百科问答小站 logo   百科问答小站
问题

目前比较好用的python开发工具是哪一个？

回答
这个问题问得好！Python开发工具的选择确实是个让人眼花缭乱的话题，毕竟市面上好用的确实不少。要说“目前最好用”的，那得看你具体的需求和个人偏好了。不过，如果一定要挑几个目前最主流、用户群最广、功能最完善的来聊，我肯定会把以下几款放在最前面。

1. PyCharm (JetBrains出品，专业Python IDE的标杆)

要说Python开发，PyCharm绝对是绕不开的名字。它是由JetBrains这家以打造高质量IDE闻名的公司开发的，所以它的专业性毋庸置疑。

为什么好用？
智能代码助手: 这是PyCharm的灵魂。它能做到真正的“懂你”。在你敲代码的时候，它会实时检查你的语法错误、潜在的bug，并给出非常精准的建议。自动补全功能更是强大到离谱，你只需要输入几个字母，它就能猜到你想写什么，并且提供上下文相关的变量、函数、类名等，极大地提升了编码效率。
强大的调试器: 调试是开发中不可或缺的一环。PyCharm的调试器界面直观，功能强大，支持断点设置、单步执行、变量查看、表达式求值等等，能让你轻松定位和修复bug。
版本控制集成: PyCharm对Git等版本控制系统有非常好的支持，你可以在IDE内部完成代码的提交、拉取、合并、分支管理等操作，无需频繁切换到命令行。
Web开发框架支持: 如果你做Web开发，PyCharm对Django、Flask、Pyramid等主流框架的支持非常到位，有专门的代码提示、运行配置，甚至能帮你生成代码片段。
虚拟环境管理: 轻松创建和管理Python的虚拟环境（venv, conda），避免不同项目之间的库版本冲突。
数据库工具: 内置了数据库工具，可以连接多种数据库，直接在IDE里执行SQL查询、查看数据。
科学计算支持: 对于数据科学和机器学习领域的开发者，PyCharm也提供了非常友好的支持，比如对Jupyter Notebook的集成、对NumPy、Pandas、Matplotlib等库的优化。
高度可定制: 主题、快捷键、插件等都可以根据自己的喜好进行配置，打造最适合自己的工作环境。

需要注意什么？
资源占用: 作为一个功能齐全的IDE，PyCharm的资源占用相对较高，对电脑配置有一定要求，尤其是运行大型项目时。
学习曲线: 虽然易于上手，但要充分发挥其所有高级功能，需要一定的时间去学习和探索。
价格: PyCharm有免费的社区版（Community Edition）和付费的专业版（Professional Edition）。社区版已经足够强大，但一些Web开发、数据库工具等高级功能只在专业版提供。

2. VS Code (Visual Studio Code，轻量级但功能强大的代码编辑器)

VS Code是微软推出的一款免费、开源的代码编辑器，但它凭借其极强的扩展性和灵活性，已经演变成了一个功能堪比IDE的开发环境。

为什么好用？
轻量与速度: 相较于PyCharm，VS Code启动速度更快，占用资源更少，对于配置较低的电脑用户来说是个不错的选择。
极强的扩展性: 这是VS Code最大的魅力所在。通过安装各种插件，你可以将其打造成任何你想要的开发环境。
Python插件: 官方的Python插件提供了语法高亮、智能补全（基于Pylance）、Linting（代码风格检查）、Debugging（调试）、Jupyter Notebook支持等核心功能。
Linting和Formatting插件: 如ESLint、Prettier、Black、Flake8等，可以帮助你写出规范、高质量的代码。
版本控制插件: GitLens等插件极大地增强了Git的使用体验。
数据库插件: 可以连接和操作各种数据库。
远程开发插件: 配合Docker、SSH等，可以方便地在远程服务器或容器中进行开发。
用户体验: 界面简洁美观，易于导航，自定义选项也非常丰富。
跨平台: 支持Windows, macOS, Linux，在任何平台上都能获得一致的体验。
免费: 这是它吸引大量用户的关键因素之一。

需要注意什么？
“丐版”到“顶配”的转变: VS Code的强大很大程度上依赖于插件。你需要花时间去寻找和配置适合你的插件，否则它可能只是一个“好看的文本编辑器”。
智能程度: 虽然Pylance（VS Code默认的Python语言服务器）已经很强大，但在某些特定场景下，PyCharm在智能代码提示和重构方面的表现可能略胜一筹。
集成度: 很多功能（如数据库管理、Web框架的特定调试）可能需要安装额外的插件，不如PyCharm那样“开箱即用”。

3. Jupyter Notebook/Lab (交互式数据分析与机器学习的利器)

如果你主要从事数据科学、机器学习、数据分析等领域，那么Jupyter Notebook或其升级版JupyterLab绝对是你的首选。

为什么好用？
交互式执行: 以“单元格”为单位执行代码，可以实时看到结果，非常适合探索性数据分析、快速原型开发和实验。
代码与文档结合: 可以将代码、文字、图表、公式等混合在一个文档中，生成可读性极强的报告或教程。
丰富的可视化: 配合Matplotlib、Seaborn、Plotly等库，可以直接在Notebook中生成各种图表，直观地展示数据分析结果。
支持多种语言: 虽然以Python闻名，但Jupyter也支持R、Julia、Scala等多种语言内核。
JupyterLab的增强: JupyterLab在Notebook的基础上提供了更接近IDE的体验，比如文件浏览器、终端、代码编辑器、调试器等集成在一起，更加方便。

需要注意什么？
不适合大型项目开发: 对于大型、复杂的软件项目，Jupyter Notebook的组织性、可维护性不如传统的IDE。
版本控制问题: Notebook的`.ipynb`文件是JSON格式，直接用Git管理时，代码和输出内容的diff可能不太直观，容易出现冲突。
调试能力: 虽然JupyterLab集成了调试器，但相比PyCharm或VS Code的专业调试器，在复杂调试场景下可能略显不足。

4. Sublime Text (曾经的王者，依然有活力)

Sublime Text是一款非常流行的、轻量级的代码编辑器，以其速度、简洁和高度可定制性闻名。

为什么好用？
速度与响应: 启动速度极快，操作流畅，即使打开很大的文件也能保持不错的性能。
简洁的界面: 默认界面非常干净，干扰少，有助于集中注意力。
强大的编辑功能: 支持多重选择、代码折叠、命令面板（Command Palette）等，提高了编辑效率。
丰富的插件生态: 通过Package Control安装插件，可以实现代码补全、语法高亮、Linting、版本控制等功能，让它变得更加强大。

需要注意什么？
免费试用，但有购买提示: 官方版本是付费软件，虽然可以无限期试用，但会时不时弹出购买提示。
智能程度: 相比PyCharm或VS Code，其原生代码智能提示和重构能力相对较弱，需要依赖插件，并且配置起来可能比VS Code复杂一些。
集成度: 想要获得接近IDE的体验，需要花费更多精力去安装和配置各种插件，并且其集成度不如VS Code或PyCharm。

总结一下，如何选择？

追求极致的Python开发体验，不差硬件和一点费用： PyCharm Professional 是你的不二之选。它的智能程度、集成度和对各种开发场景的支持是其他工具难以比拟的。
想要一个免费、轻量、高度可定制的工具，并且愿意花时间去配置： VS Code 是非常棒的选择。它的插件生态是它的核心竞争力，可以满足几乎所有Python开发的需求。
主要从事数据科学、机器学习、数据分析，需要交互式探索和可视化： Jupyter Notebook/Lab 是必不可少的。
如果你非常喜欢简洁、快速的编辑器，且不追求过于复杂的IDE功能： Sublime Text 依然是个不错的备选，但要注意它的插件配置和与VS Code的对比。

我的个人看法（不代表绝对真理）：

如果让我现在推荐一个“主力”工具，我会更倾向于VS Code。原因有几点：
1. 免费且开源，门槛低。
2. 性能平衡，大部分情况下比PyCharm流畅。
3. 生态系统极其活跃，无论是Python还是其他语言，都能找到高质量的插件。
4. 可以无缝切换到Web开发、前端开发等其他领域，学习成本低，通用性强。

但是，对于那些需要深度、复杂Python项目开发，特别是Web后端开发（如Django/Flask），或者对代码重构、智能提示有极致要求的开发者，PyCharm Professional 的强大依然是无可替代的。

最终的选择，还是取决于你自己的工作内容、电脑配置、以及你愿意投入多少时间和精力去学习和配置。不妨都试一试，看看哪个最顺手，哪个最能帮你把代码写得更快、更好。

网友意见

user avatar

PDM 是一个新的 Python 的包管理器，也许你还未知晓它的存在，但实际上PDM 已经诞生两年，并在 2021 年发布 1.0 版本，目前最高的版本是 1.12.8。

在刚听到 PDM 时，我下意识认为它是 Python Development Manager，又一个和 Pipenv 和 Poetry 一样换汤不换药的虚拟环境管理工具。

一直到我翻到了作者的博客，才知道 PDM 的全称是 Python Development Master，比我想像的还要牛逼一个档次。

值得一提的是，PDM 的作者是 PyPa 成员、Pipenv 目前主要的维护者之一，最重要的是，他是中国人，因此这是一款国人开发的工具。

# 1. Why PDM？

早期的包管理器（如 Pipevn，Poetry），都是基于虚拟环境的，虚拟环境主要是为了隔离项目开发环境，但如果涉及到虚拟 环境嵌套虚拟环境，问题就难搞了，经常会出现问题。

PDM 得益于一个 2018 年的 PEP 提案（PEP582，Python local packages directory），完全摒弃了虚拟环境。

从作者的博客上来看，当初之所以要重复造个轮子，完全是因为 Pipenv 和 Poetry 都不够好用，正好有 PEP582 ，可以开发一个划时代的 Python 包管理工具，它就是 PDM 。

PDM 包含如下特性：

  • PEP 582 本地项目库目录，支持安装与运行命令，完全不需要虚拟环境。
  • 一个简单且相对快速的依赖解析器，特别是对于大的二进制包发布。
  • 兼容 PEP 517 的构建后端，用于构建发布包(源码格式与 wheel 格式)
  • 拥有灵活且强大的插件系统（有插件系统直接就拉开一个档次）
  • PEP 621 元数据格式
  • 像 pnpm 一样的中心化安装缓存，节省磁盘空间

尽管 PDM 是国人开发，但考虑到国际化，官网文档是全英文的。

我花了整整一天，通读完文档，消化了 70% 的 PDM 用法，现将心得整理分享出来，会对你上手 PDM 有帮助。

关于 PDM，内容挺多的，打算分两部分文章来完整地介绍它：

  • 面向新手的入门级教程
  • 面向骨灰级选手的教程

本篇是第一篇，先让大家对 pdm 的基本用法有一个框架性的理解，而 pdm 真正竞争力请持续关注后续文章。

# 2. 安装 PDM

PDM 的安装方法有很多种，在官网上就有 6 种，比如 pip、pipx、homebrew 等

在以前的文章中，我推荐过 pipx 工具，在安装那种命令行应用的包时非常好用。

详情：使用 pipx 工具安装命令行工具

而此时 PDM 就是一个命令行工具，因此我也推荐使用 pipx 安装，方便统一对命令行进行管理

执行 pipx install pdm 即可安装

PDM 只有 Python 3.7+ 的版本才能使用，使用其他的方法安装，要先保证你的 Python 版本，但使用 pipx 则不需要你去操心。

# 3. 初始化 PDM

执行 pdm init 就会开始初始化，初始化的时候，会让你选择项目的一些信息

  • 是否要上传 PyPI
  • 依赖的 Python 版本
  • License 类型
  • 作者信息
  • 邮箱信息

我机器上有 Python 2.7 和 Python 3.10 两个版本，在初始化项目时会把机器上的所有 Python 版本都扫描出来了，会让选择项目的 Python 版本。

完成之后，PDM 会将你的选择以 toml 格式写入 pyproject.toml 配置文件中。

# 4. PDM 用法

pdm 有非常多的命令，使用 -h 可以看到帮助菜单

4.1 安装包

和 Poetry 一样，安装使用的是 add 命令，但 pdm 的 add 比 poetry 好用，主要体现在分组，具体请关注后续文章

4.2 查看包

使用 pdm list 可以以列表形式列出当前环境已安装的包

再加个 --graph 就能以树状形式查看，直接依赖包和间接依赖包关系的层级一目了然

pdm list 还有两个选项：

  • --freeze：以 requirements.txt 的格式列出已安装的包
  • --json：以 json 的格式列出已安装的包，但必须与 --graph 同时使用

要查看某个包的某体详情，直接用 pdm show 即可

4.3 删除包

删除包使用的是 remove 命令

4.4 项目配置

不加任何参数，可以打印出该项目的环境配置

想要修改的话，只要加 key 和 value 做为参数即可，以修改 pypi 镜像代理为例

原来上面是豆瓣源，现在我要改成阿里源，只需要执行如下命令，可比 poetry 方便多啦～

pdm config 里面有非常多的配置，想要一一搞清楚的可以去官网查阅：pdm.fming.dev/configura

4.5 运行命令

想要在 pdm 的环境中执行命令或者项目，可以使用 run 命令，若是执行项目时，有诸多参数，可以在 pyproject.toml 配置命令别名，具体用法，请往后看

4.6 查看环境

使用 info 命令，可以查看当前项目的环境信息

4.7 更新包

更新的话，简单的场景下，使用下面这两条即可

       # 更新所有包 pdm update   # 更新某个包 pdm update <pkg>

复杂的场景，pdm 也都为你考虑到了，它提供了很多选项，可以根据需要使用（以下如有解释错误，请帮忙指正）

  • --save-compatible：项目依赖可兼容的版本
  • --save-wildcard：保存通配符版本（暂不明白）
  • --save-exact：保存有指定确切版本的包
  • --save-minimum：保持最小版本的包
  • --update-reuse：尽量只更新命令行中指定的包，其依赖包能不更新则不更新
  • --update-eager：更新某个包顺带更新其依赖包（递归升级）
  • --prerelease：允许使用预发布版本
  • --unconstrained：忽略包版本的约束，可将包升级至最新版本
  • --top：仅更新有在 pyproject.toml 的包
  • --dry-run：试运行，而不去修改 lock 文件
  • --no-sync：只更新 lock 文件，但不更新包

如果你的依赖包有设置分组，还可以指定分组进行更新

       pdm update -G security -G http

也可以指定分组更新分组里的某个包

       pdm update -G security cryptography

再加个 -d 就可以再指定 dev 依赖

       # 更新所有的 dev 依赖 pdm update -d  # 更新 dev 依赖下某个分组的某个包 pdm update -dG test pytest

同样地，也可以指定 --prod 或者 --production 升级非 dev （即生产）的包。

4.8 切换 py

当你在初始化 pdm 项目时，就已经选定了当前的 Python 版本和可用的 Python 版本范围，后面如果想更改，可以使用 use 命令，但版本要受之前设定的版本范围约束。

假设允许范围是 python 3.9+，当前使用的是 python 3.10，可以直接切换过去。

       pdm use python3.9

# 5. 命令别名

在 pyproject.toml 添加 [tool.pdm.scripts] 可以设置快捷命令别名，若项目的执行有非常多的参数，这种设定别名的方法将很有用。

[tool.pdm.scripts] 有两种形式

       # 第一种 [tool.pdm.scripts] start = "python main.py"  # 第一种 [tool.pdm.scripts] start = {cmd = "python main.py"}

但若想在参数中加注释，就必须得使用第二种方法，例如这样

       [tool.pdm.scripts] start = {cmd = [     "flask",     "run",     # Important comment here about always using port 54321     "-p", "54321" ]}

除了 cmd 之外，还有两个参数

一个是 shell 参数，从输出来看你应该和看出和 cmd 的区别，和 subprocess.Popen() with shell=True 差不多一个意思

一个是 env_file 参数，可以指定配置环境变量的文件

       [tool.pdm.scripts] start.cmd = "flask run -p 54321" start.env_file = ".env"

如果想要把这个环境变量的文件不仅限于某个命令，而是 pdm run 全局，可以这样配置

       [tool.pdm.scripts] _.env_file = ".env"

加 --list 或者 -l可以查看所有设置的快捷别名

对于每一个快捷命令，都可以设置 pre 和 post 命令：

  • pre 命令：在每次快捷命令执行前会执行
  • post 命令：在每次快捷命令执行后会执行
       [tool.pdm.scripts] pre_compress = "{{ Run BEFORE the `compress` script }}" compress = "tar czvf compressed.tar.gz data/" post_compress = "{{ Run AFTER the `compress` script }}"

# 6. 自动补全

pdm 的命令虽多，但并不复杂，并不太需要使用自动补全，若你真的需要补全，也可以实现。

对于不同的 shell，自动补全的配置方式都不太一样，这个在官网上有详细的说明。

如果你和我一样使用的 zsh，可以参照我的配置方式。

截图中间有一步是 vim ~/.zshrc ，是将 pdm 插件配置到 zsh 中

       plugins=(git z macos extract zsh-syntax-highlighting zsh-autosuggestions pdm)

# 7. 方案兼容

其他方案迁移到 pdm

pdm 足够好用，也足够开放，如果你当前使用的是其他的包管理器，比如 pipenv ，poetry，或者还在用最原始的 requirements.txt ，你也可以很方便的迁移到 pdm 中来：

  • 使用 pdm import -f {file} 无需初始化，直接转换
  • 执行 pdm init 或者 pdm install 的时候，会自动识别你当前的依赖情况并转换

pdm 迁移到其他方案

同样的，你也可以当 pdm 管理的项目，导出为其他方案

pyproject.toml 和 pdm.lock是 pdm 的两个核心文件。

pdm 做为一个后起之秀，也没有忘本，它支持：

  • 将 pyproject.toml 转成 setup.py
    pdm export -f setuppy -o setup.py
  • 将 pdm.lock 转成 requirements.txt
    pdm export -o requirements.txt

# 8. 总结一下

花了很大的力气，终于把 PDM 的基本用法给介绍完毕，相信一定会有人会提出质疑：这就是你所谓的 划时代的包管理器 ？

实际上，上面仅仅是入门操作，而 PDM 的一些核心知识，考虑到篇幅有限，我将这些进阶类的内容安排在后续文章，它将包括但不仅限于：

  • PDM 的原理剖析：PEP 582 提案
  • 发布包的构建：PEP 517 提案
  • Hook 脚本的定义与使用
  • 插件管理系统与自定义插件
  • 缓存管理系统的介绍

这些内容是 PDM 的核心，只有理解了这些，你才能真正用好 PDM，到那时你会感慨：为什么 Guido 还不把这样的工具收编成标准的包管理工具？

关于 PDM 后续进阶文章，请关注我的个人公众号《写点代码的明哥》

我会在那里持续更新关于 PDM 的进阶用法



关于包和虚拟环境管理工具，很多工具我都写过专门的文章介绍过



感兴趣想系统学习的，可以访问这个链接：python.iswbm.com/


最后做个小调查

你平时使用什么包管理工具？

1、requirements.txt

2、virtualenv

3、pipenv

4、poetry

5、venv

6、其他


有了PDM，你还会使用这些工具吗？

1、会

2、不会

3、再了解一下


欢迎你在评论区分享一下

类似的话题

本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等

© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有

服务条款
联系我们
关于我们
隐私政策
友情链接
知乎
百度问答
搜狐
新浪