vspython

1. 求教vs2017下怎么使用python

先提一下，我并没有用IDE写Python的习惯。因为平时主要就写一点数据分析，这些的话我完全可以用VS Code来实现，而PyCharm什么的IDE，毕竟没Editor好用。后来是因为组织有送Visual Studio Enterprise的key，那就恭敬不如从命了~

而我之前的VS2015，只在写CUDA的时候，编译Xgboost的时候，写C++的时候使用，让我用IDE写Python？不存在的！后来一试。。。就回不来了。。。VS对数据科学的支持，从Python到R，都非常优秀，尤其是R的时候，画图部分是可拆的。

几乎是我摁下去的瞬间就完成了。

不能够理解为什么你的界面不是弹出这个小黑框框（写C++的时候不也是这么办的吗？

未

2. vs支持python吗

孩子支持吗？这应该是支持的，多看看到专业的地方去了解关于这方面的一些情况啥的。

3. vs2015怎么运行python

如果你没有安装Python工具的话，可以通过新建一个项目， 在新建项目窗口中选择模板 > 其他语言 > Python，然后点击右侧列表中的“安装针对Visual Studio的Python工具”进行安装；
如果已安装，则可以直接点击工具栏上的绿色三角按钮（附加...）运行Python程序；

4. vs编写python怎么样

有几个numpy 的加速包，比如numexpr.
安装Intel MKL.
最后，可以讲关键部分用c/c++实现。
如果无法避开python的for，建议使用Numba来提速，理想情况下可以达到和numpy向量化差不多的速度。

5. vs能运行python吗

1.Python环境的搭建：

这里我选择的是Anaconda可以傻瓜式的帮我们将python环境搭建完毕，贴上Anaconda的下载地址：https://www.anaconda.com/download/#download

选择适合的版本下载即可，我这选择的Python3.6 version 64位的，下载完毕之后就是安装了，Anaconda会帮我们将Python环境搭载完毕的。

相关推荐：《Python教程》

2.VS2017中Python开发的选择：

如果已经安装过VS2017，直接在找到Visual Studio Installer。

点击运行，然后选择修改，将Python开发和数据科学和分析应用程序勾选即可。

如果是没有安装过VS2017，需要先在VS官网下载最新的VS2017即可，附上微软官方的VS下载链接：

https://visualstudio.microsoft.com/zh-hans/thank-you-downloading-visual-studio/?sku=Professional&rel=15，后面的步骤与上一步相同。

安装完毕后，VS2017会自动引入我们前面安装的python环境。

3.测试环境：

环境搭建完毕之后就需要测试一下是否搭建成功了，打开VS选择python应用程序；

可以看到我们安装的Python3.6已经引入了。

接下来点击附加按钮即可：出现了下面的界面那么就表示我们的VS2017已经能成功作为Python的IDE了。

6. c#和python哪个好

两个都有擅长的地方。
python：适用于快捷变成，内涵了很多工具包，许多功能都不需要自己实现，直接导入相应的jar包，调用方法即可实现。
c：面向过程编程，对机器内存的把控比python更加精确，但易用性不如python。
总结：python适合简单的爬取数据，表格处理。c适合游戏，大型网站底层系统的开发。

7. vs 和 python 分析数据 哪个好

总的概括：R主要在学术界流行，python(numpy scipy)在工程方便比较实用。

R是S（Splus）的开源版本，或者下一代。发源地在新西兰奥克兰。这个软件的统计背景很浓烈。我这里浓烈的意思是，如果你不熟习统计知识（历史）的话，R的帮助文档看起来是很累的。由统计背景的人开发。R的维护组叫CRAN-R。在生物信息方便，有个叫bioconctor的组织，里面有很多生物信息方面可以用的软件包，他们有一套自己维护package系统。

Python是个综合语言（这里特指指CPython解释器），numpy scipy是数值计算的扩展包，pandas是主要用来做数据处理（numpy依赖），sympy做符号计算（类似mathematica？）此外还有一些不太成熟的包如sciki learn，statistical models。成熟度不如R。但是已经到了可用的水平了。是读计算机的人写的统计包。ipython 更新到1.0以后，功能基本完善，其notebook非常强大（感觉就像mathematica)而且还是基于web，在合作分享方面非常好用。

性能：
大家都说R慢，特别是CS的人。其实这里主要是两点：一个R里面数组的调用都是用复制的，二是Rscript慢。三是处理大数据慢。如果R用的好的话，R是不太慢的。具体来说就是Rscript用的少，多用命令，跑点小数据。这样的话，实际在跑的都是背后的fortran和C库。他们都有快二三十年历史了。可谓异常可靠，优化得不能再优化了（指单线程，如果去看源代码挥发先许多莫名的常数，永用了以后精度高速度快！）。比如一个自己编写一个R脚本，loop套loop的那种，那真是想死的心都会有。外加一点，R处理文本文件很慢！

Python归根揭底还是个有解释器的脚本语言，而且有致命伤——GIL，但python最难能可贵的就是它很容易变得更快。比如pypy，cython，或者直接ctypes挂C库。纯python写个原型，然后就开是不断的profiling和加速吧。很轻易可以达到和C一个数量级的速度，但是写程序、调试的时间少了很多。

并行计算：
R v15 之后有了自带的parallel包，用挺轻松的。不过其实就是不停的fork，或者mpi，内存消耗挺厉害的。parSapply，parApply什么的，真是很好用。

Python虽然有GIL——并行计算的死敌，但是有multiprocessing(fork依赖) ，是可以共享数据的什么的，估计内存消耗方面比R好点，数据零散的话overhead很多。到了MPI的话，mpi4py还是挺好用的。用cython的话结合openmp可以打破GIL，但是过程中不能调用python的对象。

学习曲线：假设什么编程都不会的同学。
R一开始还是很容易上手的，查到基本的命令，包，直接print一下就有结果了。但是如果要自己写算法、优化性能的时候，学习难度陡增。

Python么，挺好学的，绝大多数的帮助文档都比R好了许多。有些包用起来没R方便。总的来说深入吼R陡。

扩展资源：
基本上新的统计方法都会有R的package，安装实用都不麻烦。但是基本上都是搞统计的人写的计算机包。所以效能上可能有问好。比较出名的有两个包的管理网站，cran-r 和bioconctor。 所以搞生化的估计R用起来很方便。

python的统计计算包们比R少，多很年轻，还在不断的开发中。优于是计算机人写的统计包，用起来的时候要多涨个心眼。

画图：
R自带的那些工具就挺好用了，然后还有ggplot这种非常优美的得力工具。

python 有matplotlib，画出来效果感觉比R自带的好一些些，而且界面基于QT，跨平台支持。可能是R用得多了，pyplot用起来还是不太顺手，觉得其各个组建的统一性不高。

IDE：
Rstudio非常不错，提供类matlab环境。（用过vim-r-plugin，用过emacs + ess现在用vim。）

windows 下有python(x,y) 还有许多商业的工具。（本人现在的emacs环境还不是很顺手~）

建议：
如果只是处理（小）数据的，用R。结果更可靠，速度可以接受，上手方便，多有现成的命令、程序可以用。

要自己搞个算法、处理大数据、计算量大的，用python。开发效率高，一切尽在掌握。

ps：盲目地用R的包比盲目的地用python的包要更安全。起码R会把你指向一篇论文，而python只是指向一堆代码。R出问题了还有论文作者、审稿人陪葬。

8. 为什么vs的python用不了

不知道为什么，关于python IDE好多人都推荐用pycharm,但是无奈没人教，作为一只小白，真心不会用。于是就用了VS2015.
(1).打开 文件->新建项目 在模板里面找到python
(2).没安装模板的就可以安装了
(3).安装完成之后就可以选择新建 Python Application(当然还有其他Python)
(4)改个项目名字，选好项目存储位置就可以开始编写我们的Python程序咯。
弄完IDE，就正式开始学习Python了。

9. VS2019可以写python吗

VS的Python支持不如PyCharm，建议用PyCharm，这是目前最好也是最主流的Python IDE。

10. C++语言和python那个比较好

C++和Python的区别：

C++需要编译执行的语言，Python是解释执行的语言;Python缩进严格，通过缩进区别代码块，而C++通过大括号标示;Python与C++的全局变量、循环语句和关键字的使用都不相同。

运行效率：C++大于Python。Python代码和C++最终都会变成CPU指令来跑，但一般情况下，比如反转和合并两个字符串，Python最终转换出来的CPU指令会比C++多很多。

Python东西比C++多，经过了更多层，Python中甚至连数字都是object。

Python是解释执行，和物理机CPU之间多了解释器这层，而C++是编译执行，直接就是机器码，编译的时候编译器又可以进行一些优化，所以运行效率上没法比。

开发效率：Python大于C++。Python一两行搞定的东西，C++需要一大堆，甚至于更多，所以开发效率上Python大于C++。

C++和Python学习哪个好?

Python属于胶水语言，做一些简单的文本数据分析和任务自动化处理是没有问题的，干重活还是要靠调用第三方的C扩展库。所以并不是对立的，也没有必要因为C/c++性能高而放弃Python，毕竟除了计算机干活的效率之外还要考虑人干活的效率，甚至大多数时候后者更重要，选择合适的语言来搞定合适的环节。

C++之初是希望兼顾C级别的性能、对C的兼容性、对大型工程的抽象支持功能，在熟悉掌握了C++之后，处于各个位置当中都能成为佼佼者。

不过，综合情况来讲，如果你是0基础入门学编程，推荐学Python。Python简单、容易入门、语法清晰、易于学习，是0基础的首选语言。