现在大家来分享一下pycharm的安装和一些快捷键使用方法：
一、Pycharm安装方法和项目创建：1、首先去Pycharm官网，或者直接输入网址：http://www.jetbrains.com/pycharm/download/#section=windows，下载PyCharm安装包，根据自己电脑的操作系统进行选择，对于windows系统选择下图的框框所包含的安装包。
2、选择Windows系统的专业版，将其下载到本地，如下图所示：
3、双击下载的安装包，进行安装，然后会弹出界面：
4、选择安装目录，Pycharm需要的内存较多，建议将其安装在D盘或者E盘，不建议放在系统盘C盘：
5、点击Next，进入下图的界面：
Create Desktop Shortcut创建桌面快捷方式，一个32位，一个64位，小编的电脑是64位系统，所以选择64位。
勾选Create Associations是否关联文件，选择以后打开.py文件就会用PyCharm打开。
6、点击Next，进入下图：
默认安装即可，直接点击Install。
7、耐心的等待两分钟左右，如下图：
8、之后就会得到下面的安装完成的界面：
9、点击Finish，Pycharm安装完成。接下来对Pycharm进行配置，双击运行桌面上的Pycharm图标，进入下图界面：
选择Do not import settings，之后选择OK，进入下一步。
10、选择Accept，进入下一步：
11、进入激活界面，选择第二个License server，如下图所示：
之后在License server address中随意输入下面两个注册码中的任意一个即可，Pycharm新注册码1：http://idea.liyang.io或pycharm新注册码2：http://xidea.online，之后点击OK，便可以激活Pycharm了。
12、Pycharm激活后
13、激活之后会自动跳转到下图界面，选择IDE主题与编辑区主题：
建议选择Darcula主题，该主题更有利于保护眼睛，而且看上去也非常不错~~~
14、选择OK之后进入下图界面：
选择Yes即可，更换IDE主题。
15、之后进入下图界面：
16、点击Create New Project，进入如下图的界面：
自定义项目存储路径，IDE默认会关联Python解释器。选择好存储路径后，点击create。
17、IDE提供的提示，直接close即可，不用理会。
18、进入的界面如下图所示，鼠标右击图中箭头指向的地方，然后选择New，最后选择python file，在弹出的框中填写文件名（任意填写），本例填写：helloworld。
19、之后得到下图，然后点击OK即可：
20、文件创建成功后便进入如下的界面，便可以编写自己的程序了。
这个界面是Pycharm默认的界面，大家完全可以自己去setting中设置自己喜欢的背景和字体大小、格式等等。
在这里偶就不一一赘述了，起码到这里偶相信大家已经实现了Pycharm的安装了。
二、部分快捷键使用方法：1、Ctrl + Enter：在下方新建行但不移动光标；
2、Shift + Enter：在下方新建行并移到新行行首；
3、Ctrl + /：注释(取消注释)选择的行；
4、Ctrl+d：对光标所在行的代码进行复制。
首行加上 ## -*- coding: utf-8 -*- 告诉python编译器，py文件使用utf-8编码的，这样py文件中就可以插入中文字符 但必须保证py文件真的是utf-8编码的，这在部分高级文本编辑器中可以设置 不过在windows默认的编辑器下，保存的编码其实是GB2312，你当然可以在首行加上说明，但这其实会误导编译器，应该加上的是 ## -*- coding: gb2312 -*- 但不推荐这么做，编码最好为utf-8，这样国际通用
世界上最好的 Python 编辑器或 IDE 是什么？炫酷的界面、流畅的体验，机器之心投 PyCharm 一票，那么你呢？本文介绍了 PyCharm、Jupyter Notebook 和 Spyder 在内的 5 种主流 Python IDE，每一种都各有优缺点。不过结合经验教训，不论是纯文本编辑器还是集成开发环境，总有一款是你的最爱。
1991 年，Guido van Rossum 创建了 Python 并发布了第一个版本。这种解释型高级编程语言为通用编程而开发。Linux、MacOS 和 Windows 等操作系统中都有 Python 解释器。
经过近 30 年的发展，Python 已成为编程社区极受欢迎的语言。使用 IDLE 或 Python Shell 写 Python 编码适用于小型项目，但无法应对成熟的机器学习或数据科学项目。
在这种情况下，你需要使用一个 IDE（集成开发环境）或专用的代码编辑器。由于 Python 是最流行的编程语言之一，IDE 的选择也非常多。那么问题来了：「究竟什么样的 IDE 最适合 Python？」
很明显，没有哪一个 IDE 或代码编辑器可以称得上是「最好」的 Python IDE 或编辑器。这是因为它们各有优劣。此外，从为数众多的 IDE 中进行挑选实在太浪费时间。
但不用担心，本文已经为你整理好了。为了帮助你做出正确的选择，本文将介绍几种最适合 Python 的 IDE，专门用于处理数据科学项目。
Atom平台：Linux/macOS/Windows
官网：https://atom.io/
类型：通用文本编辑器
Atom 是一种免费的开源文本及源代码编辑器，适用于 Java、PHP、Python 等多种编程语言。该文本编辑器支持用 Node.js 写成的插件。尽管 Atom 适用于多种语言，但它对 Python 情有独钟，其有趣的数据科学特性非常适合 Python。
Atom 的最大特点之一是支持 SQL 查询，但你需要安装 Data Atom 插件才能获取该特性。它支持 Microsoft SQL Server、MySQL 及 PostgreSQL。而且，你还可以可视化 Atom 的结果，无需打开其他任何窗口。
可以帮助 Python 数据科学家的另一个 Atom 插件是 Markdown Preview Plus。它可以为编辑、可视化 Markdown 文件提供支持，让你可以预览、渲染 LaTeX 公式等。
优点：
活跃的社区支持
与 Git 的完美集成
为管理多个项目提供支持
缺点：
在较老的 CPU 上运行可能会出现性能问题
可能遇到迁移问题
Jupyter Notebook平台：Linux/macOS/Windows
官网：https://jupyter.org/
类型：基于 Web 的 IDE
Jupyter Netbook 起源于 2014 年的 Ipython，它是一种基于服务器-客户端结构的网页应用。Jupyter Netbook 允许大家通过「Notebook」创建和操作代码文件，并且采用一种即时运行的方法，这是 Jupyter Notebook 最重要的特性。对于 Python 数据科学家而言，Jupyter Notebook 基本上是必需品，因为它提供了最直观、最精炼的交互式数据科学环境。
对于刚入门的数据科学家而言，Jupyter 是最简单也最完美的工具。大家在写完一个代码片段后就能直接运行这些局部代码查看效果，因此它的交互效果是最好的。此外，Jupyter Notebook 中的单元可以选择代码或者文档，也就是说选择文档后可以直接按照 MarkDown 的语法写代码或整个文件的注释、心得和背景知识等。
通过使用 Matplotlib 和 Seaborn 等可视化工具，大家可以直接在代码单元下输出想要的可视化图信息。当然大家也可以将整个 Notebook 文件导出为 PDF、HTML 或纯 Python 代码文件，这非常有利于文件在不同平台间的传播，因此像谷歌的 Colab 等平台也都默认使用 Notebook 的这种形式。与 Ipython 一样，Jupyter Notebook 是一系列项目的总称，包括 Notebook、Console 和 Qt console 等。
优点：
允许使用 Notebook 直接创建博客或代码演示
确保可复现的研究与解释
在运行整体前可以运行并修正局部代码块
缺点：
复杂的安装过程（你也可以直接安装集成开发环境 Anoconda～）
PyCharm平台：Linux/macOS/Windows
官网：https://www.jetbrains.com/pycharm/
类型：Python 专用 IDE
PyCharm 是 Python 的专用 IDE，地位类似于 Java 的 IDE Eclipse。功能齐全的集成开发环境同时提供收费版和免费版，即专业版和社区版。PyCharm 是安装最快的 IDE，且安装后的配置也非常简单，因此 PyCharm 基本上是数据科学家和算法工程师的首选 IDE。
对于喜欢 IPython 或 Anaconda 发行版的人而言，PyCharm 同样可以便捷地集成 Matplotlib 和 NumPy 等工具，这意味着大家在处理数据科学项目时可以便捷地使用数组查看器和交互式图表等。除此之外，IDE 还扩展了对 JavaScript 和 Angular JS 等语言的支持，这使得它同样也适合 Web 端的开发。
安装完成后，大家可以快速建立一个 Python 项目，并选择解释器和新的代码文件。可能大家会用 conda 等工具维护不同的环境，例如 TensorFlow 或 PyTorch 等，在建立新项目时只需要选择这些环境下的 Python 主程序就相当于选择了新环境。最后，除了提供直接 debug 和运行功能外，PyCharm 还提供对源代码和项目控制的支持。
优点：
活跃的社区支持
支持全面的 Python 开发，不论是数据科学还是非数据科学项目
新手和老兵都易于使用
快速 Reindexing
运行、编辑、debug Python 代码都不需要额外的支持
缺点：
加载可能比较慢
使用现有项目前可能需要调整默认设置
Redeo平台：Linux/macOS/Windows
官网：https://rodeo.yhat.com/
类型：Python 专用 IDE
Redeo 的 logo 就暗示了这个 IDE 是专门为数据分析而开发的，如果用过 RStudio，你就会发现 Redeo 与它有很多相似的特征。对于那些不了解 RStudio 的人而言，你们只需要知道它是最流行的 R 语言集成开发环境。与 RStudio 一样，Rodeo 的窗口分为四部分，即代码文本编辑器、控制台、变量可视化环境和图形/库/文件的查看窗口。有意思的是，RStudio 和 Redeo 都与 MATLAB 有很多相似之处。
Redeo 的最大优势在于新手和老兵都能方便地使用。由于 Redeo 允许在写代码的同时查看变量和可视化等细节，它可以称得上是最好的数据科学 IDE 之一。此外，Redeo 还有内置的课程及辅助材料。
优点：
大量定制化设计
实时监控代码到底创建了些什么
通过自动补全和语法高亮，写代码会更快
缺点：
有很多 Bug
社区支持不是很多
内存问题
Spyder平台：Linux/macOS/Windows
官网：https://www.github.com/spyder-ide/spyder
类型：Python 专用 IDE
Spyder 是 Python 专用的一种开源 IDE，其独特之处在于专为数据科学工作流程进行了优化。它与 Anconda 软件包管理器捆绑在一起，后者是 Python 编程语言的标准发行版。Spyder 拥有所有必需的 IDE 特性，包括代码完整性及集成文件浏览器。
Spyder 专为数据科学项目创建，具备平滑的学习曲线，即学即会。在线帮助选项允许用户在并行开发项目的同时寻找关于库的专门信息。而且，这个 Python 专用 IDE 与 RStudio 类似。因此，在从 R 切换到 Python 时这是一个恰当的选择。
适用于 Python 库的 Spyder 集成支持（如 Matplotlib 和 SciPy）进一步证明，Spyder 是为数据科学家量身打造的。除了可感知的 IPython/Jupyter 集成之外，Spyder 还有一个独特的「variable explorer」特性，允许使用基于表格的布局展示数据。
优点：
代码完备性和变量探索
易用性
数据科学项目的理想工具
界面整洁
活跃的社区支持
缺点：
不适用于非数据科学项目
对于高阶 Python 开发者而言太基础了
如何为 Python 选择理想的 IDE？这完全取决于你的需求。以下是几点建议：
如果你刚开始使用 Python，找一个定制化较少、附加功能也较少的 IDE。干扰越少，上手越容易。
将这些 IDE 功能与你的期望进行对比。
多尝试几种 IDE 就会知道哪一种最适合你的需求。
1991年，第一个Python编译器(同时也是解释器)诞生。 它是用C语言实现的，并能够调用C库(.so文件)。从一出生，Python已经具有了： 类(class)，函数(function)，异常处理(exception)，包括表(list)和词典(dictionary)在内的核心数据类型，以及模块(module)为基础的拓展系统。