Python¶

环境搭建¶

目前我使用 Miniforge + VSCode 搭建开发环境

安装工具链¶

请先完成 Miniforge 的安装

通过如下命令安装解释器和第三方库

# 选一个解释器的版本
mamba create -n ml python=3.13.5
# 选一些第三方库
mamba install ipykernel numpy matplotlib scikit-learn pandas

编辑器集成¶

VSCode 官方文档

需要安装以下插件

• Python
• Python Debugger
• Jupyter

使用解释器¶

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¶

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

自动生成的 launch.json 文件大概长这样

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python 调试程序: 当前文件",
            "type": "debugpy",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal"
        }
    ]
}

现在可以直接点击按钮来调试了。

使用编程笔记本¶

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。

现在可以使用编程笔记本了。

有关 Python 开发的更多技巧可以参考 Python

命令行工具¶

包管理器¶

• pip 官方标准
• 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。

文档处理¶

• markitdown 微软官方的做的一个把各种格式的文件转为 markdown 的工具，甚至可以处理 YouTube 连接（当然，实际上只是把字幕文件转化为 markdown 文件，不要以为能够一帧一帧的转换视频内容）

性能分析¶

• snakeviz

编程笔记本¶

• ipykernel 笔记本内核
• jupyterlab 笔记本界面，会打开一个本地服务器
• nbconvert 将 .ipynb 文件导出为别的格式

静态网站生成器¶

• mkdocs 静态网站生成器，其实是 python 的一个库，提供了 python 的接口，但说是命令行工具也没问题

库和框架¶

一些我使用过的库和框架

科学计算¶

• numpy
• sympy
• scipy

绘图¶

• matplotlib

数据分析¶

• networkx
• pandas

信号与系统¶

• control

机器学习¶

• scikit-learn
• tensorflow
• pytorch
• YOLO

Web¶

• FastAPI