1. python ide哪个好用
第一款：Eric6
Eric6是一个用Python编写的Python IDE，虽然它使用Qt5UI框架提供一个比IDLE复杂很多的UI。但是它的入门需要一些组件，因为Eric6不像传统的本地平台程序一样应用。它本质上是一个大的Python包和几个重量级依赖，例如Qt5的Python绑定。结果是：Eric6入门需要对Python包管理的理解，因此它不太可能会吸引初学者用户。从这方面而言，安装程序脚本会提供反馈，以便您知道哪些包需要提取和安装以完成设置过程。
Eric6有着设备齐全的显着特点。它包含现代的IDE，如类浏览、版本控制等通常的实用工具，但它也集成了对Python专用功能如unittest、PyLint和cx_freeze应用程序分发系统的支持。在Eric6创建的新项目，也可以建成PyQT4中/5GUI和控制台应用程序，因为底层库已安装，但额外的开发工具，如Qt的窗体设计器不包括在默认设置之内。
第二款：Wing IDE
作为Python程序员的智能开发环境，WingIDE强调专门为Python用户设计的功能集成。这不仅仅是跨代码库的重构功能或使用多个Python解释器。它还包括与许多流行的Python框架、包和第三方应用程序的详细集成。RaspberryPi用户也可以使用Wing IDE进行开发。不仅如此，Wing IDE是一个Python初学者非常好上手的工具。
第三款：Pyzo
Pyzo是一个小IDE，主要针对科学计算的用户，有一个小工具集：编辑器、交互式shell、文件浏览器、源结构浏览器和一些其他的设施。它主要用于与库的快速交互，您可以在Python的REPL中键入命令或执行单个文件，而不是正式的应用程序开发。在这个意义上，它不太适合那些想要创建应用程序，更适合那些想要使用Python作为工作台环境的人。
第四款：Thonny
Thonny，一个专门为初学者使用该语言设计的小型的IDE，是一个更加简单的选择。在Windows、Mac或Linux上可用，它还可以节省用户下载或配置的Python解释器。Python的最新版本与Thonny捆绑在一起，IDE默认开箱可用。也就是说，你可以随时交换任何其他Pythonruntime。
第五款：NINJA-IDE
作为一个独立的项目，NINJA-IDE可以像专业级开发工具，如ActiveState"s Komodo
IDE或PyCharm，不仅在开发人员的经验，而且它的功能集是由Python用户构建和为了Python用户构建的。例如，NINJA-IDE的首选项对话框有一个标签，用于选择在运行程序时使用的Python解释器，以及用户启动或设置解释器使用的所有各种命令行选项的复选框，这是非常方便地。IDE中的另一个选项卡默认显示为Migration2to3，它可以分析为Python2.X编写的脚本并提出建议。
第六款：VisualStudio Code
微软的简单和精益的代码编辑器从其支持不同语言的扩展的瀚海星系中获得力量。Python开发人员有一堆VisualStudioCode扩展，但最流行，最容易，最重要的是DonJayamanne的扩展。它与每一个最新版本的Python保持同步，它集成了所有你想要的好东西的支持：代码片段、代码静态分析、自动完成与科学工具集成，如Jupyter、重构、单元测试、调试以及更多更多。
2. 最受欢迎的 15 大 Python 库有哪些
1、Pandas：是一个Python包，旨在通过“标记”和“关系”数据进行工作，简单直观。它设计用于快速简单的数据操作、聚合和可视化，是数据整理的完美工具。
2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。
3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。
4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。
5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。
6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。
7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。
8、Scikits：是Scikits
Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。
9、Theano：是一个Python软件包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。此库是被编译的，可实现在所有架构上的高效运行。
10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。
11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。
12、NLTK：主要用于符号学和统计学自然语言处理(NLP) 的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。
13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。
3. 有哪些值得推荐的 Python 开发工具
第一款：最强终端 Upterm
它是一个全平台的终端，可以说是终端里的IDE，有着强大的自动补全功能，之前的名字叫做：BlackWindow。有人跟他说这个名字不利于社区推广，改名叫Upterm之后现在已经17000+Star了。
第二款：交互式解释器 PtPython
一个交互式的Python解释器，支持语法高亮、提示，甚至是VIM和emacs的键入模式。
第三款：包管理必备 Anaconda
强烈推荐：Anaconda。它能帮你安装许多麻烦的东西，包括：Python环境、pip包管理工具、常用的库、配置好环境路径等等。这些小事情小白自己一个个去做的话，容易遇到各种问题，也容易造成挫败感。如果你想用Python搞数据方面的事情，安装它就可以了，它甚至开发了一套JIT的解释器Numba。所以Anaconda有了JIT之后，对线上科学计算效率要求比较高的东西也可以搞定了。
第四款：编辑器 Sublime3
如果你是小白的话，推荐从PyCharm开始上手，但是有时候写一些轻量的小脚本，就会想到轻量级一点的工具。Sublime3很多地方都有了极大的提升，并且用起来比原来还要简单，配合安装Anaconda或CodeIntel插件，可以让Sublime3拥有近乎IDE的体验。
第五款：前端在线编辑器 CodeSandbox
虽然这个不算是真正意义上的Python开发工具，但如果后端工程师想要写前端的话，这个在线编辑器太方便了，节省了后端工程师的生命。不用安装npm的几千个包了，它已经在云端完成了，才让你直接就可以上手写代码、看效果。对于React、Vue这些主流前端框架都支持。
第六款：Python Tutor
Python Tutor是一个免费教育工具，可帮助学生攻克编程学习中的基础障碍，理解每一行源代码在程序执行时在计算机中的过程。通过这个工具，教师或学生可以直接在web浏览器中编写Python代码，并逐步可视化地运行程序。
第七款：IPython
如何进行交互式编程?没错，就是通过IPython。IPython相对于Python自带的shell要好用的多，并且能够支持代码缩进、TAB键补全代码等功能。如果进行交互式编程，这是不可缺少的工具。
第八款：Jupyter Notebook
Jupyter Notebook就像一个草稿本，能将文本注释、数学方程、代码和可视化内容全部组合到一个易于共享的文档中，以Web页面的方式展示，它是数据分析、机器学习的必备工具。
第九款：Pycharm
Pycharm是程序员常常使用的开发工具，简单、易用，并且能够设置不同的主题模式，根据自己的喜好来设置代码风格。
第十款：Python Tutor
这个工具可能对初学者比较有用，而对于中高级程序员则用处较少。这个工具的特色是能够清楚的理解每一行代码是如何在计算机中执行的，中高级程序员一般通过分步调试可以实现类似的功能。这个工具对于最初接触Python、最初来学习编程的同学还是非常有用的，初学者可以体验一下。
4. 用Python如何玩转微信
itchat库。安装方法：打开cmd，输入pip install inchat，确定即可。
可以去看官方的说明文档。实现一些简单功能还是很容易的。
5. 分享!5个好用的Python工具
1、 IDLE
IDLE直译过来就是集成开发与学习环境的意思，一般安装 Python 时也会默认安装 IDLE。每个语言都可以有自己的IDLE。它让Python的入门变得简单，对于没什么基础的人写就对了。它的主要功能包括Python shell 窗口(交互式解释器)、跨平台(Windows、Linux、UNIX、Mac OS X)、智能缩进、代码着色、自动提示、可以实现断点提示、单步执行等调试功能的基本集成调试器。
2、 Scikit-learn
scikit-learn是一个建立在Scipy基础上的用于机器学习的Python模块。其中scikit-learn是最有名的，是开源的，任何人都可以免费地使用这个库或者进行二次开发。它是一个非常强大的工具，能为库的开发提供高水平的支持和严格的管理。它也得到了很多第三方工具的支持，有丰富的功能适用于各种用例。
3、Theano
Theano是一个较老牌和稳定的机器学习python库之一，虽然目前使用的人数有所下降。但它毕竟是一个祖师级的存在，一定有它的优点所在。Theano基于Python擅长处理多维数组，属于比较底层的框架，theano起初也是为了深度学习中大规模人工神经网络算法的运算所设计，我们可利用符号化式语言定义想要的结果，支持GPU加速，非常适合深度学习Python。
4、Selenium
Selenium 是自动化的最佳工具之一。它属于 Python 测试的自动化。它在 Web 应用程序中用于自动化框架。支持多款主流浏览器，提供了功能丰富的API接口，常被用作爬虫工具。使用它可以用许多编程语言编写测试脚本，包括java、C#、python、ruby等。还可以集成 Junit 和 TestNG 等铀工具来管理测试用例并生成报告。
5、Skulpt
Skulpt 是一个用 Javascript 实现的在线 Python 执行环境，完全依靠浏览器端模拟实现Python运行的工具。不需要任何预处理、插件或服务器端支持，只需编写python并重新载入即可。因为代码完全是在浏览器中运行的，所以不用担心服务器崩溃的问题。
关于分享!5个好用的Python工具，环球青藤小编就和大家分享到这里了，学习是永无止境的，学习一项技能更是受益终身，所以，只要肯努力学，什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容，可以点击本站其他文章学习。
6. 八款常用的 Python GUI 开发框架推荐
作为Python开发者，你迟早都会用到图形用户界面来开发应用。本文将推荐一些 Python GUI 框架，希望对大家有所帮助。
Python 的 UI 开发工具包 Kivy
https://www.oschina.net/p/kivy
Kivy是一个开源工具包能够让使用相同源代码创建的程序能跨平台运行。它主要关注创新型用户界面开发，如：多点触摸应用程序。Kivy还提供一个多点触摸鼠标模拟器。当前支持的平台包括：Linux、Windows、Mac OS X和Android。
Kivy拥有能够处理动画、缓存、手势、绘图等功能。它还内置许多用户界面控件如：按纽、摄影机、表格、Slider和树形控件等。
Python 的 GUI 开发工具 Flexx
https://www.oschina.net/p/flexx
Flexx 是一个纯 Python 工具包，用来创建图形化界面应用程序。其使用 Web 技术进行界面的渲染。你可以用 Flexx 来创建桌面应用，同时也可以导出一个应用到独立的 HTML 文档。因为使用纯 Python 开发，所以 Flexx 是跨平台的。只需要有 Python 和浏览器就可以运行。如果是使用桌面模式运行，推荐使用 Firefox 。
Qt 库的 Python 绑定 PyQt
https://www.oschina.net/p/pyqt
PyQt是Qt库的Python版本。PyQt3支持Qt1到Qt3。 PyQt4支持Qt4。它的首次发布也是在1998年，但是当时它叫 PyKDE，因为开始的时候SIP和PyQt没有分开。PyQt是用SIP写的。PyQt 提供 GPL版和商业版。
Python图形开发包 wxPython
https://www.oschina.net/p/wxpython
wxPython 是 Python 语言的一套优秀的 GUI 图形库，允许 Python 程序员很方便的创建完整的、功能键全的 GUI 用户界面。 wxPython 是作为优秀的跨平台 GUI 库 wxWidgets 的 Python 封装和 Python 模块的方式提供给用户的。
就如同Python和wxWidgets一样，wxPython也是一款开源软件，并且具有非常优秀的跨平台能力，能够运行在32位windows、绝大多数的Unix或类Unix系统、Macintosh OS X上。
Tk 图形用户界面 Tkinter
https://www.oschina.net/p/tkinter
Tkinter(也叫Tk接口)是Tk图形用户界面工具包标准的Python接口。Tk是一个轻量级的跨平台图形用户界面(GUI)开发工具。Tk和Tkinter可以运行在大多数的Unix平台、Windows、和Macintosh系统。
Tkinter 由一定数量的模块组成。Tkinter位于一个名为_tkinter(较早的版本名为tkinter)的二进制模块中 。Tkinter包含了对Tk的低 级接口模块，低级接口并不会被应用级程序员直接使用，通常是一个共享库(或DLL)，但是在一些情况下它也被Python解释器静态链接。
Pywin32
https://www.oschina.net/p/pywin32
Windows Pywin32允许你像VC一样的形式来使用PYTHON开发win32应用。代码风格可以类似win32 sdk，也可以类似MFC，由你选择。如果你仍不放弃vc一样的代码过程在python下，那么这就是一个不错的选择。
Python 图形界面开发包 PyGTK
https://www.oschina.net/p/pygtk
PyGTK让你用Python轻松创建具有图形用户界面的程序.底层的GTK+提供了各式的可视元素和功能,如果需要,你能开发在GNOME桌面系统运行的功能完整的软件.
PyGTK真正具有跨平台性,它能不加修改地,稳定运行各种操作系统之上,如Linux,Windows,MacOS等.除了简单易用和快速的原型开发能力外,PyGTK还有一流的处理本地化语言的独特功能.
用python快速开发绚丽桌面程序 pyui4win
https://www.oschina.net/p/py-ui4win
pyui4win是一个开源的采用自绘技术的界面库。支持C++和python。用它可以很容易实现QQ和360安全卫士这样的绚丽界面。而且，pyui4win有所见即所得界面设计器，让C++开发人员和python开发人员直接用设计工具设计界面，而不用关心界面如何生成和运行，可以显着缩短界面开发时间。在pyui4win中，界面甚至可以完全交给美工去处理，开发人员可以只负责处理业务逻辑，把开发人员彻底从繁杂的界面处理中解放出来。
以上就是为大家分享的八款常用的python GUI开发框架推荐，希望能对你有帮助。更多python学习资料，可以关注“武汉千锋”微信公众号。
7. 现在三方包支持最好的python3是哪个版本
3.4
基本都是支持3.3+的，对3.2很多不支持了。
对于3.5，由于在windows上采用了vs2015编译，运行时库变化太大，mingw无法编译对应的二进制扩展。所以很多二进制包对3.5支持比较差。
还有一个原因，3.4是最后一个支持WinXP的官方python3版本。
python35 变化较大，引入的很多新特性很多IDE并不支持
因此，由于Python的跨平台特性，因此兼容性最好的还是python3.4。Debian Jessie默认的Python 3就是这个版本。
8. 想用python建模，哪些包比较好用
1、 软件推荐：python
常用的量化软件有python、matlab、java、C++。从开发难度而言python和matlab都比较容易，java和C++麻烦一些。从运行速度而言，C++、java要快于matlab和python。不过对于大部分人而言，尤其是初学者，开发占用的时间远大于运行时间。如果追求运行速度的话，先将策略开发出来，再用C重写也不迟。另外，从量化资源而言，python资源多于matlab，而且matlab是商业软件，python是免费的。因此我推荐大家用python。
使用python的话，最好下载一个anaconda。这个软件将常用的库都集成好了，免去自己安装的烦恼。下载地址：Download Anaconda Now!
python教程推荐这个网站：Table of Contents，只需要看第一部分就可以了。该教程不仅介绍了python,而且介绍了numpy,scipy,pandas,matplotlib等科学计算库。
2、 数据源推荐：tushare
Tushare支持的数据很全面，相比wind个人版量化接口，tushare更友好。因此推荐tushare。下载地址：TuShare -财经数据接口包
3、 量化框架：推荐使用量化平台
量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可回测策略，免去了自己从无到有搭建基础框架的过程。
这里推荐一下咱们的京东平台。首先京东的数据和撮合机制还是很专业的，比如交易考虑到了涨停不能买、跌停不能卖的问题，另外京东在回测速度方面目前也具有优势。
以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他工具。
9. python绘图包哪个好
Matplotlib。
Matplotlib是着名Python的标配画图包，其绘图函数的名字基本上与 Matlab 的绘图函数差不多。 优点是曲线精致，软件开源免费，支持Latex公式插入，且许多时候只需要一行或几行代码就能搞定。
10. 我用了100行Python代码，实现了与女神尬聊微信（附代码）
朋友圈很多人都想学python，有一个很重要的原因是它非常适合入门。对于 人工智能算法 的开发，python有其他编程语言所没有的独特优势， 代码量少 ，开发者只需把精力集中在算法研究上面。
本文介绍一个用python开发的，自动与美女尬聊的小软件。以下都是满满的干货，是我工作之余时写的，经过不断优化，现在分享给大家。那现在就让我们抓紧时间开始吧！
准备：
编程工具IDE：pycharm
python版本： 3.6.0
首先新建一个py文件，命名为：ai_chat.py
PS： 以下五步的代码直接复制到单个py文件里面就可以直接运行。为了让读者方便写代码，我把代码都贴出来了，但是排版存在问题，我又把在pycharm的代码排版给截图出来。
第一步： 引入关键包
简单介绍一下上面几个包的作用： pickle 包 是用来对数据序列化存文件、反序列化读取文件，是人类不可读的，但是计算机去读取时速度超快。（就是用记事本打开是乱码）。 而 json包 是一种文本序列化，是人类可读的，方便你对其进行修改（记事本打开，可以看到里面所有内容，而且都认识。） gensim 包 是自然语言处理的其中一个python包，简单容易使用，是入门NLP算法必用的一个python包。 jieba包 是用来分词，对于算法大咖来说效果一般般，但是它的速度非常快，适合入门使用。
以上这些包，不是关键，学习的时候，可以先跳过。等理解整个程序流程后，可以一个一个包有针对性地去看文档。
第二步：静态配置
这里path指的是对话语料（训练数据）存放的位置，model_path是模型存储的路径。
这里是个人编程的习惯，我习惯把一些配置，例如：文件路径、模型存放路径、模型参数统一放在一个类中。当然，实际项目开发的时候，是用config 文件存放，不会直接写在代码里，这里为了演示方便，就写在一起，也方便运行。
第三步： 编写一个类，实现导数据、模型训练、对话预测一体化
首次运行的时候，会从静态配置中读取训练数据的路径，读取数据，进行训练，并把训练好的模型存储到指定的模型路径。后续运行，是直接导入模型，就不用再次训练了。
对于model类，我们一个一个来介绍。
initialize() 函数和 __init__() 函数 是对象初始化和实例化，其中包括基本参数的赋值、模型的导入、模型的训练、模型的保存、最后返回用户一个对象。
__train_model() 函数，对问题进行分词，使用 gesim 实现词袋模型，统计每个特征的 tf-idf , 建立稀疏矩阵，进而建立索引。
__save_model() 函数 和 __load_model() 函数 是成对出现的，很多项目都会有这两个函数，用于保存模型和导入模型。不同的是，本项目用的是文件存储的方式，实际上线用的是数据库
get_answer() 函数使用训练好的模型，对问题进行分析，最终把预测的回答内容反馈给用户。
第四步：写三个工具类型的函数，作为读写文件。
其中，获取对话材料，可以自主修改对话内容，作为机器的训练的数据。我这里只是给了几个简单的对话语料，实际上线的项目，需要大量的语料来训练，这样对话内容才饱满。
这三个工具函数，相对比较简单一些。其中 get_data() 函数，里面的数据是我自己编的，大家可以根据自己的习惯，添加自己的对话数据，这样最终训练的模型，对话方式会更贴近自己的说话方式。
第五步： 调用模型，进行对话预测
主函数main()， 就是你整个程序运行的起点，它控制着所有步骤。
运行结果：
程序后台运行结果：
如果有疑问想获取源码（ 其实代码都在上面 ），可以后台私信我，回复：python智能对话。 我把源码发你。最后，感谢大家的阅读，祝大家工作生活愉快！