vspython

1. 求教vs2017下怎麼使用python

先提一下，我並沒有用IDE寫Python的習慣。因為平時主要就寫一點數據分析，這些的話我完全可以用VS Code來實現，而PyCharm什麼的IDE，畢竟沒Editor好用。後來是因為組織有送Visual Studio Enterprise的key，那就恭敬不如從命了~

而我之前的VS2015，只在寫CUDA的時候，編譯Xgboost的時候，寫C++的時候使用，讓我用IDE寫Python？不存在的！後來一試。。。就回不來了。。。VS對數據科學的支持，從Python到R，都非常優秀，尤其是R的時候，畫圖部分是可拆的。

幾乎是我摁下去的瞬間就完成了。

不能夠理解為什麼你的界面不是彈出這個小黑框框（寫C++的時候不也是這么辦的嗎？

未

2. vs支持python嗎

孩子支持嗎？這應該是支持的，多看看到專業的地方去了解關於這方面的一些情況啥的。

3. vs2015怎麼運行python

如果你沒有安裝Python工具的話，可以通過新建一個項目， 在新建項目窗口中選擇模板 > 其他語言 > Python，然後點擊右側列表中的「安裝針對Visual Studio的Python工具」進行安裝；
如果已安裝，則可以直接點擊工具欄上的綠色三角按鈕（附加...）運行Python程序；

4. vs編寫python怎麼樣

有幾個numpy 的加速包，比如numexpr.
安裝Intel MKL.
最後，可以講關鍵部分用c/c++實現。
如果無法避開python的for，建議使用Numba來提速，理想情況下可以達到和numpy向量化差不多的速度。

5. vs能運行python嗎

1.Python環境的搭建：

這里我選擇的是Anaconda可以傻瓜式的幫我們將python環境搭建完畢，貼上Anaconda的下載地址：https://www.anaconda.com/download/#download

選擇適合的版本下載即可，我這選擇的Python3.6 version 64位的，下載完畢之後就是安裝了，Anaconda會幫我們將Python環境搭載完畢的。

相關推薦：《Python教程》

2.VS2017中Python開發的選擇：

如果已經安裝過VS2017，直接在找到Visual Studio Installer。

點擊運行，然後選擇修改，將Python開發和數據科學和分析應用程序勾選即可。

如果是沒有安裝過VS2017，需要先在VS官網下載最新的VS2017即可，附上微軟官方的VS下載鏈接：

https://visualstudio.microsoft.com/zh-hans/thank-you-downloading-visual-studio/?sku=Professional&rel=15，後面的步驟與上一步相同。

安裝完畢後，VS2017會自動引入我們前面安裝的python環境。

3.測試環境：

環境搭建完畢之後就需要測試一下是否搭建成功了，打開VS選擇python應用程序；

可以看到我們安裝的Python3.6已經引入了。

接下來點擊附加按鈕即可：出現了下面的界面那麼就表示我們的VS2017已經能成功作為Python的IDE了。

6. c#和python哪個好

兩個都有擅長的地方。
python：適用於快捷變成，內涵了很多工具包，許多功能都不需要自己實現，直接導入相應的jar包，調用方法即可實現。
c：面向過程編程，對機器內存的把控比python更加精確，但易用性不如python。
總結：python適合簡單的爬取數據，表格處理。c適合游戲，大型網站底層系統的開發。

7. vs 和 python 分析數據 哪個好

總的概括：R主要在學術界流行，python(numpy scipy)在工程方便比較實用。

R是S（Splus）的開源版本，或者下一代。發源地在紐西蘭奧克蘭。這個軟體的統計背景很濃烈。我這里濃烈的意思是，如果你不熟習統計知識（歷史）的話，R的幫助文檔看起來是很累的。由統計背景的人開發。R的維護組叫CRAN-R。在生物信息方便，有個叫bioconctor的組織，裡面有很多生物信息方面可以用的軟體包，他們有一套自己維護package系統。

Python是個綜合語言（這里特指指CPython解釋器），numpy scipy是數值計算的擴展包，pandas是主要用來做數據處理（numpy依賴），sympy做符號計算（類似mathematica？）此外還有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已經到了可用的水平了。是讀計算機的人寫的統計包。ipython 更新到1.0以後，功能基本完善，其notebook非常強大（感覺就像mathematica)而且還是基於web，在合作分享方面非常好用。

性能：
大家都說R慢，特別是CS的人。其實這里主要是兩點：一個R裡面數組的調用都是用復制的，二是Rscript慢。三是處理大數據慢。如果R用的好的話，R是不太慢的。具體來說就是Rscript用的少，多用命令，跑點小數據。這樣的話，實際在跑的都是背後的fortran和C庫。他們都有快二三十年歷史了。可謂異常可靠，優化得不能再優化了（指單線程，如果去看源代碼揮發先許多莫名的常數，永用了以後精度高速度快！）。比如一個自己編寫一個R腳本，loop套loop的那種，那真是想死的心都會有。外加一點，R處理文本文件很慢！

Python歸根揭底還是個有解釋器的腳本語言，而且有致命傷——GIL，但python最難能可貴的就是它很容易變得更快。比如pypy，cython，或者直接ctypes掛C庫。純python寫個原型，然後就開是不斷的profiling和加速吧。很輕易可以達到和C一個數量級的速度，但是寫程序、調試的時間少了很多。

並行計算：
R v15 之後有了自帶的parallel包，用挺輕松的。不過其實就是不停的fork，或者mpi，內存消耗挺厲害的。parSapply，parApply什麼的，真是很好用。

Python雖然有GIL——並行計算的死敵，但是有multiprocessing(fork依賴) ，是可以共享數據的什麼的，估計內存消耗方面比R好點，數據零散的話overhead很多。到了MPI的話，mpi4py還是挺好用的。用cython的話結合openmp可以打破GIL，但是過程中不能調用python的對象。

學習曲線：假設什麼編程都不會的同學。
R一開始還是很容易上手的，查到基本的命令，包，直接print一下就有結果了。但是如果要自己寫演算法、優化性能的時候，學習難度陡增。

Python么，挺好學的，絕大多數的幫助文檔都比R好了許多。有些包用起來沒R方便。總的來說深入吼R陡。

擴展資源：
基本上新的統計方法都會有R的package，安裝實用都不麻煩。但是基本上都是搞統計的人寫的計算機包。所以效能上可能有問好。比較出名的有兩個包的管理網站，cran-r 和bioconctor。 所以搞生化的估計R用起來很方便。

python的統計計算包們比R少，多很年輕，還在不斷的開發中。優於是計算機人寫的統計包，用起來的時候要多漲個心眼。

畫圖：
R自帶的那些工具就挺好用了，然後還有ggplot這種非常優美的得力工具。

python 有matplotlib，畫出來效果感覺比R自帶的好一些些，而且界面基於QT，跨平台支持。可能是R用得多了，pyplot用起來還是不太順手，覺得其各個組建的統一性不高。

IDE：
Rstudio非常不錯，提供類matlab環境。（用過vim-r-plugin，用過emacs + ess現在用vim。）

windows 下有python(x,y) 還有許多商業的工具。（本人現在的emacs環境還不是很順手~）

建議：
如果只是處理（小）數據的，用R。結果更可靠，速度可以接受，上手方便，多有現成的命令、程序可以用。

要自己搞個演算法、處理大數據、計算量大的，用python。開發效率高，一切盡在掌握。

ps：盲目地用R的包比盲目的地用python的包要更安全。起碼R會把你指向一篇論文，而python只是指向一堆代碼。R出問題了還有論文作者、審稿人陪葬。

8. 為什麼vs的python用不了

不知道為什麼，關於python IDE好多人都推薦用pycharm,但是無奈沒人教，作為一隻小白，真心不會用。於是就用了VS2015.
(1).打開 文件->新建項目 在模板裡面找到python
(2).沒安裝模板的就可以安裝了
(3).安裝完成之後就可以選擇新建 Python Application(當然還有其他Python)
(4)改個項目名字，選好項目存儲位置就可以開始編寫我們的Python程序咯。
弄完IDE，就正式開始學習Python了。

9. VS2019可以寫python嗎

VS的Python支持不如PyCharm，建議用PyCharm，這是目前最好也是最主流的Python IDE。

10. C++語言和python那個比較好

C++和Python的區別：

C++需要編譯執行的語言，Python是解釋執行的語言;Python縮進嚴格，通過縮進區別代碼塊，而C++通過大括弧標示;Python與C++的全局變數、循環語句和關鍵字的使用都不相同。

運行效率：C++大於Python。Python代碼和C++最終都會變成CPU指令來跑，但一般情況下，比如反轉和合並兩個字元串，Python最終轉換出來的CPU指令會比C++多很多。

Python東西比C++多，經過了更多層，Python中甚至連數字都是object。

Python是解釋執行，和物理機CPU之間多了解釋器這層，而C++是編譯執行，直接就是機器碼，編譯的時候編譯器又可以進行一些優化，所以運行效率上沒法比。

開發效率：Python大於C++。Python一兩行搞定的東西，C++需要一大堆，甚至於更多，所以開發效率上Python大於C++。

C++和Python學習哪個好?

Python屬於膠水語言，做一些簡單的文本數據分析和任務自動化處理是沒有問題的，乾重活還是要靠調用第三方的C擴展庫。所以並不是對立的，也沒有必要因為C/c++性能高而放棄Python，畢竟除了計算機幹活的效率之外還要考慮人幹活的效率，甚至大多數時候後者更重要，選擇合適的語言來搞定合適的環節。

C++之初是希望兼顧C級別的性能、對C的兼容性、對大型工程的抽象支持功能，在熟悉掌握了C++之後，處於各個位置當中都能成為佼佼者。

不過，綜合情況來講，如果你是0基礎入門學編程，推薦學Python。Python簡單、容易入門、語法清晰、易於學習，是0基礎的首選語言。