1. python ide哪個好用
第一款：Eric6
Eric6是一個用Python編寫的Python IDE，雖然它使用Qt5UI框架提供一個比IDLE復雜很多的UI。但是它的入門需要一些組件，因為Eric6不像傳統的本地平台程序一樣應用。它本質上是一個大的Python包和幾個重量級依賴，例如Qt5的Python綁定。結果是：Eric6入門需要對Python包管理的理解，因此它不太可能會吸引初學者用戶。從這方面而言，安裝程序腳本會提供反饋，以便您知道哪些包需要提取和安裝以完成設置過程。
Eric6有著設備齊全的顯著特點。它包含現代的IDE，如類瀏覽、版本控制等通常的實用工具，但它也集成了對Python專用功能如unittest、PyLint和cx_freeze應用程序分發系統的支持。在Eric6創建的新項目，也可以建成PyQT4中/5GUI和控制台應用程序，因為底層庫已安裝，但額外的開發工具，如Qt的窗體設計器不包括在默認設置之內。
第二款：Wing IDE
作為Python程序員的智能開發環境，WingIDE強調專門為Python用戶設計的功能集成。這不僅僅是跨代碼庫的重構功能或使用多個Python解釋器。它還包括與許多流行的Python框架、包和第三方應用程序的詳細集成。RaspberryPi用戶也可以使用Wing IDE進行開發。不僅如此，Wing IDE是一個Python初學者非常好上手的工具。
第三款：Pyzo
Pyzo是一個小IDE，主要針對科學計算的用戶，有一個小工具集：編輯器、互動式shell、文件瀏覽器、源結構瀏覽器和一些其他的設施。它主要用於與庫的快速交互，您可以在Python的REPL中鍵入命令或執行單個文件，而不是正式的應用程序開發。在這個意義上，它不太適合那些想要創建應用程序，更適合那些想要使用Python作為工作台環境的人。
第四款：Thonny
Thonny，一個專門為初學者使用該語言設計的小型的IDE，是一個更加簡單的選擇。在Windows、Mac或Linux上可用，它還可以節省用戶下載或配置的Python解釋器。Python的最新版本與Thonny捆綁在一起，IDE默認開箱可用。也就是說，你可以隨時交換任何其他Pythonruntime。
第五款：NINJA-IDE
作為一個獨立的項目，NINJA-IDE可以像專業級開發工具，如ActiveState"s Komodo
IDE或PyCharm，不僅在開發人員的經驗，而且它的功能集是由Python用戶構建和為了Python用戶構建的。例如，NINJA-IDE的首選項對話框有一個標簽，用於選擇在運行程序時使用的Python解釋器，以及用戶啟動或設置解釋器使用的所有各種命令行選項的復選框，這是非常方便地。IDE中的另一個選項卡默認顯示為Migration2to3，它可以分析為Python2.X編寫的腳本並提出建議。
第六款：VisualStudio Code
微軟的簡單和精益的代碼編輯器從其支持不同語言的擴展的瀚海星系中獲得力量。Python開發人員有一堆VisualStudioCode擴展，但最流行，最容易，最重要的是DonJayamanne的擴展。它與每一個最新版本的Python保持同步，它集成了所有你想要的好東西的支持：代碼片段、代碼靜態分析、自動完成與科學工具集成，如Jupyter、重構、單元測試、調試以及更多更多。
2. 最受歡迎的 15 大 Python 庫有哪些
1、Pandas：是一個Python包，旨在通過「標記」和「關系」數據進行工作，簡單直觀。它設計用於快速簡單的數據操作、聚合和可視化，是數據整理的完美工具。
2、Numpy：是專門為Python中科學計算而設計的軟體集合，它為Python中的n維數組和矩陣的操作提供了大量有用的功能。該庫提供了NumPy數組類型的數學運算向量化，可以改善性能，從而加快執行速度。
3、SciPy：是一個工程和科學軟體庫，包含線性代數，優化，集成和統計的模塊。SciPy庫的主要功能是建立在NumPy上，通過其特定子模塊提供有效的數值常式，並作為數字積分、優化和其他常式。
4、Matplotlib：為輕松生成簡單而強大的可視化而量身定製，它使Python成為像MatLab或Mathematica這樣的科學工具的競爭對手。
5、Seaborn：主要關注統計模型的可視化(包括熱圖)，Seaborn高度依賴於Matplotlib。
6、Bokeh：獨立於Matplotlib，主要焦點是交互性，它通過現代瀏覽器以數據驅動文檔的風格呈現。
7、Plotly：是一個基於Web用於構建可視化的工具箱，提供API給一些編程語言(Python在內)。
8、Scikits：是Scikits
Stack額外的軟體包，專為像圖像處理和機器學習輔助等特定功能而設計。它建立在SciPy之上，中集成了有質量的代碼和良好的文檔、簡單易用並且十分高效，是使用Python進行機器學習的實際行業標准。
9、Theano：是一個Python軟體包，它定義了與NumPy類似的多維數組，以及數學運算和表達式。此庫是被編譯的，可實現在所有架構上的高效運行。
10、TensorFlow：是數據流圖計算的開源庫，旨在滿足谷歌對訓練神經網路的高需求，並且是基於神經網路的機器學習系統DistBelief的繼任者，可以在大型數據集上快速訓練神經網路。
11、Keras：是一個用Python編寫的開源的庫，用於在高層的介面上構建神經網路。它簡單易懂，具有高級可擴展性。
12、NLTK：主要用於符號學和統計學自然語言處理(NLP) 的常見任務，旨在促進NLP及相關領域(語言學，認知科學人工智慧等)的教學和研究。
13、Gensim：是一個用於Python的開源庫，為有向量空間模型和主題模型的工作提供了使用工具。這個庫是為了高效處理大量文本而設計，不僅可以進行內存處理，還可以通過廣泛使用NumPy數據結構和SciPy操作來獲得更高的效率。
3. 有哪些值得推薦的 Python 開發工具
第一款：最強終端 Upterm
它是一個全平台的終端，可以說是終端里的IDE，有著強大的自動補全功能，之前的名字叫做：BlackWindow。有人跟他說這個名字不利於社區推廣，改名叫Upterm之後現在已經17000+Star了。
第二款：互動式解釋器 PtPython
一個互動式的Python解釋器，支持語法高亮、提示，甚至是VIM和emacs的鍵入模式。
第三款：包管理必備 Anaconda
強烈推薦：Anaconda。它能幫你安裝許多麻煩的東西，包括：Python環境、pip包管理工具、常用的庫、配置好環境路徑等等。這些小事情小白自己一個個去做的話，容易遇到各種問題，也容易造成挫敗感。如果你想用Python搞數據方面的事情，安裝它就可以了，它甚至開發了一套JIT的解釋器Numba。所以Anaconda有了JIT之後，對線上科學計算效率要求比較高的東西也可以搞定了。
第四款：編輯器 Sublime3
如果你是小白的話，推薦從PyCharm開始上手，但是有時候寫一些輕量的小腳本，就會想到輕量級一點的工具。Sublime3很多地方都有了極大的提升，並且用起來比原來還要簡單，配合安裝Anaconda或CodeIntel插件，可以讓Sublime3擁有近乎IDE的體驗。
第五款：前端在線編輯器 CodeSandbox
雖然這個不算是真正意義上的Python開發工具，但如果後端工程師想要寫前端的話，這個在線編輯器太方便了，節省了後端工程師的生命。不用安裝npm的幾千個包了，它已經在雲端完成了，才讓你直接就可以上手寫代碼、看效果。對於React、Vue這些主流前端框架都支持。
第六款：Python Tutor
Python Tutor是一個免費教育工具，可幫助學生攻克編程學習中的基礎障礙，理解每一行源代碼在程序執行時在計算機中的過程。通過這個工具，教師或學生可以直接在web瀏覽器中編寫Python代碼，並逐步可視化地運行程序。
第七款：IPython
如何進行互動式編程?沒錯，就是通過IPython。IPython相對於Python自帶的shell要好用的多，並且能夠支持代碼縮進、TAB鍵補全代碼等功能。如果進行互動式編程，這是不可缺少的工具。
第八款：Jupyter Notebook
Jupyter Notebook就像一個草稿本，能將文本注釋、數學方程、代碼和可視化內容全部組合到一個易於共享的文檔中，以Web頁面的方式展示，它是數據分析、機器學習的必備工具。
第九款：Pycharm
Pycharm是程序員常常使用的開發工具，簡單、易用，並且能夠設置不同的主題模式，根據自己的喜好來設置代碼風格。
第十款：Python Tutor
這個工具可能對初學者比較有用，而對於中高級程序員則用處較少。這個工具的特色是能夠清楚的理解每一行代碼是如何在計算機中執行的，中高級程序員一般通過分步調試可以實現類似的功能。這個工具對於最初接觸Python、最初來學習編程的同學還是非常有用的，初學者可以體驗一下。
4. 用Python如何玩轉微信
itchat庫。安裝方法：打開cmd，輸入pip install inchat，確定即可。
可以去看官方的說明文檔。實現一些簡單功能還是很容易的。
5. 分享!5個好用的Python工具
1、 IDLE
IDLE直譯過來就是集成開發與學習環境的意思，一般安裝 Python 時也會默認安裝 IDLE。每個語言都可以有自己的IDLE。它讓Python的入門變得簡單，對於沒什麼基礎的人寫就對了。它的主要功能包括Python shell 窗口(互動式解釋器)、跨平台(Windows、Linux、UNIX、Mac OS X)、智能縮進、代碼著色、自動提示、可以實現斷點提示、單步執行等調試功能的基本集成調試器。
2、 Scikit-learn
scikit-learn是一個建立在Scipy基礎上的用於機器學習的Python模塊。其中scikit-learn是最有名的，是開源的，任何人都可以免費地使用這個庫或者進行二次開發。它是一個非常強大的工具，能為庫的開發提供高水平的支持和嚴格的管理。它也得到了很多第三方工具的支持，有豐富的功能適用於各種用例。
3、Theano
Theano是一個較老牌和穩定的機器學習python庫之一，雖然目前使用的人數有所下降。但它畢竟是一個祖師級的存在，一定有它的優點所在。Theano基於Python擅長處理多維數組，屬於比較底層的框架，theano起初也是為了深度學習中大規模人工神經網路演算法的運算所設計，我們可利用符號化式語言定義想要的結果，支持GPU加速，非常適合深度學習Python。
4、Selenium
Selenium 是自動化的最佳工具之一。它屬於 Python 測試的自動化。它在 Web 應用程序中用於自動化框架。支持多款主流瀏覽器，提供了功能豐富的API介面，常被用作爬蟲工具。使用它可以用許多編程語言編寫測試腳本，包括java、C#、python、ruby等。還可以集成 Junit 和 TestNG 等鈾工具來管理測試用例並生成報告。
5、Skulpt
Skulpt 是一個用 Javascript 實現的在線 Python 執行環境，完全依靠瀏覽器端模擬實現Python運行的工具。不需要任何預處理、插件或伺服器端支持，只需編寫python並重新載入即可。因為代碼完全是在瀏覽器中運行的，所以不用擔心伺服器崩潰的問題。
關於分享!5個好用的Python工具，環球青藤小編就和大家分享到這里了，學習是永無止境的，學習一項技能更是受益終身，所以，只要肯努力學，什麼時候開始都不晚。如果您還想繼續了解關於python編程的學習方法及素材等內容，可以點擊本站其他文章學習。
6. 八款常用的 Python GUI 開發框架推薦
作為Python開發者，你遲早都會用到圖形用戶界面來開發應用。本文將推薦一些 Python GUI 框架，希望對大家有所幫助。
Python 的 UI 開發工具包 Kivy
https://www.oschina.net/p/kivy
Kivy是一個開源工具包能夠讓使用相同源代碼創建的程序能跨平台運行。它主要關注創新型用戶界面開發，如：多點觸摸應用程序。Kivy還提供一個多點觸摸滑鼠模擬器。當前支持的平台包括：Linux、Windows、Mac OS X和Android。
Kivy擁有能夠處理動畫、緩存、手勢、繪圖等功能。它還內置許多用戶界面控制項如：按紐、攝影機、表格、Slider和樹形控制項等。
Python 的 GUI 開發工具 Flexx
https://www.oschina.net/p/flexx
Flexx 是一個純 Python 工具包，用來創建圖形化界面應用程序。其使用 Web 技術進行界面的渲染。你可以用 Flexx 來創建桌面應用，同時也可以導出一個應用到獨立的 HTML 文檔。因為使用純 Python 開發，所以 Flexx 是跨平台的。只需要有 Python 和瀏覽器就可以運行。如果是使用桌面模式運行，推薦使用 Firefox 。
Qt 庫的 Python 綁定 PyQt
https://www.oschina.net/p/pyqt
PyQt是Qt庫的Python版本。PyQt3支持Qt1到Qt3。 PyQt4支持Qt4。它的首次發布也是在1998年，但是當時它叫 PyKDE，因為開始的時候SIP和PyQt沒有分開。PyQt是用SIP寫的。PyQt 提供 GPL版和商業版。
Python圖形開發包 wxPython
https://www.oschina.net/p/wxpython
wxPython 是 Python 語言的一套優秀的 GUI 圖形庫，允許 Python 程序員很方便的創建完整的、功能鍵全的 GUI 用戶界面。 wxPython 是作為優秀的跨平台 GUI 庫 wxWidgets 的 Python 封裝和 Python 模塊的方式提供給用戶的。
就如同Python和wxWidgets一樣，wxPython也是一款開源軟體，並且具有非常優秀的跨平台能力，能夠運行在32位windows、絕大多數的Unix或類Unix系統、Macintosh OS X上。
Tk 圖形用戶界面 Tkinter
https://www.oschina.net/p/tkinter
Tkinter(也叫Tk介面)是Tk圖形用戶界面工具包標準的Python介面。Tk是一個輕量級的跨平台圖形用戶界面(GUI)開發工具。Tk和Tkinter可以運行在大多數的Unix平台、Windows、和Macintosh系統。
Tkinter 由一定數量的模塊組成。Tkinter位於一個名為_tkinter(較早的版本名為tkinter)的二進制模塊中 。Tkinter包含了對Tk的低 級介面模塊，低級介面並不會被應用級程序員直接使用，通常是一個共享庫(或DLL)，但是在一些情況下它也被Python解釋器靜態鏈接。
Pywin32
https://www.oschina.net/p/pywin32
Windows Pywin32允許你像VC一樣的形式來使用PYTHON開發win32應用。代碼風格可以類似win32 sdk，也可以類似MFC，由你選擇。如果你仍不放棄vc一樣的代碼過程在python下，那麼這就是一個不錯的選擇。
Python 圖形界面開發包 PyGTK
https://www.oschina.net/p/pygtk
PyGTK讓你用Python輕松創建具有圖形用戶界面的程序.底層的GTK+提供了各式的可視元素和功能,如果需要,你能開發在GNOME桌面系統運行的功能完整的軟體.
PyGTK真正具有跨平台性,它能不加修改地,穩定運行各種操作系統之上,如Linux,Windows,MacOS等.除了簡單易用和快速的原型開發能力外,PyGTK還有一流的處理本地化語言的獨特功能.
用python快速開發絢麗桌面程序 pyui4win
https://www.oschina.net/p/py-ui4win
pyui4win是一個開源的採用自繪技術的界面庫。支持C++和python。用它可以很容易實現QQ和360安全衛士這樣的絢麗界面。而且，pyui4win有所見即所得界面設計器，讓C++開發人員和python開發人員直接用設計工具設計界面，而不用關心界面如何生成和運行，可以顯著縮短界面開發時間。在pyui4win中，界面甚至可以完全交給美工去處理，開發人員可以只負責處理業務邏輯，把開發人員徹底從繁雜的界面處理中解放出來。
以上就是為大家分享的八款常用的python GUI開發框架推薦，希望能對你有幫助。更多python學習資料，可以關注「武漢千鋒」微信公眾號。
7. 現在三方包支持最好的python3是哪個版本
3.4
基本都是支持3.3+的，對3.2很多不支持了。
對於3.5，由於在windows上採用了vs2015編譯，運行時庫變化太大，mingw無法編譯對應的二進制擴展。所以很多二進制包對3.5支持比較差。
還有一個原因，3.4是最後一個支持WinXP的官方python3版本。
python35 變化較大，引入的很多新特性很多IDE並不支持
因此，由於Python的跨平台特性，因此兼容性最好的還是python3.4。Debian Jessie默認的Python 3就是這個版本。
8. 想用python建模，哪些包比較好用
1、 軟體推薦：python
常用的量化軟體有python、matlab、java、C++。從開發難度而言python和matlab都比較容易，java和C++麻煩一些。從運行速度而言，C++、java要快於matlab和python。不過對於大部分人而言，尤其是初學者，開發佔用的時間遠大於運行時間。如果追求運行速度的話，先將策略開發出來，再用C重寫也不遲。另外，從量化資源而言，python資源多於matlab，而且matlab是商業軟體，python是免費的。因此我推薦大家用python。
使用python的話，最好下載一個anaconda。這個軟體將常用的庫都集成好了，免去自己安裝的煩惱。下載地址：Download Anaconda Now!
python教程推薦這個網站：Table of Contents，只需要看第一部分就可以了。該教程不僅介紹了python,而且介紹了numpy,scipy,pandas,matplotlib等科學計算庫。
2、 數據源推薦：tushare
Tushare支持的數據很全面，相比wind個人版量化介面，tushare更友好。因此推薦tushare。下載地址：TuShare -財經數據介麵包
3、 量化框架：推薦使用量化平台
量化平台可以看成是一個已經搭建好的框架。用戶只需添加一些自己的買賣條件，即可回測策略，免去了自己從無到有搭建基礎框架的過程。
這里推薦一下咱們的京東平台。首先京東的數據和撮合機制還是很專業的，比如交易考慮到了漲停不能買、跌停不能賣的問題，另外京東在回測速度方面目前也具有優勢。
以上是做量化的一些基礎工具。另外根據策略類型的不同，也會用到一些其他工具。
9. python繪圖包哪個好
Matplotlib。
Matplotlib是著名Python的標配畫圖包，其繪圖函數的名字基本上與 Matlab 的繪圖函數差不多。 優點是曲線精緻，軟體開源免費，支持Latex公式插入，且許多時候只需要一行或幾行代碼就能搞定。
10. 我用了100行Python代碼，實現了與女神尬聊微信（附代碼）
朋友圈很多人都想學python，有一個很重要的原因是它非常適合入門。對於 人工智慧演算法 的開發，python有其他編程語言所沒有的獨特優勢， 代碼量少 ，開發者只需把精力集中在演算法研究上面。
本文介紹一個用python開發的，自動與美女尬聊的小軟體。以下都是滿滿的干貨，是我工作之餘時寫的，經過不斷優化，現在分享給大家。那現在就讓我們抓緊時間開始吧！
准備：
編程工具IDE：pycharm
python版本： 3.6.0
首先新建一個py文件，命名為：ai_chat.py
PS： 以下五步的代碼直接復制到單個py文件裡面就可以直接運行。為了讓讀者方便寫代碼，我把代碼都貼出來了，但是排版存在問題，我又把在pycharm的代碼排版給截圖出來。
第一步： 引入關鍵包
簡單介紹一下上面幾個包的作用： pickle 包 是用來對數據序列化存文件、反序列化讀取文件，是人類不可讀的，但是計算機去讀取時速度超快。（就是用記事本打開是亂碼）。 而 json包 是一種文本序列化，是人類可讀的，方便你對其進行修改（記事本打開，可以看到裡面所有內容，而且都認識。） gensim 包 是自然語言處理的其中一個python包，簡單容易使用，是入門NLP演算法必用的一個python包。 jieba包 是用來分詞，對於演算法大咖來說效果一般般，但是它的速度非常快，適合入門使用。
以上這些包，不是關鍵，學習的時候，可以先跳過。等理解整個程序流程後，可以一個一個包有針對性地去看文檔。
第二步：靜態配置
這里path指的是對話語料（訓練數據）存放的位置，model_path是模型存儲的路徑。
這里是個人編程的習慣，我習慣把一些配置，例如：文件路徑、模型存放路徑、模型參數統一放在一個類中。當然，實際項目開發的時候，是用config 文件存放，不會直接寫在代碼里，這里為了演示方便，就寫在一起，也方便運行。
第三步： 編寫一個類，實現導數據、模型訓練、對話預測一體化
首次運行的時候，會從靜態配置中讀取訓練數據的路徑，讀取數據，進行訓練，並把訓練好的模型存儲到指定的模型路徑。後續運行，是直接導入模型，就不用再次訓練了。
對於model類，我們一個一個來介紹。
initialize() 函數和 __init__() 函數 是對象初始化和實例化，其中包括基本參數的賦值、模型的導入、模型的訓練、模型的保存、最後返回用戶一個對象。
__train_model() 函數，對問題進行分詞，使用 gesim 實現詞袋模型，統計每個特徵的 tf-idf , 建立稀疏矩陣，進而建立索引。
__save_model() 函數 和 __load_model() 函數 是成對出現的，很多項目都會有這兩個函數，用於保存模型和導入模型。不同的是，本項目用的是文件存儲的方式，實際上線用的是資料庫
get_answer() 函數使用訓練好的模型，對問題進行分析，最終把預測的回答內容反饋給用戶。
第四步：寫三個工具類型的函數，作為讀寫文件。
其中，獲取對話材料，可以自主修改對話內容，作為機器的訓練的數據。我這里只是給了幾個簡單的對話語料，實際上線的項目，需要大量的語料來訓練，這樣對話內容才飽滿。
這三個工具函數，相對比較簡單一些。其中 get_data() 函數，裡面的數據是我自己編的，大家可以根據自己的習慣，添加自己的對話數據，這樣最終訓練的模型，對話方式會更貼近自己的說話方式。
第五步： 調用模型，進行對話預測
主函數main()， 就是你整個程序運行的起點，它控制著所有步驟。
運行結果：
程序後台運行結果：
如果有疑問想獲取源碼（ 其實代碼都在上面 ），可以後台私信我，回復：python智能對話。 我把源碼發你。最後，感謝大家的閱讀，祝大家工作生活愉快！