如果您是数据科学家或机器学习工程师，那么您应该熟悉最高效的机器学习 IDE。

IDE（集成开发环境）是允许软件开发人员更轻松地编写、测试、调试和使用代码的工具。它的其他用途还有代码验证、文本编辑器、语法突出显示、补全、上下文建议、调试工具、方法和类规范、资源管理以及轻松访问帮助。

IDE 通常具有广泛的功能集合。因此，它们也有利于数据科学编程。它们使程序员的生活变得更加轻松。

所以在本文中，呆猫云桌面带大家看看4种最常用的编程语言的 IDE推荐： R、Python、Scala 和 Julia。

RStudio

操作系统：macOS、Windows、Linux

RStudio IDE 功能

RStudio 是 R 平台上功能最丰富的 IDE。虽然是开源的，但它有适用于 Windows、Mac 和 Linux 的商业版本。

它具有语法高亮、智能缩进和代码完成功能。R 代码可以通过源代码编辑器直接执行。开发人员可以快速跳转到阅读帮助、函数定义和文档。您还可以使用项目功能轻松管理多个工作目录。RStudio 集成了对 Apache Subversion 和 Git 的支持。

Eclipse 的 StatET 插件

操作系统：macOS、Windows、Linux

用于 Eclipse 安装的 StatET

StatET 是一个基于 Eclipse 的 IDE，旨在与 R 一起使用。它具有一组用于 R 编码和包构建的工具，包括完全集成的 R 控制台、包管理器、对象浏览器、调试器、数据查看器和 R 帮助系统。它支持 R 的许多本地和远程安装。

代码编辑器具有语法高亮、行缩进的自动更正、Roxygen 注释、函数定义和其他块的文本折叠以及键入和粘贴的自动缩进。

该调试器允许简单地管理断点和条件断点，还具有清晰呈现的调用堆栈和回溯，可直接访问所选帧的变量。还可以访问源代码和指令指针，在这种情况下是 R 编辑器，您也可以使用它来优化源代码。它被认为是最好的数据科学 IDE 之一，因为新用户掌握它并不难。

适用于 Visual Studio 的 R 工具

操作系统：macOS、Windows、Linux

适用于 Visual Studio 的 R 工具入门

Visual Studio 是用于 .NET 语言和 C++以及其他流行编程语言的广泛使用的 IDE 。

R Tools for Visual Studio (RTVS) 是在 MIT 许可下开发的 Visual Studio 的免费开源扩展。

借助 Visual Studio，数据科学家能够以方便的结构组织和管理相关文件。他们可以利用 R 文档、R 代码、R Markdown、SQL 查询和存储过程等项目的有用模板。

RTVS 可以绑定到本地和远程工作区。这允许开发人员使用较小的数据集在本地开发 R 代码。然后他们可以轻松地在具有更大数据集的更强大的基于云的计算机上运行代码。

R-Brain

操作系统：macOS、Windows、Linux

R-Brain IDE

我们要讨论的下一个数据科学 IDE 是R-Brain。

只需单击几下，您就可以轻松地将 R-Brain 与各种 IDE 集成 ，例如 Jupyter Lab、Jupyter notebooks、Zeppelin、Rstudio 或 Theia，并部署应用程序，无论它使用什么框架。

它支持集成的云数据库并用作本地数据科学平台。它支持流行的开源语言。它包括智能代码完成、调试、打包和发布功能。

R-Brain 由 Jupyter 提供支持，并提供 IDE、控制台、笔记本和降价结构，它们都集成到一个环境中，并为 R 和 Python 提供完整的语言支持。

因此，它具有 Jupyter Notebook 的标准功能集，例如交互式笔记本界面、终端、文本编辑器、文件浏览器、丰富的输出等等。它们都在灵活的用户界面中运行。它使用 Docker 容器技术，因此该解决方案可以部署在本地或云端。

PyCharm

操作系统：macOS、Windows、Linux

PyCharm IDE

PyCharm 由 JetBrains 开发，JetBrains 是一家为不同编程语言开发 IDE 的公司。

PyCharm 的代码编辑器为 Python 提供了广泛的支持，并且可能是机器学习的最佳 Python IDE。它具有错误检测、代码完成和自动代码修复功能。它还具有智能搜索功能，可以跳转到任何类、文件、符号或任何 IDE 操作或工具窗口。一键切换到声明、超级方法、用法、测试、实现等。

PyCharm 包含许多工具，例如集成的调试器和测试运行器、Python 分析器和内置终端。您可以将其与主要版本控制系统集成，包括 Git、SVN 和 Mercurial。它还具有远程开发功能、SSH 终端以及与 Vagrant 和 Docker 的集成。

PyCharm 支持与 Jupyter Notebook 集成。它有一个交互式 Python 控制台，也支持 Anaconda。它还与包括 Matplotlib 和 NumPy 在内的科学软件包集成。

Spyder

操作系统：macOS、Windows、Linux

Spyder IDE

Spyder 是一个 专为科学家、工程师和数据分析师设计的科学环境。它是一个综合开发工具，具有编辑、分析、调试和分析等许多功能。此外，数据探索、交互式执行、深度检查和出色的可视化等选项都是它的能力。您还可以通过插件和 API 扩展其功能。

Spyder 有一个多语言编辑器，带有类浏览器、代码分析工具、自动代码完成、转到定义以及水平和垂直拆分。使用 Spyder 的其他优点是您可以获得出色的社区支持以及完整的文档。

用于Eclipse的Scala IDE

操作系统：macOS、Windows、Linux

Scala IDE 代码完成功能

用于 Eclipse 的 Scala IDE 将是IDE 使用机器学习生产代码的一个示例。它为构建基于 Scala 和 Scala-Java 的应用程序提供了复杂的编辑和调试支持。它还允许从 Scala 引用 Java，反之亦然。

与任何现代 IDE 一样，它具有代码完成、语义代码突出显示功能和首选定义。它还会在您键入时捕获编译错误。

IntelliJ IDEA 的 Scala 插件

操作系统：macOS、Windows、Linux

Geany IDE 深色主题

IntelliJ IDEA 是 JetBrains 的另一个 IDE。它以人体工程学和为使用 Java、JavaScript 和其他语言的开发人员提供的智能编码帮助而闻名。Scala 插件扩展了 IntelliJ IDEA 的工具包，支持 SBT、Scala、Scala.js、Hocon 和 Play Framework。

它具有编码辅助、导航、搜索、各种类型的信息以及与 SBT 和其他构建工具集成的功能。

Geany

操作系统：macOS、Windows、Linux

Geany IDE 深色主题

Geany 是使用 Python 进行数据科学的最佳 IDE 之一。IDE 由 Enrico Troger 创建并于 2005 年 10 月 19 日正式发布。它是用 C 和 C++ 编写的，主要设计了 Python 机器学习，但现在支持超过 50 种程序语言。

Geany的另一个优点是它重量轻但功能强大。Geany 的编辑器还有一件事，它支持突出显示项目的语法和行号。

Rodeo

操作系统：macOS、Windows、Linux

在所有用于数据科学和机器学习的 IDE 中，Rodeo 是用途最广泛的 IDE 之一。它使用 IPython 内核，由 Yhat 编写。它以让用户探索、比较和与数据框和绘图交互的能力而闻名。

总结

以上是 Python、Scala、R 编程语言的一些最流行的 IDE。还有更多值得一提的，例如 Jupiter Notebooks、Juno、Atom、Sublime Text 3 和 Visual Studio Code 的 Julia 扩展。如果您对数据科学感兴趣，可以研究这些 IDE。尽管它并不真正适合您的工作流程，但最好保持最新并尽可能多地配备知识。

但是机器学习以及数据科学运行程序需要很大的消耗电脑配置，那么对于现在显卡涨幅大，各种电脑硬件持续涨价，高需求的高配置电脑也水涨船高，对于很多人来说是一笔不小的开支。

转自：呆猫云桌面