为什么我们常常纠结？在进退之间徘徊，迟迟不敢迈出脚步？因为我们害怕失败。害怕付出的努力付之东流，害怕内心燃烧的希望被失败扑灭。

失败的确可怕，但是好过遗憾。那种“明明有机会xxx但是我没敢去做”的惋惜后悔的心情，久久缠绕在心头，让你无法逃脱，陷在后悔甚至自责中郁郁终日。

失败，不过是赔了时间和努力——对于年轻的你，还有大把时间用来奋斗重头再来；遗憾，却是无法回转，可能实现的成功被你放逐，错过就是一辈子的事。

为何不选那件不太痛苦的事？去做，失败也好过遗憾。

人生苦短，我们都用python。经过近 30 年的发展，Python 已成为编程社区极受欢迎的语言。使用 IDLE 或 Python Shell 写 Python 编码适用于小型项目，但无法应对成熟的机器学习或数据科学项目。在这种情况下，需要使用一个 IDE（集成开发环境）或专用的代码编辑器。究竟什么样的 IDE 适合 Python？

1.Jupyter Notebook

平台：Linux/macOS/Windows

类型：基于 Web 的 IDE

起源于 2014 年的 Ipython，它是一种基于服务器-客户端结构的网页应用。Jupyter Netbook 允许我们通过「Notebook」创建和操作代码文件，并且采用一种即时运行的方法。对于 Python 数据科学家而言，Jupyter Notebook 基本上是必需品，因为它提供了zui直观、zui精炼的交互式数据科学环境。

对于刚入门的数据科学家而言，Jupyter 是简单完|美的工具。我们在写完一个代码片段后就能直接运行这些局部代码查看效果，因此它的交互效果是zui好的。

通过使用 Matplotlib 和 Seaborn 等可视化工具，我们可以直接在代码单元下输出想要的可视化图信息。当然我们也可以将整个 Notebook 文件导出为 PDF、HTML 或纯 Python 代码文件，这非常有利于文件在不同平台间的传播。

优点：

允许使用 Notebook 直接创建博客或代码演示

确保可复现的研究与解释

在运行整体前可以运行并修正局部代码块

缺点：

复杂的安装过程（你也可以直接安装集成开发环境 Anoconda～）

2.PyCharm

平台：Linux/macOS/Windows

类型：Python 专用 IDE

PyCharm 是 Python 的专用 IDE，地位类似于 Java 的 IDE Eclipse。功能齐全的集成开发环境同时提供专业版和社区版。PyCharm 是安装zui快的 IDE，且安装后的配置也非常简单。

PyCharm 同样可以便捷地集成 Matplotlib 和 NumPy 等工具，这意味着我们在处理数据科学项目时可以便捷地使用数组查看器和交互式图表等。除此之外，IDE 还扩展了对 Javascript 和 Angular JS 等语言的支持，这使得它同样也适合 Web 端的开发。

在建立新项目时，只需要选择这些环境下的 Python 主程序就相当于选择了新环境。除了提供直接 debug 和运行功能外，PyCharm 还提供对源代码和项目控制的支持。

优点：

活跃的社区支持

支持全面的 Python 开发，不论是数据科学还是非数据科学项目

新手和老兵都易于使用

快速 Reindexing

运行、编辑、debug Python 代码都不需要额外的支持

缺点：

加载可能比较慢

使用现有项目前可能需要调整默认设置

如果你刚开始使用 Python，找一个定制化较少、附加功能也较少的 IDE。此外多尝试几种， 就会知道哪一种更适合你。像选择不同IDE一样，勇敢尝试，诚筑说和你并肩战斗，不怕失败，迎接每一个机会和挑战！