Top IDEs & Code Editors for Data Science

Transcript

1. Top IDEs & Code Editors for Data Science 蘇民弦 (Alex)
2. • 不同的學習曲線 • 不同的應用情境 • 不同的核心理念 選擇適合的 IDEs & Code Editors
3. Vim (Vi improved ) • 1976 年開發出 Vi，1991 年發布第 一個 Vim 版本 • Linux 預設編輯器 • 可遠端藉由終端機操作 • 學習曲線非常陡峭 • 需自己撰寫配置文件 (.vimrc)
4. Vim 家族 • NeoVim - 新一代的 Vim • gVim - 具有 GUI 視窗 • MacVim - 與 Mac 相容 • SpaceVim - 社群終極配置版
5. Emacs • 最早在 1975 年發布 • 功能非常強大，可以收信、當記事本、 寫備忘錄 • 編輯器大戰的主角之一，對手是 Vim • 需自己撰寫配置檔案，使用 LISP 語言 • 社群終極版：Spacemacs
6. Sublime Text • 2008 年發布第一個版本 • 輕量、開啟速度快 • 具有套件管理器，不需要 辛苦寫配置文件
7. Atom • 由 GitHub 開發 • 跨平台 • 內建 Git 版本控制 • 豐富的外掛程式與主題
8. Oni • 基於 NeoVim，以 Vim 的 方式操作 • 跨平台 • 可與 Vim 配置相容
9. Visual Studio • 由 Microsoft 開發 • 執行於 Windows 平台 • 可執行多種程式語言，功 能強大完整 • 超級肥大，開啟速度很慢
10. Visual Studio Code (VSCode) • 社群龐大，更新快速 • 跨平台使用 • 豐富的擴充插件 • 提供 debug 模式 • 推薦！！
11. RStudio • 由 RStudio 團隊維護 • 學習曲線平緩，對初學者 友善 • 專為 R 語言開發的 IDE ◦ 整合 R 套件 ◦ 整合資料科學工具
12. PyCharm • 由 JetBrains 公司開發 • 專為 Python 開發的 IDE • 功能完整，但很肥大 • 適合軟體開發 • 有免費版與付費版
13. Spyder • 專為Python資料科學設計 • 介面類似 MatLab • 適合從 R 語言轉為學習 Python 的初學者
14. • 專為Python資料科學設計 • 介面類似 MatLab • 適合從 R 語言轉為學習 Python 的初學者 • Spyder 的精緻版 Rodeo
15. Juno • 專為 Julia 語言設計 • 基於 Atom IDE
16. JupyterLab • 適合資料科學使用 • 可以執行程式的筆記本， 結果也可以儲存起來 • 可執行 R, Python, Julia 等 資料科學語言 • 適合資料科學團隊溝通
17. Zeppelin • 與 Jupyter 類似，提供筆 記本的功能 • 整合 Spark, SQL, Python 等語言 • 由 Apache 基金會開發
18. 核心準則：能讓你提早下班的就是好工具