Python¶

环境搭建¶

目前我使用 Miniforge + VSCode 搭建开发环境，Miniforge 用于获取工具，顺应人工智能和科学计算的相关传统，而 VSCode 用于编辑代码。也可以使用 Mise/Uv 来获取工具链，这可能更适合现代项目。

安装工具链¶

Miniforge¶

如果使用 Miniforge 获取工具链，请先完成 Miniforge 的安装，然后通过如下命令安装解释器和第三方库

# 创建虚拟环境
mamba create -n python
# 激活环境
mamba activate python
# 安装最新版的工具链
mamba install python
# 安装特定版本的工具链
mamba install python==3.13
# 安装一些第三方库
mamba install ipykernel numpy matplotlib pandas

Mise/Uv¶

如果使用 Mise/Uv 或类似的工具来获取管理 Python 的运行时版本，则首先应该安装这些工具

• 安装 Mise
• 安装 uv

对于 Mise + Uv 这一组合，你还应该进行一些设置使二者配合起来更舒适

# 让 mise 能够支持 .python-version 等文件
mise settings add idiomatic_version_file_enable_tools python
# 让 mise 自动激活 uv 创建的虚拟环境
mise add settings python.uv_venv_auto true
# 禁用 uv 自动下载 python 的功能
echo 'python-downloads = "never"' >> "$env:APPDATA\uv\uv.toml"

然后，可以运行如下命令，新建目录并安装相应的依赖

# 新建一个使用 python 3.13 的项目
uv init example --python 3.13
# 进入项目
cd example
# 此时如果 mise 警告缺失版本，则手动安装对应的 python
mise install python@3.13
# 运行测试代码，同时会自动创建虚拟环境和锁文件
uv run main.py
# 为项目添加依赖
uv add numpy

编辑器集成¶

使用解释器¶

需要安装拓展 Python

新建一个 test.py 文件，输入 VSCode 命令 Python: Select Interpreter，VSCode 会识别到不同的 Conda 环境，请选择正确的那个解释器

之后就可以在 .py 文件的右上角找到运行按钮，此时 VSCode 会调用刚选择的解释器

使用调试器¶

需要安装拓展 Python Debugger

输入 VSCode 命令 Debug: Add Configuration，选择 Python Debugger 拓展自动生成的配置。

自动生成了 launch.json 文件后，就可以直接点击按钮来调试了。

使用编程笔记本¶

需要安装拓展 Jupyter

如果需要使用编程笔记本，请确保已经安装了 ipykernel。你可以通过 mamba list 或 pip list 查看是否已经安装。

新建一个 test.ipynb 文件，输入 VSCode 命令 Jupyter: Select Interpreter to Start Jupyter Server，选择一个合适的内核，然后就可以使用编程笔记本了。

命令行工具¶

包管理器¶

• pip 官方标准
• uv 用 Rust 写的，目前应该是最快的包管理器，但功能不只包管理，还包括了运行时管理等功能。
• conda 我认为其职能已经超越了传统的包管理器。官网 的介绍是 包管理系统和环境管理系统，因此我把它放在了 环境管理 章节中。

格式化¶

• ruff

性能分析¶

• snakeviz

打包器¶

• PyInstaller

代码生成工具¶

• cookiecutter 从社区维护的模板中快速生成项目

库和框架¶

Python 由于标准库已经非常强大了，并且大多第三方库都专注于特定使用场景（已移到专门的章节中），因此这里列出的框架/库会比较少。

通用库¶

• requests 网络请求库
• psutil 用于系统监控的库，提供了和 ps、top、iotop、lsof、netstat、ifconfig、free 等命令类似的功能