面向初学者的 Python IDE:Thonny,你值得一试

2023-05-16

Thonny,这个号称为初学者打造的 IDE 体验怎么样?

简介

Python 的初学者面对的第一个勉强称得上是 IDE 的肯定是自带的 IDLE 了。我还专门写了一篇文章分析过,但是这个工具实在有点古老,只能说能用,但是绝对称不上好用。

Thonny 是一个适合初学者的 Python IDE,由爱沙尼亚的 Tartu 大学开发。

经过一段时间的试用,感觉还是不错的,这里推荐给大家。

B 站视频

安装

Thonny 有 2 种安装方式。

下载安装包

支持 3 种主流系统:

  • Windows
  • Mac
  • Linux

安装包的下载链接在 首页 就能方便看到,但是因为版本包在 github 上,所以有时候下载特别慢。

首页下载

下载后的安装非常简单,并且其中自带了 Python 解释器。也就是说,事先并不需要安装 Python,并且它的安装包大小比 Python 安装文件还小了接近一半。

安装过程过于简单,以至于没有什么好说的,也不会有勾选环境变量之类的操作,唯一的选项就是在安装完之后提示是否创建快捷方式,当然是要了。

pip

因为这个工具本身就是使用 Python 开发的,所以可以直接使用 pip install thonny。如果配置好了镜像源,几秒钟就能安装完成了。

pip install thonny

不会配置 pip 镜像源的请参考:快速配置 PIP 镜像源

启动

如果是安装包安装的,直接双击快捷即可启动。

如果是使用 pip 安装的,会在 Python 环境的 Scripts 目录下生成一个 thonny.exe 可执行文件,所以我们可以直接在命令行中输入命令来启动它:

Scripts 目录的作用还不太理解的可以去看我的 Python 安装详解。

初次启动时,会有一个选择语言配置的对话框,根据需要选择即可。

不论使用哪种安装方式,启动后的效果都是一样的。

两种安装方式的差别

唯一的区别就是默认使用的 Python 解释器不同:

安装包安装启动时使用的是内置的解释器:

内置 Python

pip 安装的启动后默认使用的是系统的 Python:

系统Python解释器

在程序启动后,仍然可以配置和选择解释器,因此使用上并没有什么差别。

选择解释器

当然它也可以选择不同的虚拟环境,并且你还可以通过它直接创建虚拟环境:

对 Python 解释器感到疑惑的可参考:Python 安装详解 和 虚拟环境介绍

基本功能

因为这个工具主打初学者和学习 Python,所以工具的上手是非常简单的。

浏览官方主页的功能介绍就能基本了解特色功能,自行摸索的难度也不大。

可以通过 视图 菜单,打开不同的功能子窗口体验一下。

后续还会有在此工具基础上讲解 Python 相关内容的文章,到时候顺带展示某些功能点。


文章内容虽基础,整理发布不轻松

如果看过有帮助,不妨 点赞 + 关注,谢谢!

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

面向初学者的 Python IDE:Thonny,你值得一试 的相关文章

随机推荐

  • 软件工程-软件小组的组织形式

    为什么要形成软件小组 大多数软件产品由一个软件专业人员不可能在有限时间内单独完成 因而 xff0c 产品必须分配给一组专业人员 xff0c 形成一个小组 在具体说软件小组的组织形式之前先介绍一下布鲁克斯法则 布鲁克斯法则 布鲁克斯是上世纪6
  • 差分分组的合作协同进化的大规模优化算法详解

    合作协同进化已经引入协同进化算法 xff0c 目的是通过分而治之的范式解决日益复杂的优化问题 理论上 xff0c 协同改 变子成分的想法是十分适合解决大规模优化问题的 然而在实践中 xff0c 没有关于问题的先验知识 xff0c 问题应如何
  • 软件工程内聚详解

    简介 内聚标志一个模块内各个元素彼此结合的紧密程度 xff0c 它是信息隐蔽和局部化概念的自然扩展 内聚是从功能角度来度量模块内的联系 xff0c 一个好的内聚模块应当恰好做一件事 它描述的是模块内的功能联系 内聚和耦合是密切相关的 xff
  • Python使用matplotlib画动态图

    机器学习需要使用python实现相应的算法 xff0c 因此学习了Matplotlib中的画图 更多内容访问omegaxyz com 当然为了能显示机器学习中每次迭代的效果与收敛速度 xff0c 需要画出动态图形 下面给出两个例子 xff0
  • JavaScript模拟终端输出

    利用JavaScript 43 CSS能够模拟出终端输入画面 xff08 类似于Linux终端画面 xff09 当然更好的代码也可以模拟出黑客帝国那样的输出画面 CSS设置 xff1a height auto表示随着输出字数的增加 xff0
  • 机器学习分类与回归

    分类 xff0c 即classification xff1a a process in which you put something into the group or class it belongs to xff0c 这是指将某物放入
  • 边缘计算与嵌入式系统

    文章目录 边缘计算简介 边缘计算的起源 嵌入式系统与边缘计算 3 1 嵌入式系统概述 3 2 嵌入式系统的发展历史 3 3 嵌入式系统应用到边缘计算 3 4 嵌入式硬件的要求 3 5 边缘计算环境下嵌入式系统与人工智能 观点与看法 4 1
  • QQ聊天记录多角度分析Python实现

    简介 有时候我们想看看自己跟另一个人的时长 频率 时间等或者是聊天过程中谁更在乎谁多一点 xff0c 谁是话痨 xff0c 聊天性格怎么样 xff0c 这时就需要一个聊天记录分析的程序 下面的Python代码能够统计聊天记录中的时间 消息次
  • VUE axios 加载中提示封装

    import axios from 39 axios 39 引入axios以及element ui中的loading和message组件 import MessageBox Indicator from 39 mint ui 39 超时时间
  • 百度文库下载器Python实现

    简介 以前可以用学校的企业账户下载文档 xff0c 后来百度文库改版 xff0c 需要买下载券或者会员 因此需要一个百度文库下载器 之前有冰点文库下载器但是后来不好使了 下面给出利用Python写的百度文库下载器 此下载器可以下载doc类型
  • 特征离散化概述

    定义 连续特征离散化是采取各种方法将连续的区间划分为小的区间 xff0c 并将这连续的小区间与离散值关联起来 连续特征离散化的本质是 xff1a 决定选择多少个分割点和确定分割点的位置 背景 连续数据经常采用离散化处理之后再放入模型 离散化
  • 汇编语言辗转相除法求最大公约数

    辗转相除法 xff0c 又名欧几里德算法 xff08 Euclidean algorithm xff09 xff0c 是求最大公约数的一种方法 它的具体做法是 xff1a 用较小数除较大数 xff0c 再用出现的余数 xff08 第一余数
  • JavaScript入门

    什么是JavaScript JavaScript xff0c 也称ECMAScript xff0c 是一种基于对象和事件驱动并具有相对安全性并广泛用于客户端网页开发的脚本语言 xff0c 同时也是一种广泛用于客户端Web开发的脚本语言 Ja
  • 基于互信息的特征选择算法MATLAB实现

    在概率论和信息论中 xff0c 两个随机变量的互信息 xff08 Mutual Information xff0c 简称MI xff09 或转移信息 xff08 transinformation xff09 是变量间相互依赖性的量度 不同于
  • 海明码汇编语言实现

    海明码简介 海明码其性能是检测一位错 xff0c 是在奇偶校验码的思想上发展起来的 xff0c 它在K位数据位中加入r个校验位 xff0c 形成一个K 43 r位的新码字 xff0c 并且将数据的每个二进制位分配到几个不同的奇偶校验组中 这
  • Linux通过Shell进行数学运算

    在Bash shell环境中 xff0c 可以利用let 和 来执行基本的算术操作 而高级的算术操作可以使用expr和bc这两个工具 let let操作 xff1a let命令可以直接执行基本的算术操作 xff0c 当使用let时 xff0
  • HTML常用标签

    简介 文本标记语言 xff0c 即HTML xff08 Hypertext Markup Language xff09 xff0c 是用于描述网页文档的一种标记语言 HTML之所以称为超文本标记语言 xff0c 是因为文本中包含了所谓 超级
  • HTML5与HTML4区别

    什么是html5呢 xff1f html5最先由WHATWG Web 超文本应用技术工作组 命名的一种超文本标记语言 xff0c 随后和W3C的xhtml2 0 标准 相结合 xff0c 产生现在最新一代的超文本标记语言 可以简单点理解成
  • 列向量互信息计算通用MATLAB代码

    互信息的定义 正式地 xff0c 两个离散随机变量 X 和 Y 的互信息可以定义为 xff1a 其中 p x y 是 X 和 Y 的联合概率分布函数 xff0c 而p x 和p y 分别是 X 和 Y 的边缘概率分布函数 其中 p x y
  • 面向初学者的 Python IDE:Thonny,你值得一试

    Thonny xff0c 这个号称为初学者打造的 IDE 体验怎么样 xff1f 简介 Python 的初学者面对的第一个勉强称得上是 IDE 的肯定是自带的 IDLE 了 我还专门写了一篇文章分析过 xff0c 但是这个工具实在有点古老