阶段零：IDE选择 与 Jupyter Notebook / Lab 使用

Python开发环境配置完全教程：IDE选择与插件安装指南

从零开始，把VS Code/PyCharm/Jupyter打造成你的开发利器

一、三种工具的本质区别

在开始之前，先搞清楚这三个工具各有什么用：

工具	类型	适用场景	特点
VS Code	代码编辑器（可通过插件变身为IDE）	轻量脚本、多语言项目、快速原型	启动快、插件生态强大、免费
PyCharm	专业IDE	大型项目、Web开发、企业级应用	功能全面、调试能力强、有免费社区版
Jupyter	交互式Notebook	数据分析、机器学习、教学演示	代码+可视化+文档一体化

一句话决策：写Django/Flask用PyCharm，写脚本/多语言用VS Code，做数据分析用Jupyter。

二、VS Code配置详解（重点推荐）

2.1 基础安装

Python安装（关键一步）

• 从python.org下载安装包
• 务必勾选 "Add Python to PATH" ------ 这是90%新手踩坑的地方[citation:5]
• 验证：终端运行 python --version

VS Code安装

• 从code.visualstudio.com下载
• 安装时建议勾选"添加到PATH"（这样可以在终端用code .命令快速打开项目）[citation:5]

2.2 核心插件清单（2026版）

只需要装一个Python扩展包（Microsoft官方发布），它就包含了以下所有能力[citation:2][citation:5]：

功能	说明
Pylance	语言服务器，提供智能补全和类型检查
Python Debugger	图形化调试器
Jupyter	原生支持.ipynb文件
代码格式化	集成Black/autopep8
单元测试	支持pytest和unittest

额外推荐的辅助插件[citation:2]：

• Ruff：极速的代码检查+格式化工具（比Flake8快很多）
• Error Lens：直接在代码行显示错误信息，不用悬停
• GitLens：可视化Git历史

2.3 核心配置（settings.json）

在你的项目根目录创建.vscode/settings.json[citation:1]：

{
    "python.defaultInterpreterPath": ".venv/bin/python",
    "python.analysis.typeCheckingMode": "basic",
    "editor.formatOnSave": true,
    "[python]": {
        "editor.defaultFormatter": "charliermarsh.ruff",
        "editor.codeActionsOnSave": {
            "source.fixAll": "explicit",
            "source.organizeImports": "explicit"
        }
    },
    "python.testing.pytestEnabled": true
}

这段配置帮你做到：

• 保存时自动格式化代码
• 自动整理import语句
• 开启基础类型检查

2.4 虚拟环境管理（避开依赖冲突）

为什么需要虚拟环境：项目A用pandas 1.5，项目B用pandas 2.0，不隔离就会互相冲突[citation:5]。

VS Code中创建虚拟环境：

1. Ctrl+Shift+P 打开命令面板
2. 输入 Python: Create Environment
3. 选择 Venv（推荐）或 Conda
4. 选择Python版本

创建成功后，左下角会显示 Python 3.x.x ('venv')，说明已自动激活[citation:5]。

安装依赖：

# 激活虚拟环境后（终端前面会有(venv)标识）
pip install numpy pandas matplotlib

# 导出依赖列表（团队协作必备）
pip freeze > requirements.txt

# 别人拿到项目后一键安装
pip install -r requirements.txt

2.5 调试器使用（告别print大法）

设置断点：在代码行号左侧点击，出现红点

启动调试：

• 点击左侧"运行和调试"图标（Ctrl+Shift+D）
• 点击绿色"开始调试"按钮
• 选择"Python文件"

调试工具栏功能[citation:5]：

快捷键	功能
F5	继续到下一个断点
F10	单步跳过（不进入函数内部）
F11	单步调试（进入函数内部）
Shift+F11	跳出当前函数

左侧"变量"面板可以实时查看所有变量的值，这是print调试无法比拟的效率。

三、PyCharm配置（专业级选择）

3.1 安装要点

PyCharm有两个版本[citation:6]：

• Community（社区版）：免费，够用
• Professional（专业版）：付费，支持Web框架、数据库工具

安装时务必勾选："Add 'bin' folder to PATH"[citation:7]

3.2 创建项目与虚拟环境

新建项目时的配置选项[citation:7]：

选项	说明	建议
Location	项目存放路径	统一放在某个目录
Interpreter type	Project venv	用虚拟环境隔离依赖
Base python	选择Python版本	选最新的稳定版
Inherit packages	继承全局包	不勾选（保持隔离）

3.3 核心快捷键

快捷键	功能
Alt+Enter	快速修复代码错误[citation:6]
Ctrl+B	跳转到定义
Alt+F7	查找引用
Ctrl+Alt+L	格式化代码

3.4 常见问题排查

问题1：启动慢/内存占用高

• 解决方案：关闭不用的插件，或改用VS Code处理小型项目[citation:9]

问题2：解释器配置错误

• 进入 File > Settings > Project > Python Interpreter，重新选择正确的虚拟环境[citation:9]

四、Jupyter配置（数据科学必备）

4.1 安装方式

方式一：pip安装（推荐）[citation:4]

pip install jupyterlab
# 验证安装
jupyter lab --version

方式二：VS Code内直接使用

• 安装Python扩展后，Ctrl+Shift+P → Create: New Jupyter Notebook
• 无需额外安装，开箱即用[citation:5]

方式三：Anaconda（数据科学全家桶）

• 如果做机器学习，直接装Anaconda，Jupyter已预装

4.2 JupyterLab vs 经典Notebook

功能	JupyterLab	经典Notebook
界面	多文档标签页	单文档视图
文件浏览器	内置侧边栏	独立页面
终端	集成	不包含
扩展安装	pip可安装	需要nbextensions
推荐	✅ 现代项目首选	旧项目维护

4.3 启动命令汇总[citation:4]

# 基础启动
jupyter lab

# 在指定项目目录启动
jupyter lab --notebook-dir=/path/to/project

# 自定义端口（8888被占用时）
jupyter lab --port=9999

# 启动但不自动打开浏览器（适合远程服务器）
jupyter lab --no-browser

# 所有网络接口可访问（同局域网其他设备）
jupyter lab --ip=0.0.0.0 --port=8888 --no-browser

4.4 常见问题

问题：Jupyter命令找不到

• 原因：Python未加入PATH或pip安装路径不在PATH中
• 解决：重装Python时勾选"Add Python to PATH"

问题：Kernel连接失败

• 解决：pip install ipykernel --upgrade[citation:4]

五、对比总结与推荐路线

选型决策树

你要做什么？
│
├─ 数据分析/机器学习 → Jupyter（配合VS Code）
│
├─ 大型Web项目（Django/Flask） → PyCharm Community
│
├─ 快速脚本/多语言项目 → VS Code
│
└─ 初学者学习Python → VS Code 或 PyCharm Community

我的推荐组合

新手最佳路径：VS Code + Python扩展 + Jupyter支持

• 启动快、配置简单、一套工具搞定编码和数据分析
• 免费且社区资源丰富

进阶路径：主力PyCharm + 辅助Jupyter

• 大型项目用PyCharm（重构、调试无敌）
• 探索性分析用Jupyter

最后的小贴士

1. 虚拟环境一定要用：这是避免"依赖地狱"的唯一方法
2. 学会用调试器：print调试在复杂问题上效率极低
3. 保持配置版本化 ：把.vscode/settings.json和requirements.txt提交到Git

---

在学习python 代码时用jupyter 来学习会方便很多，我们先简单的学习一下jupyter方便python基础代码的学习。

---

Jupyter Notebook/Lab 完全学习指南

从零开始，掌握交互式编程的核心技能

一、Jupyter核心概念

1.1 什么是Notebook？

Jupyter Notebook是一种交互式文档，可以同时包含：

• 代码（可执行）
• 文本（Markdown格式）
• 可视化（图表、图片）
• 数学公式（LaTeX）

1.2 两种界面对比

特性	Classic Notebook	JupyterLab
启动命令	jupyter notebook	jupyter lab
界面布局	单文档标签页	多文档分屏拖拽
文件管理	独立页面	侧边栏集成
终端支持	❌	✅ 内置
推荐	旧项目维护	✅ 新项目首选

二、单元格类型详解

2.1 三种核心单元格

类型	用途	快捷键
Code	编写和执行Python代码	Y
Markdown	写说明文档、标题、公式	M
Raw	纯文本，不执行	R

切换单元格类型：

• 选中单元格后按 Y / M / R
• 或通过顶部工具栏下拉菜单

1. Code（代码单元格）：核心执行单元

• 类型标识： 默认新建就是 Code，快捷键切换：Y（把当前单元格转为 Code）
• 核心用途： 编写、运行、调试 Python（及 R、Julia 等）代码，是 Jupyter 的「执行引擎」
• 详细用法：
  • 输入代码：直接在单元格内写 Python 代码（支持多行、函数、循环、导入库）
  • 运行方式：
    • 快捷键：Shift+Enter（运行当前单元格，选中下一个）；Ctrl+Enter（运行当前，保持选中）；Alt+Enter（运行并在下方插入新单元格）
    • 菜单：点击工具栏「▶ Run」按钮
  • 输出展示：运行后，结果（打印文本、图表、报错信息）直接显示在单元格下方；支持交互式输出（如 matplotlib 图表、pandas 表格、widget 控件）
  • 特殊操作：
    • 清空输出：右键单元格 → Clear Outputs
    • 中断运行：点击工具栏「■ Stop」（代码死循环 / 耗时过长时用）
    • 重启内核：Kernel → Restart（重置 Python 环境，清除所有变量）
• 解决的问题：
  • 告别「写代码→保存→运行→看终端 / 日志」的割裂流程，实时看结果、快速调试
  • 代码与运行结果绑定，方便复盘、复现、分享（别人打开文档能直接看到你的代码 + 输出）
  • 支持逐段运行（不用跑整个脚本），适合数据分析的「探索式编程」

2. Markdown（文档单元格）：说明与排版单元

• 类型标识： 快捷键切换：M（当前单元格转为 Markdown）
• 核心用途： 写说明文档、标题、注释、公式、列表、链接、图片，给代码做「注释 + 文档化」，让 Notebook 变成可阅读的报告 / 教程
• 详细用法：
  • 编辑 / 渲染：输入 Markdown 语法 → 按Shift+Enter（渲染成富文本）；双击渲染后的单元格可重新编辑
  • 常用 Markdown 语法（Jupyter 完整支持）：
    • 标题：# 一级标题、## 二级、### 三级（对应 HTML h1-h6）
    • 文本格式：**加粗**加粗 、*斜体*斜体 、***粗斜体***粗斜体 、~~删除线~~删除线、（带语法高亮）
    • 列表：1.有序列表(1.)、-无序列表
    • 公式：LaTeX 语法，行内E=mc2E=mc^2E=mc2，块级∫0∞e−xdx=1\int_0^\infty e^{-x}dx=1∫0∞e−xdx=1
    • 代码块：python print("hello")（带语法高亮）
    • 图片 / 链接：![说明](图片URL/本地路径)、[文字](sslocal://flow/file_open?url=%E9%93%&flow_extra=eyJs)
    • 特殊：支持 HTML 标签（如<br>换行、<font color=red>变色</font>变色、<u>下划线</u>++下划线++），兼容复杂排版
• 解决的问题：
  • 解决「代码只有注释、无结构化文档」的痛点，让 Notebook 既是代码，也是可交付的报告 / 教程
  • 支持公式 / 图表 / 文字混排，完美适配数学推导、数据分析报告、教学课件场景
  • 比纯注释更美观、结构化，方便团队协作阅读

3. Raw（原始文本单元格）：纯文本单元

• 类型标识： 快捷键切换：R（当前单元格转为 Raw）
• 核心用途： 存储纯文本、不渲染、不执行，用于写「不参与渲染 / 运行」的内容（如原始代码片段、配置文本、注释草稿、导出时保留的纯文本）
• 详细用法：
  • 输入任意文本（无格式、无语法），按Shift+Enter仅展示纯文本，不渲染 Markdown、不执行代码
  • 无任何格式化，导出为其他格式（如 PDF、HTML）时，保持原始文本样式
• 解决的问题：
  • 避免 Markdown 误渲染、代码误执行：未运行的原始未运行的原始代码模板」「配置文件内容」「纯文本草稿」时，用 Raw 防止 Jupyter 自动处理
  • 导出场景：保留纯文本、不做任何格式转换时使用

2.2 单元格基本操作快捷键

操作	快捷键（命令模式）
运行当前单元格	Shift + Enter
运行并插入下方	Alt + Enter
上方插入单元格	A
下方插入单元格	B
删除单元格	DD（按两次D）
合并单元格	Shift + M
分割单元格	Ctrl + Shift + -
调出代码补全列表（变量、函数、方法、属性）	Tab
调出函数 / 方法的参数提示、文档字符串（tooltip）	Shift + Tab

命令模式 vs 编辑模式：

• 命令模式（蓝色边框）：按Esc进入
• 编辑模式（绿色边框）：按Enter进入

三、Markdown在Jupyter中的高级用法

3.1 基础格式

# 一级标题
## 二级标题
### 三级标题

**粗体文本**
*斜体文本*
***粗斜体***

- 无序列表项1
- 无序列表项2

1. 有序列表项1
2. 有序列表项2

[链接文字](https://example.com)
![图片描述](image.png)

3.2 代码块高亮

```python
def hello():
print("Hello, Jupyter!")
```

```javascript
console.log("支持多种语言");
```

3.3 数学公式（LaTeX）

行内公式 ：用单个$包裹

爱因斯坦质能方程 $E = mc^2$

独立公式块 ：用双$$包裹
∫0∞e−x2dx=π2 \int_{0}^{\infty} e^{-x^2} dx = \frac{\sqrt{\pi}}{2} ∫0∞e−x2dx=2π

$$
\int_{0}^{\infty} e^{-x^2} dx = \frac{\sqrt{\pi}}{2}
$$

常用公式示例：

# 求和
$$\sum_{i=1}^{n} i = \frac{n(n+1)}{2}$$

# 分数
$$\frac{a}{b}$$

# 矩阵
$$
\begin{bmatrix}
1 & 2 \\
3 & 4
\end{bmatrix}
$$

3.4 表格

| 列1 | 列2 | 列3 |
|-----|-----|-----|
| A | B | C |
| D | E | F |

3.5 引用与高亮

> 这是一段引用

`行内代码`

---
（水平分割线）

四、代码单元格核心用法

4.1 基本执行

# 单行执行
print("Hello")

# 多行执行（一次运行整个单元格）
x = 10
y = 20
print(x + y) # 输出: 30

4.2 变量持久化

# 单元格1
a = 100

# 单元格2（可访问a）
print(a) # 输出: 100

注意：变量会一直保留，直到kernel重启。顺序执行很重要！

4.3 输出控制

# 只显示最后一个表达式的值
3 * 4 # 输出: 12
5 * 6 # 这个不会显示

# 使用print显示多个
print(3 * 4)
print(5 * 6)

# 使用display()显示多个（富文本）
from IPython.display import display
display(3 * 4)
display(5 * 6)

4.4 抑制输出

# 行末加分号
result = 100 * 200;
# 不会显示任何输出

五、魔法命令（Magic Commands）------ Jupyter的杀手锏

魔法命令是Jupyter独有的增强功能，以%或%%开头。

5.1 Line Magic（单行魔法，%）

命令	功能	示例
%time	单行代码执行时间	%time sum(range(1000000))
%timeit	多次运行取平均时间	%timeit sum(range(1000000))
%who	列出所有变量	%who
%whos	列出变量详细信息	%whos
%reset	删除所有变量	%reset -f（强制不确认）
%run	运行外部Python文件	%run script.py
%load	加载外部文件到单元格	%load script.py
%pwd	显示当前目录	%pwd
%cd	切换目录	%cd /path/to/dir
%ls	列出目录内容	%ls
%env	列出环境变量	%env
%debug	进入调试模式（报错后使用）	%debug
%history	显示命令历史	%history
%save	保存单元格到文件	%save filename.py 1-5

5.2 Cell Magic（整个单元格魔法，%%）

命令	功能	示例
%%time	整个单元格执行时间	%%time
%%timeit	整个单元格计时	%%timeit
%%writefile	写入文件	%%writefile test.py
%%file	同上	%%file test.py
%%bash	执行bash命令	%%bash
%%sh	执行shell命令	%%sh
%%html	渲染HTML	%%html
%%javascript	执行JS	%%javascript
%%latex	渲染LaTeX	%%latex
%%markdown	动态生成Markdown	%%markdown
%%capture	捕获输出	%%capture output

5.3 实用组合示例

代码性能分析：

# 单行计时
%time sum([i**2 for i in range(1000000)])

# 精确计时（多次取平均）
%timeit sum([i**2 for i in range(1000000)])

# 整个单元格计时
%%time
total = 0
for i in range(10000000):
total += i

文件操作：

# 将单元格内容写入文件
%%writefile my_module.py
def hello():
print("Hello from file")

# 运行刚写的文件
%run my_module.py

# 加载文件内容到当前单元格
%load my_module.py

系统命令：

# 查看当前目录
%pwd

# 切换目录
%cd ../

# 列出文件
%ls -la

# 执行bash脚本
%%bash
echo "当前时间："
date
echo "Python版本："
python --version

可视化配置（数据科学必备）：

# 让图表在Notebook内显示
%matplotlib inline

# 更高级的交互式图表
%matplotlib widget

# 自动重新加载修改的模块
%load_ext autoreload
%autoreload 2

5.4 查看所有魔法命令

# 列出所有魔法命令
%lsmagic

# 查看某个命令的详细文档
%timeit?

六、实战示例：数据分析工作流

# 单元格1: 导入库和配置
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline
plt.rcParams['figure.figsize'] = (10, 6)

# 单元格2: 加载数据
%%time
df = pd.read_csv('sales_data.csv')
print(f"数据形状: {df.shape}")
df.head()

# 单元格3: 数据清洗
# 检查缺失值
df.isnull().sum()

# 填充缺失值
df['amount'].fillna(df['amount'].median(), inplace=True)

# 单元格4: 可视化
plt.figure()
df['amount'].hist(bins=50, alpha=0.7)
plt.title('销售额分布')
plt.xlabel('金额')
plt.ylabel('频次')
plt.show()

# 单元格5: 查看当前所有变量
%whos

七、常见问题与技巧

7.1 Kernel相关

问题	解决方案
代码卡住无限循环	工具栏点击 ■ 停止
变量太多想重置	%reset -f 或 Kernel → Restart
想保留变量但清理输出	Kernel → Restart & Clear Output

7.2 快捷键速查

# 在Jupyter中查看所有快捷键
# 按 H 键（命令模式下）

7.3 导出功能

Notebook可以导出为多种格式：

• .html（网页）
• .pdf（PDF文档）
• .py（纯Python脚本）
• .md（Markdown）

导出命令：

jupyter nbconvert --to html notebook.ipynb
jupyter nbconvert --to script notebook.ipynb

7.4 效率技巧

# 显示所有输出（不隐藏）
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

# 自动补全：按 Tab 键
# 查看文档：函数名后加 ? 并运行
print?

# 查看源码：函数名后加 ?? 并运行
print??

八、学习资源推荐

1. 官方文档：jupyter.org/documentation
2. 练习数据集：Kaggle、UCI Machine Learning Repository
3. 魔法命令详解：ipython.readthedocs.io/en/stable/interactive/magics.html

---