一個好的編譯器對於我們處理日常的科研很關鍵，好的編譯器無論是從界面，字體風格，提示，調試等各方面都能從用戶角度出發，提供最好的使用體驗。Python本身自帶的IDLE或者在CMD里進行操作和調試，對於小型的測試程序和學習的時候是可以的；但是對相對比較大的程序，它們就顯得有些力不從心了，首先是查找和提示的，還有就是當你想要改變程序中某個變量或者函數的名稱，一個個查找是讓人奔潰的事情。
本人顯示從IDLE和CMD開始Python碼城過程的，慢慢的發現，相對於以前使用的VS和eclipse，它們顯得太LOW了。我開始嘗試在sublime里面進行編輯，給sublime裝插件，能夠直接運行Python程序（Ctrl+B），以及進行代碼智能提示。sublime用了好長一段時間，還是比較好用的，代碼的顯示也比較讓人愉悅，你也可以按自己的喜好去進行配置。總的來說，還是比較推薦sublime的。還有就是pycharm了，有很多的Python開發者使用它，PyCharm確實是Python開發之首選。我也用過一段時間，習慣了sublime，就沒太多的去研究，總體來說也還是比較推薦的編譯器之一。
后來在別人的博客中看到了ipython，它是一個Python交互式的shell，比默認的shell要好用，支持變量的自動補全，自動縮進，支持bash shell命令，內置了許多很有用的功能和函數。安裝也很簡單，windows下直接在命令行輸入：python –m pip install IPython。最讓人驚喜的是，ipython中提供了一下簡單好用的magic函數。以下是百度上列舉的常用命令：
%bg function把 function 放到后台執行，例如: %bg myfunc(x, y,z=1)，之后可以用jobs將其結果取回。myvar = jobs.result(5) 或 myvar =jobs[5].result。另外，jobs.status() 可以查看現有任務的狀態。 %ed 或 %edit編輯一個文件並執行，如果只編輯不執行，用 ed -x filename 即可。 %env顯示環境變量 %hist 或 %history顯示歷史記錄 %macro name n1-n2 n3-n4 ... n5 .. n6 ...創建一個名稱為 name 的宏，執行 name 就是執行 n1-n2 n3-n4 ... n5 .. n6 ...這些代碼。 %pwd顯示當前目錄 %pycat filename用語法高亮顯示一個 python 文件(不用加.py后綴名) %save filename n1-n2 n3-n4 ... n5 .. n6 ...將執行過多代碼保存為文件 %time statement計算一段代碼的執行時間 %timeit statement自動選擇重復和循環次數計算一段代碼的執行時間，太方便了。
然而百度漏掉了比較常用的%run，可以用來運行外部的Python腳本。還有**??來顯示某個模塊用法，如import os，os??。其他的包括查看變量的值，代碼運行效率檢查等。下次我將單獨開一篇講常見的magic命令，這次就不多贅述。
說完自己選擇編譯器進行開發的過程，終於要來到我們的重點了——Anaconda。一個偶然的機會，看到師兄使用ipython notebook進行匯報，可以在頁面進行代碼和文檔排版編寫，對於科學計算非常方便。ipython notebook是web based IPython封裝，但是可以展現豐富文本，使得整個工作可以以筆記的形式展現、存儲，對於交互編程、學習非常方便。關於ipython notebook的具體使用，找機會單獨另開一節，在此不是重點。下圖是它的頁面，在上面還可以用markdown標記編輯文本。可以呈現很不錯的文檔頁面。
Anaconda是一個集成的環境，現在已經升級到Anaconda2了，直接下載安裝，很方便，集成了Python，ipython，notebook，Spyder和qtconsole，如下所示。之前的ipython notebook也改為了jupyter notebook。
Anaconda是一個和Canopy類似的科學計算環境，但用起來更加方便。自帶的包管理器conda也很強大。Anaconda提供了Python2.7和Python3.4兩個版本，同時如果需要其他版本，還可以通過conda來創建。
下面來看一下conda。輸入 conda list 來看一下所有安裝時自帶的Python擴展。粗略看了一下，其中包括了常用的 Numpy , Scipy ， matplotlib 和 networkx 等，以及 beautiful-soup ， requests ， flask ， tornado 等網絡相關的擴展，還有常用的科學工具包，scikit-image,scikit-learn等。其他沒有的包可以通過pip，easy_install安裝，也可以通過它特有的conda來進行安裝，conda install ***，如果需要指定版本，也可以直接用 [package-name]=x.x 來指定。conda的repo中的擴展不算太新，如果想要更新的，可能要用PyPI或者自己下載源碼。而conda和pip關聯的很好。使用pip安裝的東西可以使用conda來管理，這點要比Canopy好。
這個科學計算環境的另一個要求就是能夠多個Python版本並存，尤其是2.x和3.x的並存。這個通過 virtualenv 可以做到。Anaconda也正是通過其實現的。
下面用conda創建一個名叫python3的版本為python3.4的環境。
conda create -n python3 python=3.4
這樣就會在Anaconda安裝目錄下的envs目錄下創建python3這個目錄。
向其中安裝擴展可以：
直接用 conda install 並用 -n 指明安裝到的環境，這里自然就是 python3 。
像 virtualenv 那樣，先activate，然后在虛擬環境中安裝。
spyder就是一個Python的擴展，也是比較好用的，感興趣的可以自己親自嘗試下，它里面的查看變量的功能還是很方便的。
2015-11-23 22:13:51