しています。欠点は、この製品の入力に謎のバグがあり、今のところ修正されておらず、開くのが遅い、最適化も不快であることです
-
IDLE: Python に付属する IDE は使いやすく、コード編集やデバッグなどの基本的な機能をサポートします。欠点は、これが非常にシンプルで使いやすいため、多くの点で追加機能がなく、コード補完が提供されないことですが、上記の 3 つの IDE にはすべてコード補完機能があります。
pycharm をお勧めします
Python 統合開発環境 (IDE) の利点:
-
強力な機能: Python IDE には通常、コード エディター、デバッガー、コンパイラー、オートコンプリート、バージョン管理、構築ツール、GUI 設計ツールなどの複数の機能が含まれており、開発効率とコードの品質を向上させることができます。
-
便利な開発: Python IDE はコードを自動的に完成させ、コードのリファクタリング、構文チェック、その他の機能を提供するため、開発者はより速くコードを記述し、エラーを見つけて修正できます。
-
汎用性: Python IDE は、バージョン管理システム、自動ビルド ツール、その他の補助ツールを簡単に使用できるように、多数の統合ツールとプラグインも提供します。
Python 統合開発環境 (IDE) の欠点:
-
学習コストが高い: Python IDE には通常、多くの機能があるため、それらに慣れて使いこなすには時間がかかります。
-
多くのリソースを占有します: Python IDE は通常、メモリや CPU などのより多くのシステム リソースを占有する必要があるため、より高度なコンピュータ構成が必要になります。
-
価格が高い: PyCharm など、一部の Python IDE は料金を支払う必要があります。
としても:
対話型データ分析環境 (IDE)
-
Jupyter Notebook: コード、Markdown テキスト、データ視覚化などの複数の要素をサポートし、データ分析や探索的プログラミングに適した Web ベースの対話型 Python 環境。
-
さまざまなオンライン プラットフォームのノートブック (とにかくすべて jupyter カーネル)
対話型データ分析環境 (IDE) の利点:
-
優れた対話性: 対話型のデータ分析環境により、ユーザーは 1 つのインターフェイスでコードの作成、コードの実行、結果の表示が可能になり、データ分析や探索的プログラミングに非常に便利です。
-
データの視覚化: インタラクティブなデータ分析環境には、ユーザーがデータを迅速に理解して提示できるようにするためのデータ視覚化ツールが含まれることがよくあります。
-
オープンソースで無料: Jupyter Notebook など、ほとんどの対話型データ分析環境は無料です。
対話型データ分析環境 (IDE) の欠点:
-
機能が比較的弱い: インタラクティブなデータ分析環境は通常、基本的なコード編集、デバッグ、実行、結果表示機能のみを提供しており、Python IDE ほど豊富な機能はありません。
-
限定的な適用性: インタラクティブなデータ分析環境は主にデータ分析と探索的プログラミングを目的としており、Python 開発の他の領域には適していません。
-
デバッグが難しい: 対話型データ分析環境は通常、ブレークポイント デバッグなどの完全なデバッグ機能をサポートしていません。
お勧め…1つだけ、特にお勧めするものはありません(最近競合が出たそうですが、まだ開発中です。このものの最大の競合はAIを使った統合開発環境です)
金持ちの選択: github コードスペースが chatgpt コード サポート パッケージに追加されました
Chatgptとは何ですか?
あなたがコンピュータの専門家である場合:
「???????」「何してるの、おい~」
コンピューターの専門家ではない場合:
他の人と話すとき、私たちは自然言語で自分の考えを表現することができ、相手は私たちの言葉を理解して応答することができます。ChatGPT は人間の会話をシミュレートできるコンピューター プログラムです。つまり、ChatGPT と会話すると、言葉を理解して応答します。人と会話するときと同じように、質問すると、その人は質問の意味や知識に応じて答えてくれます。ChatGPT は幅広い用途があり、インテリジェントなカスタマー サービス、チャット ロボットなどの分野で使用して、人々がより便利に情報やサービスを取得できるようにします。
ChatGPT は、幅広い知識と情報を網羅し、さまざまな種類の質問に答えることができる非常に分厚い百科事典と考えてください。私たちが百科事典を読むときに歴史、地理、科学、文化などに関する情報を見つけることができるのと同じように、ChatGPT はさまざまな自然言語タスクを処理し、関連する回答を提供したり、新しいテキストを生成したりすることもできます。
ChatGPT の知識範囲は、トレーニング中にニュース、百科事典、小説、Web ページなどを含む大量の言語データを使用するため、非常に広範囲です。これは、私たちが百科事典を読むときと同じで、さまざまな分野の知識や情報を得ることができます。ChatGPT にもいくつかの制限があります。たとえば、非常に特殊な分野や特殊な分野については、その回答が正確または完全ではない場合がありますが、一般に、その知識の範囲は非常に広く、常に拡大および改善されています。
次:
次のセクションでは、Python で利用できる膨大な数のツールキットを示します。
-
自動化とスクリプト作成
-
エクセル、ワードの自動化
-
openpyxl
-
Python-docx
-
-
ファイルのバッチ処理
-
OS
-
シャティル
-
-
爬虫類
-
美しいスープ(bs4)
-
リクエスト (ネットワーク責任、基礎となる資料)
-
こすれた
-
セレン
-
lxml
-
パイクエリ
-
リクエスト - HTML
-
……
-
-
-
データサイエンスとコンピューティング
-
データサイエンスコンピューティング
-
行列演算: numpy
-
さまざまな科学計算: scipy
-
高精度:10進数
-
シンボリック コンピューティング: Sympy
-
……
-
-
データ分析
-
パンダの唯一の真の神
-
Polar: ??? (高速ですが、あまり広く使用されていません)
-
スパーク: ??? (業界のボス)
-
……
-
-
とその可視化
-
マットプロットライブラリ
-
プレート
-
パイチャート
-
シーボーン
-
陰謀的に
-
ボケ味
-
アルタイル
-
……
-
-
機械学習
-
scikit-learn とその派生製品
-
-
ディープラーニング
-
コンピュータビジョン
-
opencv、pytorch、tf-keras、paddlepaddle
-
-
自然言語処理
-
さまざまな単語分割ソフトウェア: jieba、nltk、spatiy、snownlp、stanford-corenlp
-
pytorch、tf-hard、パドルパドル
-
-
(もちろんこの2つの分野だけではありませんが、まずはこの2つの分野についてお話しましょう)
-
-
-
システム管理と運用
-
ログ処理: ロギング
-
バックアップ管理: shutil、tarfile、paramiko
-
アラームの監視: psutil、smtplib
-
自動デプロイメント: paramiko、tarfile、shutil、os
-
……
-
-
Web 開発と Web アプリケーション
-
ジャンゴ、フラスコ、ボトルの3点セット
-
合理化された軽量の迅速な開発
-
-
ゲーム開発
-
パイゲーム
-
PyOpenGL
-
パンダ3d
-
ピグレット
-
アーケード
-
。。。。。。
-
何か、足りないですか?
国内代理店を見つけてchatgptに問い合わせてください。