Szerkesztés: Nincs mélyjegyzet-összehasonlítás
Szia! Ma a Python legjobb IDE-jei közötti különbségről fogunk beszélni. Részletezhetném ezeket a platformokat, valamint minden egyes előnyét és hátrányát (melyek mindegyiknek megvannak), DE szerintem szórakoztatóbb lenne valami mást kipróbálni, és inkább összehasonlítani a kulcs összetevőket. minden platformon, és rangsorolja őket adattudományi szempontból. Azt is szeretném itt külön megjegyezni, hogy a Jupyter Labra fogok utalni, nem a Jupyter Notebookra, mivel ez utóbbi nem igazán IDE-szerű felület.
Minden további nélkül, kategóriáink!
- Adatnézegető
- Virtuális környezet kompatibilitás
- Intellisense
- Megközelíthetőség
Kezdjük el!
Adatnézegető
Mindegyik platform rendelkezik valamilyen adatmegjelenítővel… várj, kivéve a Colabot és a Jupytert (valamilyen). Az adatnézegető itt egy olyan dolog, amely bemutatja az aktuális aktív változókat/adatkörnyezetet, NEM csv-megjelenítőt. Ez megkönnyíti az alsó 1-et. Valójában ez a legnagyobb bajom a Colab-bal. A következő a Jupyter, amiben nincs beépített adatnézegető, DE van egy adatnézegető notebook-bővítmény, ami valójában nagyon szép. De mivel nincs beépítve (nem könnyen hozzáférhető), a Jupyter leminősítésre kerül. Végül van VScode és PyCharm. Mindkettő csúcsminőségű adatmegjelenítőket kínál, amelyeknek lehetőségük van az adatkeretek teljes megnyitására új lapokon/ablakokban. A VScode-ot fogom előnyben részesíteni, mert az adatmegjelenítője van a tetején, és ez nekem személy szerint jobb. Tudom, hogy ez nagyon buta különbség, de egyébként alig veszek észre különbséget a két néző között, azon kívül, hogy az esztétikát részesítik előnyben (ez nem a beszélgetés témája).
Eredmények
VS kód › PyCharm › Jupyter › Colab
Virtuális környezet támogatása
A következő lépés a viruális környezet. Igen… venvs. A legtöbb python programozó életének csapása. A nyertesünk a PyCharm, amely támogatja a venv-ek létrehozását akár conda, akár venv használatával az IDE felületről. Következő a VS kód lesz, mert támogatja a python értelmező egyszerű kiválasztását a notebookban való használatra, de nem támogatja a környezetek létrehozását.
A következő itt talán meglep… Colab. Igen Colab. Annak ellenére, hogy a Colab natívan nem is támogatja és nem használja a venv-eket, a megoldásuk sokkal jobb! Minden elindított kernel/jegyzetfüzet tartalmazza a legtöbb csomagot, amelyre valaha is szüksége lesz, különösen az adattudományi munkához! Ez csodálatos, előfeltételek és függőségi problémák, megoldva! Ennek vannak más visszaesései (lásd alább), de ez elég ahhoz, hogy a Colab megelőzze a Jupytert ebben a kategóriában.
A Colab után meglehetősen egyszerű a Jupyter rangsorolása (amihez az ipykernel nbextension-ja szükséges).
Eredmények
PyCharm › VS kód › Colab › Jupyter
Félúton, és jól néz ki az „erőmű” IDE-k számára.
Intellisense
Ez egy másik, a szívemhez közel álló és kedves kategória, az IntelliSense. Adattudósként néha azon kapom magam, hogy csomagokat használok, és nem emlékszem konkrét módszerekre vagy azok paramétereire, és nagyon hasznos, ha könnyen elérhető az intellisense és a dokumentáció. Ezen a kategórián belül is be fogom dobni a szintaktikai kiemelést, mivel szerintem ez a termelékenység szempontjából összehasonlítható kategóriába tartozik. Szerencsére ez az érv számomra nagyon egyértelmű. A PyCharm intellisense kiváló és őszintén szólva lenyűgöző. A VS Code, különösen a PyLance legutóbbi kiadásával (amely a notebookon belül működik!) nagyon közel áll hozzá! Ezután jön a Colab némi kiemeléssel és automatikus kiegészítéssel, majd végül a Jupyter.
Eredmények
PyCharm › VS kód › Colab › Jupyter
Megközelíthetőség
Utolsó kategória! Megközelíthetőség. Itt nem a hagyományos kifejezésre gondolok, hanem inkább arra, hogy milyen egyszerű egy Hello World notebook üzembe helyezése. Hangsúlyozom itt a jegyzetfüzetet, mert nem egy teljes projektre gondolok. Tapasztalataim alapján a Colab meglehetősen nehéz lenne kezelni egy teljes projektstruktúrát. DE itt nyer, HANDD DOWN, mert egyszerűsége miatt egyszerűen navigálhat egy URL-re, és azonnal elkezdheti a kódolást! Nincs szükség környezetkezelésre, letöltésre, semmire. Most, hogy a többi platform letöltést igényel, rangsorolhatjuk őket. A VS-kód a második helyen van, közvetlenül a PyCharm előtt, mivel létrehozhat jegyzetfüzetet, és mindkettőben elkezdheti a kódolást, de a VS-kód parancspalettája egy kicsit egyszerűbb. Végül bezárja a Jupytert, amely megköveteli, hogy telepítse magát, majd aktiválja és navigáljon a terminálból ÉS a böngészőből.
Eredmények
Colab › VS kód › PyCharm › Jupyter
Átfogó
A fenti eredményeket másolva és beillesztve láthatjuk:
Adatnézegető
VS kód › PyCharm › Jupyter › Colab
Virtuális Env
PyCharm › VS kód › Colab › Jupyter
Intellisense
PyCharm › VS kód › Colab › Jupyter
Megközelíthetőség
Colab › VS kód › PyCharm › Jupyter
Ami a pontokat megadva, 4 az 1. és 1 a 4. pontért, a következő összegeket adja:
- PyCharm: 13
- VS kód: 13
- Colab: 9
- Jupyter: 5
VAGY átlagpontok:
- PyCharm: 3.25
- VS kód: 3.25
- Colab: 2,25
- Jupyter: 1,25
Úgy gondolom, hogy ez a legjobb használati esetet mutatja be az egyes tételek esetében, ahogy a terület fejlődött. Sajnos véleményem szerint a Jupyter nem tartott lépést a többi IDE-vel annak ellenére, hogy alapvetően feltalálta a notebook formátumot. A Colab nagyszerű megoldás egy gyors és piszkos notebook üzembe helyezéséhez, feltéve, hogy nincs szüksége speciális függőségekre vagy egyéb fájlokra. Van egy csodálatos együttműködési csomagja is, amely még egy kis csoporttal való munka során is nagyon hasznos. Aztán, ami egy véget nem érő vitának tűnik (őszintén meglepett, hogy ezek a pontok egyenlőek voltak!) a PyCharm és a VS kód egyenlő, majd a projekt többi igényei alapján választhat. Itt a VS-kód könnyed jellege valóban előnyös, ha nem eszik RAM-ot a notebookból, amihez jelentős mennyiségre lehet szükség.
Végül reméltem, hogy ez segített valakinek, és ha valamit kihagytam, vagy pontatlan információra hivatkoztam, írjon megjegyzést és tudassa velem!
