《数据科学家如何选择 Python 的 IDE》是一篇2018年的文章，提到 Spyder 是 python 做科学计算的最佳 IDE，visual studio 已经变成了 R 语言在 windows 平台上最完美的 IDE，可作参考。

以下节选主要内容：

对于一个做数据分析计算的人来说，他的 IDE 最好能提供以下核心功能（按重要性排序）：

• 强大的交互性
• 查看 dataframe
• qtconsole

目前数据科学领域的编程语言主要是以下几种（按使用人数大致排序）：

• R
• Python
• matlab/octave
• Julia

在这些语言中，Python 通用性最强，所以在 Python 社区里码农们的声音比较大，利用 Python 做计算的新手很容易被程序员们带偏，所以本文主要讨论 Python 的 IDE。

考察的IDE

• pycharm
• Rodeo
• Spyder
• jupyter notebook

pycharm

pycharm 并不适合所有人，至少在推出 scientific mode（科学模式）之前，pycharm 在科学计算领域根本没有 spyder 方便。但尽管有了新版，由于其是庞大的商业软件，且冷启动慢和占用内存比较大，并不适合新手及小项目。

Rodeo

Rodeo 是一个轻量级的简陋 IDE，唯一亮点在于它可以查看 dataframe。

Spyder

spyder 在所有针对科学计算的 IDE 里第一个使用 qtconsole，它也是第一个可以以表格形式查看 numpy 和 pandas 对象的 python IDE。方便和强大的交互特性，使其成为 python 做科学计算的最佳 IDE。

jupyter notebook

不建议把 jupyter notebook 作为主力开发工具，因为这容易让人养成两个坏习惯：一是每写一行代码就要运行一下然后跳到下一个 cell，导致驾驭长代码的能力越来越差；二是把所有代码放在一个文件里，不利于养成模块化和工程化的编程习惯。

jupyter notebook 作为展示工具和交互工具都是很好用的，适合用来做展示或撰写报告。

例外：visual studio

R 语言只有一个专用 IDE——Rstudio，但是最近发现 visual studio 里面加入了针对 R 语言的数据科学模式（由 RTVS 提供），有单独的绘图 pane 与变量查看功能，默认的 layout 类似于 Rstudio，但是可以更加自由地定制。

和 Rstudio 相比，visual studio 里的数据科学模式最令人眼前一亮的特点是它和 excel 的完美互动。在 Rstudio 中，要查看一个 datafarme，通常的做法是在变量列表里双击变量的名字，在 Rstudio 里以表格的形式将它打开；现在在 visual studio 中你不仅可以做到这件事，还可以在变量列表中的某个变量名右边直接点击"在excel中打开"这个选项，直接在 excel 中打开这个变量。

除此之外，visual studio 作为宇宙第一 IDE，在项目资源管理、版本管理等方面都是非常方便的，这些功能在 Rtudio 里面基本没有。可以说，自从提供了数据科学模式，visual studio 已经变成了 R 语言在 windows 平台上最完美的 IDE。

最后给 R IDE 一个排名

• Visual Studio
• Emacs
• Rstudio
• VSCode

其他IDE相关文章

• 2019年PYPL榜单发布，编程语言、IDE与数据库市场如何？

• 编程界十大顶级IDE

  延伸阅读

  这篇关于数据科学开发环境设置的文章（The Definitive Data Scientist Environment Setup）详细介绍如何在自己的计算机上，安装各种软件，设置一个数据科学环境。主要观点是：

  • A NVIDIA GPU of at least 4GB of RAM.
  • Avoid Apple MacBooks.
  • Ubuntu LTS.
  • Python.
  • Miniconda.
  • Jupyter.
  • PyCharm.

既是推荐

• WinPython 是一个免费的、开源的、可移植的Python编程语言的发行版，适用于科学和教育用途。
• Anaconda 是一个适用于科学计算的 Python 集成开发环境。
• JupyterLab 是广受欢迎的 Jupyter Notebook新界面，允许在基于单元格的组织中逐步可视化数据。