Python 作为一个语言，代码需要一个解释器来进行解释，这个解析器就是专门针对 Python 代码的，只有它才知道这些代码是什么意思。编写代码也需要一定的工具，理论上所有的纯文本都可以编写代码，但工欲善其事必先利其器，好用的工具能够使我们事半功倍。
Python 安装说明
当然，你可以从 python 的官网「 https://www.python.org 」的下载栏目进行安装包下载，下载时需要按自己实际的操作系统（ Windows 还是 Mac 等 ）下载相应的包，进行界面化安装。不过这种安装不太推荐，我也不希望你这么做。因为这里有几个问题：
- 这种安装比较复杂，比如在 Window 里还要设置一些环境变量
- 容易与已有的 Python 冲突，Mac 操作系统会自带 Python （注意：它是 2.x 版本，并不能直接使用 ）
- 无法灵活切换版 Python 版本，有时间我们需要使用特定版本的 Python 需要灵活切换，这种模式无法做到灵活切换管理
等等，那么以上问题有没有解决的办法？有的，Anaconda 是一个环境套件，能够解决我们上述问题。
Anaconda
Anaconda是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本 python 并存、切换以及各种第三方包安装问题。
说到这里先不要动手去下载安装，因为 Anaconda 由于是一个大而全的套件，里边已经为大家安装好了常用的库包，并且还自带一些开发工具，从而使其巨大无比，安装后就是 1 个多 G，一旦运行电脑都显得有些吃力。为了解决这个问题，miniconda出现了。它小巧，安装包六七十M，下载、安装速度快。我们可以使用清华大学建立的镜像下载站点进行下载，由于服务器在国内，速度很快。
接下来，我们一起安装吧。
miniconda
打开以下网址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
# 当然，你实在需要一个大而全的 Anaconda 可以用以下网址下载
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
按最后一列的时间排序，或者接页面拉到最后，找到最现在最近时间发布的安装包，Mac 电脑选择 MacOSX-x86_64.pkg Windows 选择 Windows-x86_64.exe 进行下载。py39 字样代表 Python 的默认版本是 3.9 版本。
以下是 miniconda 下载文件（截止 2022-12-23，最新的安装文件是默认 3.10 版本，安装后可创建其他 Python 版本的环境，包括 Python 2.x 和 Python 3.10 版本，如果不存在的版本可以在 conda-forge 中安装）：
| 版本 | MAC(.pkg) | Windows(.exe) | Linux(.sh) | 备注 |
|---|---|---|---|---|
| 最新 | 最新MAC版本 | 最新 Windows | 最新 Linux | Mac .sh 文件 |
| py3.10 | py3.10 MAC版本 | py3.10 Windows | py3.9 Linux | |
| py3.9 | py3.9 MAC版本 | py3.9 Windows | py3.9 Linux | |
| py3.8 | py3.8 MAC版本 | py3.8 Windows | py3.8 Linux |
下载完成后双击安装包按界面提示进行安装。安装完成后 ：
- Windows 会在开始菜单或者桌面产生一个终端管理器（Anconda Prompt 字样）
- Mac 在电脑启动器里找到「终端」（Terminal）
MAC 和 Linux 可以用命令安装 .sh 文件：bash Miniconda3-latest-MacOSX-x86_64.sh （注意，需要 cd 命令到 sh 文件的目录）
启动它，可以看到类型这样的字样：
mac：
Last login: Wed Apr 8 15:28:02 on ttys001
(base) gairuo@MacBook Downloads %
windows：
(base) PS C:\Users\gairuo>_
其中 (base) 就是它默认的环境了，如果需要设置多 python 环境可以看下一节，否则直接使用它。
多 Python 环境
如果不需要多个 python 版本，跳过这儿。给新的环境起个名字，如起名 py311data 创建的用来专门做数据分析的，创建了 Python 3.11 版本的环境。常用命令如下：
# 创建新环境，<环境名称>, python 版本
conda create -n py311 python=3.11
# 删除环境
conda remove -n py311 --all
# 进入、激活环境
conda activate py311
# 退出环境
conda deactivate
# 查看所有虚拟环境及当前环境
conda info -e
# 其他不常用
conda -V # 查看conda的版本
conda update conda # 升级
conda list # 安装软件列表
conda install numpy # 安装库包，用 pip 也可以
conda uninstall numpy # 安装库包
conda search python # 查询支持的Python版本
# 使用 conda-forge 通道，对于一些 conda 没有的版本时使用
conda create -n py311 python=3.11 -c conda-forge
按下来就是安装三方库，一般用 pip 来管理三方库：
pip install numpy # 安装库
pip install numpy httpx django # 同时安装多个库
pip install numpy -U # 升级库，安装最新版
pip install numpy==1.24.2 # 安装指定版本
# 指定源，用国内源可加速下载
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
# 其他方法，如遇到无法安装的可尝试，如 lxml 在 Python 3.11 下报错，可用此方法
conda install -c anaconda lxml # anaconda 渠道
conda install -c conda-forge jupyterlab # conda 社区渠道
可以一次性创建环境+安装三方库（可指定版本），如：
conda create -c conda-forge -n py311 python==3.11.3 jupyterlab=3.6.3 'jupyterlab-lsp=4.1.0' 'jupyter-lsp-python=2.1.0' pandas httpx
安装编辑器
代码编辑器，即 IDE，编写代码的工具。代码编辑器可选择的比较多，一般可使用 Jupyter Lab（推荐，学习和数据分析）、Visual Studio Code（脚本和小项目）、PyCharm（大型项目）、 Sublime Text（文本编辑查看）。
我们初学不用使用大型的工程项目编辑器，如 Visual Studio Code、PyCharm，这里推荐 Jupyter Lab（它的上一代是 Jupyter Notebook），它是一个网页、界面化、即时反馈结果，后期在做数据分析、机器学习时，它的可视化功能也非常方便。
Jupyter 安装
提醒
JupyterLab 是 Notebook 未来的替代者，推荐套用使用。如果还是希望使用 Jupyter Notebook，可以用以下方法安装：
pip install jupyter，启动命令是 jupyter notebook。
官网介绍：https://jupyter.org/install。在上文中提示的「终端」中输入以下代码再回车：
# 安装 Jupyter Lab, 使用清华的源加快下载速度
pip install jupyterlab -i https://pypi.tuna.tsinghua.edu.cn/simple
出现上文的终端命令提示符说明安装成功。
提醒
如果安装过程中出现红色提示安装停止，可能是网络超时原因，可重新输入回车（或者按键盘向上键从历史调出命令回来安装，或者试试其他源如豆瓣 https://pypi.douban.com/simple 、阿里源 http://mirrors.aliyun.com/pypi/simple ）再尝试安装。
接下来启动 JupyterLab, 在终端输入:
# jupyter notebook
jupyter lab
这样就会在浏览器中打开一个网页（如没自动打开可按界面上提示的网址复制到浏览器手动打开），如果发现网页列出的目录和文件不是自己想要的，那么在启动 Jupyter Notebook 前 Windows 可以用 d:(换到D盘) ， 然后 cd D:\gairuo\study （根据自己的实际目录，mac 直接使用类似 cd /Users/gr/Downloads ），再执行启动命令，这样 notebook 就默认在你指定的目录下了。
推荐安装 jupyterlab-lsp 插件，使用语言服务器协议为 JupyterLab 提供编码帮助（代码导航+悬停建议+linters+自动完成+重命名）。
# https://github.com/jupyter-lsp/jupyterlab-lsp
pip install jupyterlab-lsp -U
pip install jedi-language-server -U
pip install 'python-lsp-server[all]' -U # 与以上二选一
# 执行命令重启 JupyterLab
如果想格式化代码（一般快捷键是 ctr+l）可以安装如下插件：
# 代码格式化
# 安装配置教程 https://github.com/ryantam626/jupyterlab_code_formatter
pip install jupyterlab-code-formatter
pip install black isort
# 执行命令重启 JupyterLab
如果想获得更好的代码提示、自动补全体验可以试用 VS code 和 PyCharm 中的 jupyter notebook 功能。
# 所有插件及开启状态
jupyter labextension list
# 关闭和开启单元格浮动工具栏
jupyter labextension disable @jupyterlab/cell-toolbar-extension
jupyter labextension enable @jupyterlab/cell-toolbar-extension
Jupyter 的使用
下面我们说说 jupyter 的使用。从一开始建议大家整理好自己的文件目录，记住创建的文件在哪个位置，这是很重要的。进入到合适的目录后，点击页面的新建（new）再选择 python 3 创建，这样就创建了一个代码编辑本，我们就可以在这儿写代码了。
Ju
文件改名，点击头部 jupyter 图标旁边的文件名会弹出改名框，也可在「文件」菜单下的「重命名」进行改名。文件名最好有规律，如带上日期、需求名之类。
可以测试一下其他菜单，比如插入行、删除行、合并行、拆分行、重启服务等。
留意页面右上 「python 3」旁边的圆圈，如果是实心的说明正在执行代码，同时代码行不会显示行执行编号，会显示星号，此时只需要等待就行。
Jupyter Lab 的使用和 Notebook 的类似，快捷键也基本相同。
下边是一些快捷键，尽量使用这这些快捷键来操作以提高效率：
| 快捷键 | 功能 |
|---|---|
<tab> |
代码提示 |
Shift+ Enter |
执行本行并定位到新增的行 |
Shift+Tab(1-3次) |
查看函数方法说明 |
D, D |
连按 D 删除本行 （需按 Esc 退出编辑状态） |
A / B |
向上 / 下增加一行 （需按 Esc 退出编辑状态） |
M / Y |
Markdown / 代码模式（需按 Esc 退出编辑状态） |
command/control + / |
注释 / 取消注释 |
i, i |
连按 i 退出单元格执行（需按 Esc 退出编辑状态） |
下边是一些魔法方法，可以实现一些特定的功能：
| 方法 | 功能 |
|---|---|
%time |
代码执行时间 |
{函数}? |
查看函数文档 |
%timeit {code} |
计时性能测试（算法复杂度） |
%run {dir/code.py} |
脚本文件加载 |
%env |
查看所有环境变量 |
%%file test.py |
将 cell 中的脚本写入一个 py 文件 |
!python test.py |
执行脚本 |
!pip install numpy |
安装库包 |
pd.re*sq*? |
通配符查找相关属性方法 |
%whos 和 %whos int |
列出所有(指定类型)变量 |
%who_ls 和 %who_ls int |
列出所有(指定类型)变量，列表形式 |
%magic |
查看所有的IPython魔法方法文档 |
至此，万事俱备，我们开始写代码吧！