Python語言現在已經成爲最流行的編程語言之一了，也是人工智能領域的首選編程語言。使用Python多年，在這裏給大家推薦一下平時喜歡使用的Python工具和第三方包：
#### 1. `conda` 一個`Python`的虛擬環境管理工具
`Conda` 是一個Python的虛擬環境管理工具，非常好用，沒有之一。使用體驗遠勝於`virtualenv + virtualenvwrapper組合`和`pipenv`等，有Linux版和windows版，強烈安利哦！
以下是一些常用命令，大家可以通過命令感受到這種便捷
- 創建一個名字爲`py36`，解釋器版本爲3.6的虛擬環境
```bash
> conda create -n py36 python=3.6
```
- 進入名爲`py36`的虛擬環境
```bash
> conda activate py36
```
- 查看已經安裝的python包
```bash
(py36)> conda list
或者
(py36)> pip list
```
- 安裝第三方包
```bash
(py36)> conda install requests
或者
(py36)> pip install requests
```
- 退出虛擬環境
```bash
(py36)> conda deactivate
```
#### 2. `requests`爲人類編寫的`HTTP`庫
`requests`爲人類編寫的`HTTP`庫，作者是`GitHub`上的網紅程序員`kennethreitz`,，自從使用上`requests`就感覺到了與`kennethreitz`這位大神的牛逼的地方，作爲開發者他懂開發者需要什麼。`kennethreitz` 的另一個高明之處在於 ，他選擇爲`HTTP`提供第三方庫，而HTTP使用廣泛。
下面是`requests`的使用簡單示例, 從這些示例中我感受到了一種優雅
```
Python 3.7.4 (default, Sep 7 2019, 18:27:02)
> import requests
> r = requests.get('https://api.github.com/repos/psf/requests')
> r.json()["description"]
'A simple, yet elegant HTTP library. Handcrafted, with ♥, for the Python community.'
> r = requests.get('https://api.github.com/user', auth=('user', 'pass'))
> r.status_code
200
> r.headers['content-type']
'application/json; charset=utf8'
> r.encoding
'utf-8'
> r.text
u'{"type":"User"...'
> r.json()
{u'disk_usage': 368627, u'private_gists': 484, ...}
```
#### 3. `spyder`一個科學上的`IDE`
在進行數據分析，機器學習等相關編程工作時，我們往往要關注數據的變化，`spyder`就是一款讓你可以關注數據的`IDE`工具，特別喜歡他的變量瀏覽器。
`spyder`的安裝和啓動非常簡單, 在命令行中執行如下命令即可:
- 安裝: `> pip install spyder`
- 啓動: `> spyder3`
下面是我編程的時候的界面，我使用`opencv`讀取了一張圖片, 並轉換成灰度圖片。使用`spyder3`的工具能讓我很清晰的看到了灰度圖片的像素內容。
#### 4. `jupyter` 一個網頁`IDE`工具
`jupyter`非常好用，可以理解成基於網頁的`IPython`。
使用`jupyter`主要基於兩個原因：1. `jupyter` 基於網頁，意味着我們幾乎不會再被不同的環境困擾，很容易就能通過網頁客戶端進行服務器端的編程。2. `jupyter`也讓我們能看到數據變化，適應於需要關注數據變化，持續進行數據分析的編程工作。
不過`jupyter`的代碼最終還是要通過`pycharm`等`IDE`落地, 但我們可以在`jupyter`快速完成試錯和初始版本的構建，這個已經夠了。
一個使用`jupyter`編程的場景如下
以上就是我在工作中頻繁使用到的四個`Python`神器，極大的方便了我的工作，希望對你有用，碰到合適的場景就趕快去使用吧！