在哪里编写 Python 代码：在线 Python、IDLE、Thonny、VS Code、PyCharm、Jupyter 和 Colab

在三个地方都可以编写和运行 Python 代码：浏览器（无需安装的在线 Python）、IDLE 或 Thonny 这类简单的学习环境，以及 VS Code 或 PyCharm 这样的专业编辑器。数据分析还有一套单独的工具：Jupyter、Google Colab，以及 Anaconda 发行版中的 Spyder。下面说明它们的区别，如何在每种环境中运行第一段代码，以及根据你的任务如何选择。

编译器还是解释器：到底是什么在运行代码

搜索时常会看到「Python 编译器」这个说法，但 Python 是一门解释型语言。代码由解释器程序执行：你在 .py 文件中写普通文本，解释器读取并执行它。最主要的实现叫做 CPython，用 C 语言编写，也就是你从 python.org 或通过 uv 安装的那个程序。

CPython 会先把源代码翻译为字节码（__pycache__ 文件夹中的 .pyc 文件），然后立即在自己的虚拟机上执行。没有「编译成 exe」的单独步骤。因此，所谓的「Python 在线编译器」，实际上都是在服务器或浏览器中运行的解释器。

这就是本文的核心观点：编辑器和解释器是两回事。IDLE、Thonny、VS Code 和 PyCharm 是你编写文本的地方，而执行代码的始终是 Python 解释器。在正规的开发环境中，你需要自己选择使用哪一个解释器。

在线 Python：无需安装即可运行代码

如果只想验证几行代码、完成教材上的一道题，或者正在别人的电脑上工作，最简单的办法是在浏览器中打开在线 Python。你在窗口里输入代码，点击 Run，就能看到输出结果。无需安装任何东西，平板电脑上也能用。

在线解释器主要有两类：

• 服务端运行：代码被发送到远程服务器执行（OnlineGDB、Replit 以及大多数「python online compiler」类网站都是这样工作的）。这里运行的是完整的 CPython，但通常有运行时间限制，且不能安装你自己的库。
• 浏览器端运行：解释器以 WebAssembly 形式在浏览器中运行（Pyodide 项目，JupyterLite 和 PyScript 都基于它）。代码不会离开你的电脑，但并非所有模块都可用：通常没有常规的网络访问，也不能启动进程。

注意版本：在线服务往往落后于最新发布。如果课程中的示例使用了 Python 3.15 的新特性，在解释器版本较旧的网站上可能无法运行。版本可以直接在窗口中检查：

import sys
print(sys.version)

在线查找 Python 代码中的错误

在线解释器同样有助于排查错误：运行代码后，Python 会显示 traceback，指出出错的行和错误类型。阅读时从下往上看：最后一行说明发生了什么，上面的行说明在哪里发生。

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

这里是变量名拼写错误，或者忘记了定义该变量。新手常见的错误是 SyntaxError: 'return' outside function：return 写在函数外面，通常是缩进错位造成的。请检查这一行是否与 def 的函数体缩进相同，即四个空格。

在线 Python 不够用的时候

在线环境适合入门，但认真学习时很快会遇到限制：文件容易丢失，无法安装库，没有调试器，多模块的项目也不便组织。一旦你每天都写代码，就请在本地安装 Python，大约十分钟即可完成，然后从下面的列表中选择一个编辑器。

IDLE：随 Python 一起安装的环境

IDLE 包含在 python.org 提供的 Windows 和 macOS 安装程序中，因此无需单独下载：装好 Python 就有了 IDLE。在 Linux 上通常通过软件包安装，在 Debian 和 Ubuntu 上使用 sudo apt install idle3。

IDLE 有两个窗口。Shell 是带有 >>> 提示符的交互式控制台，每输入一行就立即执行。编辑器通过 File → New File 打开：编写代码，保存文件，然后按 F5（Run → Run Module），结果会显示在 Shell 中。

IDLE 的优点是无需任何配置，并且带语法高亮。缺点是编辑器比较简陋：没有完善的项目级自动补全，也没有内置的 Git 和虚拟环境支持。前几周够用，做项目就不够了。IDLE 没有在线版本：搜索「idle python online」的人通常需要的正是浏览器中的在线解释器。

Thonny：最适合入门第一步的编辑器

Thonny 是专为教学设计的免费 IDE。它的安装包自带 Python，因此完全可以不单独安装解释器就开始学习。界面极简：编辑器窗口、控制台和运行按钮。

Thonny 的亮点是清晰的单步调试器。你可以看到每个表达式如何计算、变量取什么值、函数如何被调用。对于还不明白为什么循环的执行结果与预期不符的人来说，这比任何高级功能都更有价值。库可以通过 Tools → Manage packages 菜单安装，无需使用命令行。

如果你要教孩子，或者从零开始自学而又害怕终端，就从 Thonny 开始吧。几个月后，再平滑地转到 VS Code 也不迟。

VS Code：适用于 Python 和其他一切的通用编辑器

Visual Studio Code 是微软推出的免费编辑器，安装 Python 扩展后就成为完整的 Python 开发环境（扩展会一并安装 Pylance，用于自动补全和类型检查）。对于不只写 Python 的人来说，这是最受欢迎的选择：同一个窗口里可以有代码、终端、Git、Docker 和 Markdown。

如何在 VS Code 中设置 Python

1. 先安装 Python 本身（python.org 或 uv python install 3.15），VS Code 并不包含它。
2. 从 code.visualstudio.com 下载并安装 VS Code。
3. 打开 Extensions 面板（Ctrl+Shift+X），搜索 Microsoft 发布的 Python，点击 Install。
4. 打开项目文件夹（File → Open Folder），新建文件 main.py。
5. 按 Ctrl+Shift+P，选择 Python: Select Interpreter，指定所需版本或项目的 .venv。
6. 点击右上角的 ▷ 运行文件，或按 F5 在调试器中运行。

最常见的问题是 VS Code 运行的 Python 不是你期望的那个，于是刚装好的库「找不到」。当前使用的解释器显示在底部状态栏中；如果那里显示的是系统 Python，而库安装在项目的虚拟环境中，请通过 Select Interpreter 切换。

PyCharm：专为 Python 打造的强大 IDE

PyCharm 由 JetBrains 开发，是只为 Python 设计的环境。它对代码的理解最为深入：智能重构（例如在整个项目中重命名函数）、跳转到定义、内置调试器、测试运行器、数据库工具以及 Git 集成。基础功能免费，Web 开发和数据方面的高级功能需要订阅。

强大的代价是体积：PyCharm 的启动明显比 VS Code 慢，占用的内存也更多，在配置较低的笔记本上会感受到。

如何在 PyCharm 中设置解释器

创建项目时（New Project），PyCharm 会提议创建虚拟环境，并询问基础解释器，此时选择你已安装的 Python 3.15 即可。对于已有项目：Settings → Project → Python Interpreter → Add Interpreter，然后选择已有的环境或新建一个。如果列表中没有所需版本，说明系统中没有安装 Python——PyCharm 本身并不自带解释器。

Jupyter 与 Google Colab：用于数据和实验的笔记本

Jupyter Notebook 和 JupyterLab 的工作方式不同：代码放在单元格中，可以单独运行每个单元格，结果（表格、图表、文字）直接显示在其下方。变量在单元格之间保持不变，因此可以只加载一次数据，然后反复实验。在项目中可以用 uv add jupyterlab 安装，并用 uv run jupyter lab 启动。

Google Colab（colab python）就是云端的 Jupyter 笔记本，由 Google 提供。你只需要 Google 账号和浏览器；常用的数据和机器学习库已经预装，处理大型计算时还可以连接 GPU。限制是：会话空闲一段时间后会断开，文件需要保存到 Google 云端硬盘，Python 版本由服务决定，可能落后于最新版本。

笔记本非常适合数据分析和学习，但不适合开发应用：单元格的执行顺序很容易搞混，而 .ipynb 文件在 Git 中不便管理。笔记本中可以复用的代码，应当迁移到普通的 .py 模块中。

Anaconda 与 Spyder：科学计算发行版

Anaconda 是面向科学计算和数据分析的 Python 发行版：内含解释器、包管理器 conda、数百个库（NumPy、pandas、Matplotlib）、Jupyter 以及 IDE Spyder。通过一个安装程序即可完成安装。在 Windows 上，Anaconda 默认不会把自己加入 PATH，它的工具建议从 Anaconda Prompt 或 Anaconda Navigator 中启动。

Spyder（spyder python）类似于 MATLAB 或 RStudio：编辑器、IPython 控制台、变量与图表查看器集中在一个窗口中。对于从这些工具转过来的科研人员和分析师来说，它最为顺手。

需要注意两点。这个发行版有好几个 GB，而学习时大部分包都用不上。另外，在企业中商业使用 Anaconda 时，要仔细阅读其许可条款。更轻量的替代方案是 Miniconda 或使用 uv 管理的普通 Python，需要哪个库再安装哪个。

环境对比：在哪里编写 Python 代码

如何选择环境：简短指南

• 想立刻看看 Python 是什么样子——打开在线 Python 或 Colab。
• 从零开始学，又害怕终端——Thonny 或 IDLE。
• 打算编写脚本、机器人、网站，或在团队中工作——VS Code 或 PyCharm。
• 处理表格、图表和模型——Jupyter（本地或 Colab），如果习惯了 MATLAB，则用 Spyder。

在不同环境之间切换几乎没有成本：.py 文件只是普通文本，任何编辑器都能打开。更重要的是习惯从终端运行代码，而不仅仅依赖环境中的按钮：

python3 expenses.py      # 使用系统的方式
uv run expenses.py       # 使用项目的版本与环境

这样你就能确切知道是哪个解释器在执行程序，代码在 IDLE、VS Code 和服务器上的表现也会保持一致。

总结

在线 Python 是一分钟内体验这门语言的最佳方式，但要持续学习，最好安装 Python 并选择一个编辑器：入门用 IDLE 或 Thonny，做项目用 VS Code 或 PyCharm，处理数据用 Jupyter、Colab 和 Spyder。请记住，编辑器只是帮你编写文本，真正执行代码的是解释器，所以你需要知道它的版本。安装 Python 3.15、在 REPL 控制台中工作以及运行第一个脚本，都会在课程的第一讲中实际演示。