初学 Python 需要安装哪些软件？

　　Miniconda和PyCharm，想不出别的了。

　　非再加一个可能是DataSpell吧

　　最开始初学的话，只需要安装好Python，用它自带的idle就可以了。等基本知识掌握了再谈其他。

　　初学的话应该会先学语言编程，编程工具有以下几种可选。

　　如果连这些都懒得安装，可以先上力扣，做一些基本的编程题，再来选择自己想用的工具软件。

　　1 最基础的别的啥没有，类比Windows自带的记事本——安装python时候自带的IDLE

　　2 感觉用的人最多，做一整个工程，方便管理——Pycharm（社区版免费，完整版收费）

　　3 据说交互好，简洁——Ipython

　　4 据说界面很好——Vscode

　　--补充信息--

　　1 python不需要单独的编译过程，只要电脑上安装了python就可以运行python代码的.py文件。

　　2 python工具分解释器和IDE（集成开发环境）两种， 解释器有python和Anaconda（其实就是python+常用库的打包，不然库要一个一个自己下载） IDE有自带的IDLE和常见的需要另外安装的Ipython，Pycharm和Vscode

　　3 如果python程序要给没装python的电脑运行，要另外打包成.exe，但是python脚本不能脱离python解释器单独运行，所以在打包的时候，会将python解释器和脚本一起打包

　　emm，实际上你装个Python3就够了，顶破天也只需要装个VSCode或者pycharm，毕竟你是初学者。。。

　　防杠，杠就是你对

　　关于python的集成环境，我一般Anaconda 和 winpython 都用，windows下主要用Winpython，IDE为spyder（类MATLAB界面）。

　　正如peng wang老师所说

　　winpython, anaconda 哪个更好？ - peng wang的回答 - 知乎 https://www.zhihu.com/question/27615938/answer/71207511

　　winpython脱胎于pythonxy，面向科学计算，兼顾数据分析与挖掘；Anaconda主要面向数据分析与挖掘方面，在大数据处理方面有自己特色的一些包；winpython强调便携性，被做成绿色软件，不写入注册表，安装其实就是解压到某个文件夹，移动文件夹甚至放到U盘里在其他电脑上也能用；Anaconda则算是传统的软件模式。winpython是由个人维护；Anaconda由数据分析服务公司维护，意味着Winpython在很多方面都从简，而Anaconda会提供一些人性化设置。Winpython 只能在windows上用，Anaconda则有linux的版本。

　　抛开软件包的差异，我个人也推荐初学者用winpython，正因为其简单，问题也少点，由于便携性的特点系统坏了，重装后也能直接用。

　　请直接安装、使用winPython：WinPython download因为很多模块以及集成的模块

　　可以选择版本，不一定要用最新版本，否则可能出现不兼容问题。

　　下载、解压后如下

　　打开spyder就可以用了，里面自带pytorch

　　注意：目前太高的python版本tensorflow库不支持。

　　另外如果按照tensorflow较慢的话，可以用以下源，速度超快

　　pip install tensorflow -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

　　阿里镜像源

　　还有常用的其他的一些镜像源清华镜像https://pypi.tuna.tsinghua.edu.cn/simple中科大镜像https://pypi.mirrors.ustc.edu.cn/simple华中科大镜像http://pypi.hustunique.com/山东理工大学镜像http://pypi.hustunique.com/搜狐镜像http://mirrors.sohu.com/Python/百度镜像https://mirror.baidu.com/pypi/simple

　　除了tensorflow和pytorch，keras我以前也经常用，官网链接如下

　　Introduction to Keras for Researchers

　　官网里面有各种例子，足够入门了。关于MATLAB，我用的R2021b,很强大，现代信号处理，机器学习，神经网络完全够用了，至于深度学习工具箱，对于普通玩家也是足够用了，对于比较前沿的网络结构那还是pytorch之类的吧。

　　我一般来说，现代信号处理，机器学习，神经网络相关的研究基本都是用MATLAB，深度学习目前主要是pytorch和MATLAB。

　　我只能说，基于MATLAB的现代信号处理+机器学习模型基本是无敌的，matlab强大的几个工具箱试试就知道了。今后还是主要讲MATLAB相关的东西，python相关的很多大佬已经讲的很清晰明了了，我就不献丑了。1）统计机器学习Statistics and Machine Learning，包括

　　描述性统计量及可视化，概率分布，离散分布，连续分布，多元分布，伪随机数和拟随机数生成，假设检验

　　聚类分析，ANOVA分析，回归（多元线性回归，逐步回归，多元回归·），正则化，广义线性模型，非线性回归

　　支持向量回归，回归树，回归树集成，广义加性模型，神经网络，增量学习，机器学习的可解释性，模型的构建

　　与评估，分类，分类树，判别分析，朴素贝叶斯，最近邻，支持向量机，分类集成，降维与特征提取，工业统计。

　　2）深度学习

　　图像深度学习，时序、序列和文本深度学习，深度学习调整和特征可视化，通过并行计算和云平台进行深度学习，

　　深度学习在计算机视觉领域的应用，深度学习在图像处理领域的应用，深度学习在自动驾驶领域的应用，使用深度

　　学习进行激光雷达处理，深度学习在通用信号处理领域的应用，深度学习在音频处理领域的应用，使用深度学习的

　　无线通信，使用深度神经网络的强化学习，深度学习导入、导出和自定义，深度学习自定义训练循环，深度学习数

　　据预处理，深度学习代码生成，深度学习的函数逼近、聚类和控制