Python कोड कहाँ लिखें: online Python, IDLE, Thonny, VS Code, PyCharm, Jupyter और Colab

Python कोड तीन जगह लिखा और चलाया जा सकता है: browser में (बिना install के online Python), IDLE या Thonny जैसे सरल learning environment में, और VS Code या PyCharm जैसे पेशेवर editors में। Data analysis की अपनी अलग दुनिया है: Jupyter, Google Colab और Anaconda के Spyder। नीचे देखेंगे कि ये एक-दूसरे से कैसे अलग हैं, हर एक में पहला कोड कैसे चलाएँ, और अपने काम के लिए क्या चुनें।

Compiler या interpreter: कोड असल में कौन चलाता है

खोज में अक्सर “python compiler” लिखा जाता है, लेकिन Python एक interpreted भाषा है। कोड एक interpreter program चलाता है: आप .py फ़ाइल में सामान्य text लिखते हैं, और वह उसे पढ़कर execute करता है। मुख्य implementation को CPython कहते हैं, जो C में लिखी है; यही आप python.org से या uv के ज़रिए install करते हैं।

CPython पहले source code को bytecode में बदलता है (वही .pyc फ़ाइलें जो __pycache__ folder में बनती हैं) और उसे अपनी virtual machine पर तुरंत चला देता है। “exe बनाने” वाला कोई अलग step नहीं है। इसलिए हर “online Python compiler” असल में एक interpreter है, जो server पर या सीधे browser में चलता है।

इस लेख की मुख्य बात यही है: editor और interpreter अलग चीज़ें हैं। IDLE, Thonny, VS Code और PyCharm वे जगहें हैं जहाँ आप text लिखते हैं। उसे हमेशा Python interpreter चलाता है, और गंभीर environments में आप ख़ुद चुन सकते हैं कि कौन सा।

Python online compiler: install किए बिना कोड चलाएँ

अगर आपको दो-चार lines जाँचनी हैं, किताब का कोई सवाल हल करना है, या किसी और के computer पर बैठे हैं, तो सबसे आसान तरीका है browser में online Python खोलना। Window में कोड लिखें, Run दबाएँ और output देखें। कुछ install नहीं करना पड़ता, tablet पर भी चलता है।

Online interpreters दो तरह के होते हैं:

• Server-side — कोड किसी दूर की machine को भेजा जाता है और वहाँ चलता है (OnlineGDB, Replit और ज़्यादातर “python online compiler” साइटें ऐसे काम करती हैं)। इसमें असली CPython होता है, पर चलने का समय सीमित होता है और अपनी libraries install नहीं कर सकते।
• Browser-side — interpreter WebAssembly में बना होता है (Pyodide project, जिस पर JupyterLite और PyScript चलते हैं)। कोड आपके computer से बाहर नहीं जाता, पर सभी modules उपलब्ध नहीं होते: network सामान्य रूप में नहीं मिलता और processes नहीं चलाए जा सकते।

Version पर ध्यान दें: online services अक्सर नए release से पीछे रहती हैं। अगर course का कोई उदाहरण Python 3.15 की नई सुविधाएँ इस्तेमाल करता है, तो पुराने interpreter वाली साइट पर वह नहीं चल सकता। Version सीधे window में देखा जा सकता है:

import sys
print(sys.version)

Online Python में code की error कैसे ढूँढें

Online interpreter errors ढूँढने में भी मदद करता है: code चलाइए, और Python traceback दिखाएगा, यानी line और error का प्रकार। Traceback नीचे से ऊपर पढ़ें: आख़िरी line बताती है क्या गड़बड़ है, और ऊपर की lines बताती हैं कहाँ।

Traceback (most recent call last):
  File "main.py", line 2, in <module>
    print(total + 1)
          ^^^^^
NameError: name 'total' is not defined

यहाँ variable के नाम में typo है, या उसे define करना भूल गए हैं। नए लोगों की आम error है SyntaxError: 'return' outside function: return किसी function के बाहर लिखा है, आम तौर पर indentation बिगड़ने से। जाँचें कि line उतनी ही चार spaces से अंदर है जितनी def के body की होती हैं।

कब online Python काफ़ी नहीं होता

Online environments पहले कदमों के लिए अच्छे हैं, पर गंभीर पढ़ाई में जल्दी दिक्कत देने लगते हैं: files खो जाती हैं, library install नहीं होती, debugger नहीं होता, और कई modules वाला project संभालना मुश्किल होता है। जैसे ही आप रोज़ कोड लिखने लगें, Python computer पर install करें (इसमें दस मिनट लगते हैं) और नीचे की सूची से editor चुनें।

Replit, Trinket और Python Tutor भी लोकप्रिय हैं। Replit पूरे project और packages के साथ browser में काम करने देता है, Trinket स्कूल और शुरुआती पाठों के लिए सरल है, और Python Tutor (pythontutor.com) कोड को कदम-दर-कदम चलाकर दिखाता है कि हर लाइन पर variables और lists में क्या होता है — loops और functions समझने के लिए यह बहुत उपयोगी है।

IDLE: वह environment जो Python के साथ पहले से आता है

IDLE (idle python) python.org के Windows और macOS installers के साथ आता है, इसलिए उसे अलग से download करने की ज़रूरत नहीं: Python install किया, IDLE मिल गया। Linux पर यह आम तौर पर package के रूप में लगता है; Debian और Ubuntu में — sudo apt install idle3।

IDLE में दो windows होती हैं। Shell एक interactive console है, जिसमें >>> prompt होता है और हर line तुरंत चलती है। Editor File → New File से खुलता है: code लिखें, file save करें और F5 (Run → Run Module) दबाएँ, नतीजा Shell में दिखेगा।

IDLE के फ़ायदे — कोई setup नहीं और syntax highlighting। नुकसान — सादा editor: project भर में अच्छा autocomplete नहीं, Git और virtual environments का built-in सहारा नहीं। पहले कुछ हफ़्तों के लिए काफ़ी है, projects के लिए नहीं। IDLE का कोई online version नहीं है: “idle python online” खोजने वाले आम तौर पर browser वाला interpreter ही ढूँढते हैं।

Thonny: सबसे पहले कदमों के लिए सबसे अच्छा editor

Thonny एक मुफ़्त IDE है, जो ख़ास तौर पर सीखने के लिए बना है। उसका installer अपना Python साथ लाता है, इसलिए interpreter अलग से install किए बिना भी शुरू किया जा सकता है। Interface सादा है: editor, console और run का बटन।

Thonny की मुख्य खासियत समझने में आसान step-by-step debugger है। आप देख सकते हैं कि हर expression कैसे निकलता है, variables में कौन सी value है और functions कैसे call होते हैं। जिसे अभी समझ नहीं आ रहा कि loop वैसे क्यों नहीं चल रहा जैसा सोचा था, उसके लिए यह किसी भी उन्नत फ़ीचर से ज़्यादा काम का है। Libraries Tools → Manage packages मेनू से लगती हैं, command line की ज़रूरत नहीं।

अगर आप किसी बच्चे को या ख़ुद को शून्य से सिखा रहे हैं और terminal डराता है, तो Thonny से शुरू करें। कुछ महीने बाद आराम से VS Code पर जा सकते हैं।

VS Code: Python और बाकी सब के लिए एक editor

Visual Studio Code Microsoft का मुफ़्त editor है, जो Python extension install होने के बाद पूरी तरह Python environment बन जाता है (उसके साथ Pylance आता है, जो autocomplete और type checking देता है)। जो लोग सिर्फ़ Python नहीं लिखते, उनमें यह सबसे लोकप्रिय है: एक window में code, terminal, Git, Docker और Markdown।

VS Code में Python कैसे सेट करें

1. Python ख़ुद install करें (python.org से या uv python install 3.15) — VS Code इसे साथ नहीं लाता।
2. code.visualstudio.com से VS Code download करके install करें।
3. Extensions panel खोलें (Ctrl+Shift+X), Microsoft का Python ढूँढें और Install दबाएँ।
4. project folder खोलें (File → Open Folder) और main.py बनाएँ।
5. Ctrl+Shift+P दबाकर Python: Select Interpreter चुनें और ज़रूरी version या project का .venv चुनें।
6. file ऊपर-दाएँ कोने के ▷ बटन से चलाएँ, या debugger के साथ चलाने के लिए F5 दबाएँ।

सबसे आम दिक्कत यह है कि VS Code कोई और Python चलाता है, और आपने जो library अभी install की वह “नहीं मिलती”। चुना हुआ interpreter नीचे status bar में दिखता है; अगर वहाँ system Python है और libraries project के environment में लगी हैं, तो Select Interpreter से बदल दें।

PyCharm: Python के लिए बनी शक्तिशाली IDE

JetBrains का PyCharm ऐसा environment है जो सिर्फ़ Python के लिए बना है। यह code को सबसे गहराई से समझता है: smart refactoring (पूरे project में function का नाम बदलना), definitions पर navigation, built-in debugger, test runner, database और Git के साथ काम। बुनियादी सुविधाएँ मुफ़्त हैं, पर web development और data के उन्नत फ़ीचर subscription माँगते हैं।

ताक़त की कीमत है भार: PyCharm VS Code से काफ़ी धीरे खुलता है और ज़्यादा memory लेता है। कमज़ोर laptop पर यह महसूस होता है।

PyCharm में Python interpreter कैसे सेट करें

नया project बनाते समय (New Project) PyCharm virtual environment बनाने की पेशकश करता है और base interpreter पूछता है — वहाँ install किया Python 3.15 चुनें। मौजूदा project के लिए: Settings → Project → Python Interpreter → Add Interpreter, फिर मौजूदा environment चुनें या नया बनाएँ। अगर सूची में ज़रूरी version नहीं है, तो इसका मतलब है कि Python system में install नहीं है — PyCharm उसे ख़ुद साथ नहीं लाता।

Jupyter और Google Colab: data और experiments के लिए notebooks

Jupyter Notebook और JupyterLab अलग ढंग से काम करते हैं: code cells में रहता है, और हर cell अलग से चलाई जा सकती है, नतीजा — table, graph या text — ठीक उसके नीचे आता है। Variables cells के बीच बने रहते हैं, इसलिए data एक बार load करके आगे प्रयोग करना आसान है। Project में uv add jupyterlab से जोड़ें और uv run jupyter lab से चलाएँ।

Google Colab (colab python) वही Jupyter notebook है, पर Google के cloud में। बस Google account और browser चाहिए; data और machine learning की लोकप्रिय libraries पहले से install होती हैं, और भारी गणना के लिए GPU जोड़ा जा सकता है। सीमाएँ: session निष्क्रिय रहने पर बंद हो जाता है, files Google Drive में सहेजनी होती हैं, और Python का version सेवा तय करती है, जो ताज़ा release से पीछे हो सकता है।

Notebooks data analysis और सीखने के लिए बहुत अच्छे हैं, पर applications के लिए ठीक नहीं: cells चलाने का क्रम आसानी से गड़बड़ हो जाता है, और .ipynb file को Git में संभालना मुश्किल है। Notebook का काम का code सामान्य .py modules में ले जाना चाहिए।

Anaconda और Spyder: वैज्ञानिक गणना के लिए distribution

Anaconda data science और विज्ञान के लिए Python distribution है: इसमें interpreter, conda package manager, सैकड़ों libraries (NumPy, pandas, Matplotlib), Jupyter और Spyder IDE होते हैं। यह एक installer से लगता है; Windows पर Anaconda डिफ़ॉल्ट रूप से अपने आप PATH में नहीं जुड़ता, और इसके tools Anaconda Prompt या Anaconda Navigator से चलाने को कहा जाता है।

Spyder (spyder python) MATLAB या RStudio जैसा है: editor, IPython console, variables और graphs देखने की सुविधा एक window में। जो वैज्ञानिक और analysts इन tools से आ रहे हैं, उन्हें यह सबसे परिचित लगता है।

दो बातें ध्यान रखें। Distribution कई gigabytes का है, जबकि सीखने के लिए ज़्यादातर packages की ज़रूरत नहीं होती। और संगठनों में व्यावसायिक उपयोग के लिए Anaconda की license शर्तें ध्यान से पढ़ें। हल्का विकल्प Miniconda या uv के साथ सामान्य Python है, जिसमें ज़रूरत के अनुसार libraries लगाई जाती हैं।

Environments की तुलना: Python कोड कहाँ लिखें

Environment कैसे चुनें: एक छोटा तरीका

• अभी देखना है कि Python क्या है — online Python या Colab खोलें।
• शून्य से सीख रहे हैं और terminal से डरते हैं — Thonny या IDLE।
• scripts, bots, websites लिखना है या team में काम करना है — VS Code या PyCharm।
• tables, graphs और models के साथ काम है — Jupyter (locally या Colab में), और अगर MATLAB की आदत है तो Spyder।

Environments बदलना लगभग मुफ़्त है: .py file सादा text है, जो किसी भी editor में खुल जाती है। ज़्यादा ज़रूरी है कि आप code को terminal से भी चलाना सीखें, environment के बटनों के बिना:

python3 expenses.py      # system तरीका
uv run expenses.py       # project का version और environment

इससे आप पक्के तौर पर जानते हैं कि program कौन सा interpreter चला रहा है, और code IDLE, VS Code या server पर एक जैसा व्यवहार करेगा।

निष्कर्ष

Browser में online Python एक मिनट में भाषा आज़माने का सबसे अच्छा तरीका है, पर नियमित पढ़ाई के लिए Python install करके editor चुनें: शुरुआत में IDLE या Thonny, projects के लिए VS Code या PyCharm, और data के लिए Jupyter, Colab या Spyder। याद रखें कि editor सिर्फ़ text लिखने में मदद करता है, उसे चलाता interpreter है, और उसका version आपको पता होना चाहिए। Python 3.15 install करना, REPL में काम करना और पहला script चलाना पहले lecture में व्यावहारिक रूप से समझाया गया है।