1.1 環境安裝指南

在開始學習 Python 之前，建立一個適合的開發環境是非常重要的。良好的環境能夠提升學習效率，讓您專注於程式語言的學習。本指南將介紹兩種常見的 Python 撰寫形式，以及不同的環境安裝方式，供初學者參考。

兩種撰寫 Python 的形式

第一種方式： .py 檔

.py 檔是 Python 的原始碼檔案格式，使用純文字編輯器（如 Notepad++、Sublime Text）或整合開發環境（IDE，如 PyCharm、Visual Studio Code）進行編寫。撰寫完成後，需在終端機中透過 python 指令運行程式碼，並觀察執行結果。

使用情境：

• 適合撰寫完整的應用程式或模組。
• 方便管理大型專案的程式碼結構。
• 易於與版本控制系統（如 Git）整合。

第二種方式： Jupyter Notebook

Jupyter Notebook 是一個互動式的開發環境，允許將程式碼、執行結果、文字說明和圖表整合在同一個文件中。它的檔案格式為 .ipynb，非常適合用於資料科學的開發。

使用情境：

• 非常適合資料分析、機器學習和教學用途。
• 方便進行即時程式碼執行和結果視覺化。
• 有助於分享和展示工作流程和結果。

環境安裝方式

在選擇 Python 的開發環境時，主要有兩種方式：使用雲端資源或在本機電腦上建置 Python 環境。對於剛開始學習 Python 的新手，建議先以免費的雲端服務為主，例如 Google Colab，將重心放在學習 Python 程式設計的基礎。當您學習到一定階段後，再回過頭來考慮在本機電腦上安裝 Anaconda 或 Miniconda，以滿足更進階的開發需求。

• 雲端資源
  • Google Colab（Python初學者友善）
• 本機電腦建置 Python 環境
  • Anaconda（資料科學新手友善）
  • Miniconda（資深老手首選）

Google Colab

Google Colab 是 Google 提供的免費雲端 Jupyter Notebook 服務，無需在本機安裝任何軟體，即可在瀏覽器中撰寫和執行 Python 程式。

使用情境：

• 適合希望快速開始學習 Python 的初學者。
• 不受限於本機電腦的硬體資源，特別適用於需要大量計算的任務。
• 有免費額度使用 GPU 運算資源
• 方便與他人協作和分享 Notebook。

Anaconda

Anaconda 是一個開源的 Python 發行版本，內含大量的科學計算和資料分析套件，並附帶 Conda 套件管理器和虛擬環境功能。適合初學者在本機電腦一鍵快速建置開發所需環境，但缺點是安裝包較大，會佔用較多的硬碟容量。

使用情境：

• 適合需要完整資料科學工具的使用者。
• 提供一站式的環境配置，省去個別安裝套件的麻煩。
• 包含 Spyder、Jupyter Notebook 等開發工具。

Miniconda

Miniconda 是 Anaconda 的精簡版，只包含 Conda 套件管理器和 Python，讓使用者可以自行選擇並安裝所需的套件。適合對 Python 生態系較為熟悉的開發者。

使用情境：

• 適合希望輕量化安裝的使用者。
• 提供更大的靈活性，自行管理環境和套件。
• 適用於硬碟空間有限或只需特定套件的情況。

結語

選擇適合的開發環境能夠大大提升在學習 Python 時的效率和體驗。無論是使用 .py 檔還是 Jupyter Notebook，選擇雲端資源還是本機安裝，都取決於您的學習需求和環境條件。接下來的章節，我們將詳細介紹各種環境的安裝步驟和使用方法，助您順利踏上 Python 的學習之路。