Slik installerer du NumPy i VS-kode

Hvis du er en Python-utvikler, er sjansen stor for at du har hørt om NumPy, må-ha-pakken for vitenskapelig databehandling i Python. Men vet du hvordan du får det til å kjøre i Visual Studio Code (VS Code), det viktigste koderedigeringsprogrammet for mange utviklere?

Denne artikkelen vil ta en grundig titt på NumPy-installasjonen i VS Code og noen andre relaterte emner som kan være interessante.

Installer NumPy i VS Code

Uten forsinkelse, her er alle trinnene du må ta for å installere NumPy:

1. Fyr opp VS-kode. Hvis du ved en tilfeldighet ikke allerede har det, last ned en kopi fra det offisielle nettstedet .
   
2. Klikk på fanen Utvidelse. Du finner den på venstre side av vinduet, merket med et firkantet ikon.
   
3. Skriv "Python" i utvidelsessøkefeltet.
   
4. Velg "Python fra Microsoft" fra resultatene.
   
5. Klikk på den blå "Installer"-knappen.
   
6. Gå tilbake til hovedmenyen.
7. Velg "Terminal".
   
8. Velg "Ny terminal."
   
9. For å komme i gang med NumPy, skriv inn denne kommandoen i terminalen du nettopp åpnet: pip install numpy.
   

Dette ber Python-pakkeinstallasjonsprogrammet laste ned NumPy og installere det på datamaskinen din. Prosessen fra da av er automatisk.

Python-utvidelsen du lastet ned gir også en overflod av støtte for de andre Python-prosjektene dine, for eksempel IntelliSense, linting eller feilsøking.

Hvis du støter på noen veisperringer som nevner "ingen modul med navn numpy" som en feilmelding, dobbeltsjekk om du valgte riktig Python-tolk. Du kan justere dette ved å navigere til "Python" i den nedre delen av skjermen og velge tolken som har pip og NumPy.

Få mest mulig ut av NumPy i VS-kode

Med NumPy oppe og kjører kan du dra nytte av Visual Studio Codes funksjoner for å gjøre programmeringen mer effektiv og morsom.

Feilsøking

Programmering er intrikat og delikat, og du er nødt til å feilsøke kode som ikke vil gjøre det den skal. VS Code har et omfattende feilsøkingsmiljø spesielt for Python-applikasjoner og de som bruker NumPy for vitenskapelig databehandling. Her er noen tips:

• Hvis du identifiserer en mulig feil, for å komme til roten av problemet, må du trekke ut Python-filen du jobber med og åpne den. Etter det, klikk på "Kjør" fra toppmenyen og velg "Start feilsøking." Dette vil sette i gang feilsøkingen.
• Å feilsøke koden din kan være mye enklere hvis du angir bruddpunkter. Disse markørene lar feilsøkeren sette programmet på pause, slik at du kan inspisere tilstanden til programmet på det nøyaktige tidspunktet for utførelse. Prøv å angi disse bruddpunktene ved å klikke på margen ved siden av kodelinjen du vil sette på pause eller holde markøren over linjen og trykke F9.
• Når programmet er på pause, vil feilsøkingskontrollene øverst på skjermen la deg gå gjennom koden. Trykker du F10 kan du hoppe over funksjoner; med F11 dykker du dypere ned i dem, og trykker du på både Shift og F11, går du ut av en funksjon.
• Du kan også se nøye på variablene med "Variables"-ruten. Det vil dukke opp i "Kjør og feilsøk" sidefeltet når programmet er på pause, og viser alle verdiene i det lokale omfanget. Hvis du trenger flere detaljer, hold musepekeren over en variabel i koden for å få en nøyaktig verdi.

Bruke Jupyter Notebooks

En erfaren dataanalytiker kan dra nytte av det interaktive miljøet til Jupyter Notebooks, tilgjengelig direkte fra VS Code. På denne måten kan du konstruere, kjøre og feilsøke kode i et sømløst grensesnitt.

Hvis du vil lage en ny Jupyter Notebook i Visual Studio Code:

1. Åpne kommandopaletten (Ctrl+Shift+P).
   
2. Finn kommandoen " Create: New Jupyter Notebook."
   
3. Alternativt kan du åpne arbeidsområdet og opprette en ny fil med filtypen «.ipynb».
   

Når du har opprettet en notatbok, kan du skrive inn Python-kode i cellene og utføre disse kommandoene ved å klikke på "Kjør celle"-knappen som vises når markøren svever over den. Resultatene av cellen din vil da vises under den slik at du kan bruke dem i andre beregninger eller operasjoner.

Du kan velge Python-tolken for hver Notebook du lager ved å velge fra kjernevelgeren øverst til høyre. Dette alternativet er nyttig, spesielt hvis du har mer enn ett Python-miljø på datamaskinen din og ønsker å bruke dem alle, avhengig av arbeidet.

Bruker IntelliSense

VS Codes IntelliSense er din beste venn og følgesvenn til NumPy-koding. Dette kraftige settet med funksjoner gir intelligent kodefullføring mens du skriver. Du trenger ikke overtenke funksjonsnavn, variabler osv. IntelliSense kan finne det ut fra kodens kontekst.

For eksempel, hvis du trenger å skrive en funksjon, begynn å skrive navnet, og IntelliSense vil gi deg alle tilgjengelige funksjoner fra NumPy og andre moduler. Velg en som passer, og verktøyet legger den til i koden. Du vil også få en korrekt liste over argumenter for hver funksjon, som også gir stor hastighet til koding.

NumPy med VS-kodeutvidelser

VS Codes utvidbarhet er en av de kraftigste funksjonene. Med de riktige utvidelsene kan du superlade både Python og NumPy. Her er noen utvidelser som kan være spesielt nyttige sammen med NumPy.

• Python-utvidelsen av Microsoft bringer intuitiv koding til VS Code. Den lar deg skrive kode raskere, med nyttige funksjoner som IntelliSense, linting og formatering i sanntid, feilsøkingsverktøy og mer.
• Python Docstring Generator er en livredder for utviklere som må jobbe med kompleks NumPy-kode. Denne utvidelsen vil generere detaljerte docstrings for å dokumentere koden på sekunder, noe som sparer utallige timer med manuell skriving og formatering.
• Python Test Explorer kan kjøre Python-testene dine rett fra sidefeltet og få umiddelbar tilbakemelding på resultatene. Det er ikke nødvendig å bytte frem og tilbake mellom applikasjoner, noe som gjør det nok en verdig tidsbesparelse.
• MagicPython er også fantastisk for Python-utviklere som trenger å analysere og feilsøke komplisert kode. Takket være forbedret syntaksutheving og innrykk, vil du kunne lese NumPy-uttrykk på farten med MagicPython.
• Kite's Autocomplete for Python er nok en mer gjennomtenkt måte å kode på. Den bruker maskinlæring slik at Kite kan gi kontekstbevisste fullføringer for Python-skript. I stedet for å bruke tid på å finne funksjoner og metoder fra biblioteket (eller Internett), finner du intelligente forslag med Kite mens du skriver. Den støtter til og med komplekse operasjoner.

Skriv god kode med NumPy

Som du kan se, er det ikke skremmende å installere NumPy i VS Code i det hele tatt, og funksjonene er til stor hjelp for koding og analyse av datavitenskap. Og innenfor Visual Studio Code kan du ta NumPy-utviklingen videre når du kombinerer den med andre kraftige verktøy og utvidelser.

Fikk du NumPy til å fungere i VS-koden din? Hva er den mest nyttige funksjonaliteten for deg? Fortell oss i kommentarene.