Saan magsulat ng code sa Python: online python, IDLE, Thonny, VS Code, PyCharm, Jupyter at Colab

Maaari kang magsulat at magpatakbo ng code sa Python sa tatlong lugar: sa browser (python online nang walang install), sa simpleng learning environment gaya ng IDLE o Thonny, at sa propesyonal na editor gaya ng VS Code o PyCharm. Para sa pagsusuri ng datos, may hiwalay na mundo: Jupyter, Google Colab, at Spyder mula sa distribusyong Anaconda. Sa ibaba, ipapaliwanag kung ano ang pagkakaiba ng mga ito, paano patakbuhin ang unang code sa bawat isa, at alin ang piliin para sa iyong gawain.

Compiler o interpreter: ano talaga ang nagpapatakbo ng code

Madalas hanapin ang «python compiler», pero interpreted na wika ang Python. Ang code ay pinapatakbo ng interpreter program: isinusulat mo ang ordinaryong teksto sa file na .py, at binabasa ito at pinapatakbo ng programa. Ang pangunahing implementasyon ay tinatawag na CPython at nakasulat sa C — ito ang iniinstall mo mula sa python.org o sa pamamagitan ng uv.

Sa loob ng CPython, unang isinasalin ang source sa bytecode (ang mga file na .pyc sa folder na __pycache__) at agad itong pinapatakbo sa sarili nitong virtual machine. Walang hiwalay na hakbang na «i-compile sa exe». Kaya ang anumang «online Python compiler» ay sa totoo lang interpreter na tumatakbo sa server o mismo sa browser.

Ito ang pangunahing ideya ng artikulo: magkaiba ang editor at ang interpreter. Ang IDLE, Thonny, VS Code, at PyCharm ay mga lugar kung saan ka nagsusulat ng teksto. Ang interpreter ng Python ang laging nagpapatakbo nito, at sa seryosong mga environment, ikaw mismo ang pumipili kung alin.

Python online: magpatakbo ng code nang walang install

Kung kailangan mo lang tingnan ang ilang linya, lutasin ang gawain mula sa aklat, o nasa computer ka ng iba, ang pinakamadaling paraan ay buksan ang python online sa browser. Isusulat mo ang code sa bintana, pipindutin ang Run, at makikita mo ang output. Walang kailangang i-install, gumagana pa nga sa tablet.

May dalawang uri ng online interpreter:

• Server-side — ipinapadala ang code sa malayong makina at doon pinapatakbo (ganito gumagana ang OnlineGDB, Replit, at karamihan ng site na «python online compiler»). May tunay na CPython ito, pero kadalasan may limitasyon sa oras ng pagpapatakbo at hindi ka makakapag-install ng sarili mong library.
• Browser-side — naka-build ang interpreter sa WebAssembly (proyektong Pyodide; dito tumatakbo ang JupyterLite at PyScript). Hindi lumalabas sa computer mo ang code, pero hindi lahat ng module ay available: walang network sa karaniwang kahulugan, at hindi ka makakapagpatakbo ng mga process.

Bigyang-pansin ang bersyon: kadalasang nahuhuli ang mga online service sa pinakabagong release. Kung ang halimbawa sa kurso ay gumagamit ng mga bagong feature ng Python 3.15, maaaring hindi ito tumakbo sa site na may lumang interpreter. Madaling tingnan ang bersyon mismo sa bintana:

import sys
print(sys.version)

Paghanap ng error sa Python code online

Nakakatulong din ang online interpreter sa mga error: patakbuhin ang code, at ipapakita ng Python ang traceback — ang linya at uri ng error. Basahin ito mula ibaba pataas: ang huling linya ang nagsasabi kung ano ang nangyari, at ang mga linya sa itaas ang nagsasabi kung saan.

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

Dito, may typo sa pangalan ng variable, o nakalimutang ideklara ito. Karaniwang error ng baguhan ang SyntaxError: 'return' outside function: nasa labas ng function ang return, kadalasan dahil sa maling indentation. Siguraduhing nakaurong ang linya ng apat na espasyo, gaya ng katawan ng def.

Kapag hindi sapat ang online Python

Mainam ang mga online environment para sa unang hakbang, pero mabilis silang nagiging abala sa seryosong pag-aaral: nawawala ang mga file, hindi ka makapag-install ng library, walang debugger, at mahirap buuin ang proyektong may ilang module. Kapag araw-araw ka nang nagsusulat ng code, mag-install ng Python sa lokal — mga sampung minuto lang ito — at pumili ng editor mula sa listahan sa ibaba.

IDLE: environment na kasama na ng Python

Kasama ng mga installer ng python.org para sa Windows at macOS ang IDLE (idle python), kaya hindi mo na kailangang i-download nang hiwalay: kapag na-install mo ang Python, kasama na ang IDLE. Sa Linux, kadalasang ini-install ito bilang package — sa Debian at Ubuntu, sudo apt install idle3.

May dalawang bintana sa IDLE. Ang Shell ay interactive na console na may prompt na >>>, kung saan agad natatakbo ang bawat linya. Ang editor ay binubuksan sa File → New File: isusulat mo ang code, sine-save ang file, at pipindutin ang F5 (Run → Run Module) — lalabas ang resulta sa Shell.

Kalamangan ng IDLE ang zero na setup at syntax highlighting. Kahinaan nito ang payak na editor: walang maayos na autocompletion sa buong proyekto, at walang built-in na Git o virtual environment. Sapat ito para sa unang ilang linggo, pero hindi para sa mga proyekto. Walang online na bersyon ng IDLE: kapag naghanap ng «idle python online», kadalasan ang browser interpreter ang hinahanap.

Thonny: pinakamahusay na editor para sa pinakaunang hakbang

Ang Thonny ay libreng IDE na ginawa para sa pagtuturo. Kasama sa installer nito ang sarili nitong Python, kaya maaari kang magsimula nang hindi na kailangang mag-install ng hiwalay na interpreter. Payak ang interface: bintana ng editor, console, at button ng pagpapatakbo.

Ang pangunahing katangian ng Thonny ay ang malinaw na step-by-step debugger. Nakikita mo kung paano kinakalkula ang bawat expression, ano ang halaga ng mga variable, at paano tinatawag ang mga function. Para sa taong hindi pa nauunawaan kung bakit hindi tama ang takbo ng loop, mas mahalaga ito kaysa anumang advanced na feature. Ang mga library ay ini-install sa menu na Tools → Manage packages, nang walang command line.

Kung tinuturuan mo ang bata o ang sarili mo mula sa wala at nakakatakot ang terminal — magsimula sa Thonny. Pagkaraan ng ilang buwan, maaari ka nang lumipat sa VS Code nang maayos.

VS Code: pangkalahatang editor para sa Python at iba pa

Ang Visual Studio Code ay libreng editor mula sa Microsoft, na nagiging buong environment para sa Python pagkatapos mong i-install ang Python extension (kasama nito ang Pylance para sa autocompletion at type checking). Ito ang pinakasikat na pagpipilian ng mga nagsusulat hindi lang sa Python: sa iisang bintana, nandiyan ang code, terminal, Git, Docker, at Markdown.

Paano mag-install ng Python sa VS Code

1. I-install muna ang Python mismo (python.org o uv python install 3.15) — hindi ito kasama ng VS Code.
2. I-download ang VS Code mula sa code.visualstudio.com at i-install.
3. Buksan ang panel na Extensions (Ctrl+Shift+X), hanapin ang Python mula sa Microsoft, at pindutin ang Install.
4. Buksan ang folder ng proyekto (File → Open Folder) at gumawa ng file na main.py.
5. Pindutin ang Ctrl+Shift+P, piliin ang Python: Select Interpreter, at itakda ang kailangang bersyon o ang .venv ng proyekto.
6. Patakbuhin ang file gamit ang ▷ button sa kanang itaas o F5 para sa pagpapatakbo gamit ang debugger.

Pinakakaraniwang problema: iba ang Python na pinapatakbo ng VS Code, kaya «hindi makita» ang library na kakainstall mo lang. Nakikita ang napiling interpreter sa status bar sa ibaba; kung system Python ang nakalagay doon pero nasa environment ng proyekto ang mga library, palitan ito sa pamamagitan ng Select Interpreter.

PyCharm: makapangyarihang IDE para sa Python

Ang PyCharm mula sa JetBrains ay environment na ginawa lamang para sa Python. Higit sa lahat ito nakakaunawa ng code: matalinong refactoring (palitan ang pangalan ng function sa buong proyekto), nabigasyon papunta sa mga definition, built-in na debugger, test runner, trabaho sa database, at Git. Libre ang mga pangunahing kakayahan, pero ang mga advanced na feature para sa web development at data ay nangangailangan ng subscription.

Kapalit ng lakas nito ang bigat: mas matagal mag-start ang PyCharm at mas maraming memory ang kailangan kaysa VS Code. Mararamdaman ito sa mahinang laptop.

Paano mag-set ng Python interpreter sa PyCharm

Kapag gumagawa ng proyekto (New Project), nag-aalok ang PyCharm na gumawa ng virtual environment at nagtatanong ng base interpreter — piliin ang naka-install na Python 3.15. Para sa umiiral na proyekto: Settings → Project → Python Interpreter → Add Interpreter, pagkatapos ay piliin ang umiiral na environment o gumawa ng bago. Kung wala sa listahan ang kailangang bersyon, ibig sabihin hindi naka-install ang Python sa sistema — hindi ito dinadala ng PyCharm.

Jupyter at Google Colab: mga notebook para sa datos at eksperimento

Iba ang estruktura ng Jupyter Notebook at JupyterLab: nakatira ang code sa mga cell, at maaaring patakbuhin ang bawat cell nang hiwalay, habang lumalabas ang resulta — table, graph, o teksto — mismo sa ilalim nito. Nananatili ang mga variable sa pagitan ng mga cell, kaya maginhawang i-load ang datos nang isang beses at mag-eksperimento pagkatapos. Ini-install ito sa proyekto gamit ang uv add jupyterlab at pinapatakbo gamit ang uv run jupyter lab.

Ang Google Colab (colab python) ay kaparehong Jupyter notebook, pero nasa cloud ng Google. Kailangan lang ng Google account at browser; nakainstall na ang mga sikat na library para sa datos at machine learning, at maaari kang magkonekta ng GPU para sa mabibigat na kalkulasyon. Mga limitasyon: nadidiskonekta ang session kapag hindi ginagamit, kailangang i-save ang mga file sa Google Drive, at ang bersyon ng Python ay itinatakda ng serbisyo at maaaring nasa likod ng pinakabago.

Mahusay ang mga notebook para sa pagsusuri ng datos at pag-aaral, pero hindi sila mainam para sa mga application: madaling malito ang pagkakasunod ng pagpapatakbo ng mga cell, at mahirap itago ang file na .ipynb sa Git. Ang gumaganang code mula sa notebook ay dapat ilipat sa mga ordinaryong module na .py.

Anaconda at Spyder: distribusyon para sa siyentipikong kalkulasyon

Ang Anaconda ay distribusyon ng Python para sa agham at pagsusuri ng datos: may kasamang interpreter, package manager na conda, daan-daang library (NumPy, pandas, Matplotlib), Jupyter, at ang IDE na Spyder. Isang installer lang ang kailangan; sa Windows, hindi idinaragdag ng Anaconda ang sarili nito sa PATH bilang default, at inirerekomendang patakbuhin ang mga tool nito mula sa Anaconda Prompt o Anaconda Navigator.

Ang Spyder (spyder python) ay kahawig ng MATLAB o RStudio: editor, IPython console, at pagtingin sa mga variable at graph sa iisang bintana. Ito ang pinakapamilyar para sa mga siyentipiko at analyst na galing sa mga tool na iyon.

Tandaan ang dalawang bagay. Ilang gigabyte ang laki ng distribusyon, kahit na hindi kailangan sa pag-aaral ang karamihan ng package. At para sa komersyal na paggamit sa mga organisasyon, kailangang basahing mabuti ang lisensya ng Anaconda. Magaan na alternatibo ang Miniconda o ang ordinaryong Python na may uv, kung saan idinadagdag ang kailangang library habang kinakailangan.

Paghahambing ng mga environment: saan magsulat ng Python code

Paano pumili ng environment: maikling gabay

• Gusto mong makita ngayon kung ano ang Python — buksan ang python online o Colab.
• Nagsisimula ka mula sa wala at natatakot sa terminal — Thonny o IDLE.
• Magsusulat ka ng mga script, bot, website, o magtatrabaho sa team — VS Code o PyCharm.
• Nagtatrabaho ka sa mga talahanayan, graph, at modelo — Jupyter (lokal o sa Colab), Spyder kung sanay ka sa MATLAB.

Halos walang gastos ang paglipat sa pagitan ng mga environment: ang file na .py ay ordinaryong teksto na mabubuksan sa anumang editor. Mas mahalagang masanay sa pagpapatakbo ng code mula sa terminal, nang walang mga button ng environment:

python3 expenses.py      # karaniwang paraan ng sistema
uv run expenses.py       # bersyon at environment ng proyekto

Sa ganitong paraan, tiyak mong alam kung aling interpreter ang nagpapatakbo ng programa — at kaya kikilos ang code nang pareho sa IDLE, sa VS Code, at sa server.

Buod

Ang python online sa browser ang pinakamabilis na paraan para subukan ang wika sa loob ng isang minuto, pero para sa tuluy-tuloy na pag-aaral, mag-install ng Python at pumili ng editor: IDLE o Thonny sa simula, VS Code o PyCharm para sa mga proyekto, at Jupyter, Colab, at Spyder para sa datos. Tandaan na ang editor ay tumutulong lamang sa pagsusulat ng teksto, at ang interpreter ang nagpapatakbo nito — kaya dapat mong malaman ang bersyon nito. Ang pag-install ng Python 3.15, paggamit ng REPL console, at pagpapatakbo ng unang script ay tinalakay nang praktikal sa unang lektura ng kurso.