نحوه نصب NumPy در VS Code

اگر توسعه‌دهنده پایتون هستید، احتمالاً نام NumPy را شنیده‌اید، بسته ضروری برای محاسبات علمی در پایتون. اما آیا می‌دانید چگونه می‌توانید آن را در Visual Studio Code (VS Code)، ویرایشگر کد پیشرو برای بسیاری از توسعه‌دهندگان اجرا کنید؟

این مقاله نگاهی عمیق به نصب NumPy در VS Code و برخی موضوعات مرتبط دیگر می‌اندازد که ممکن است جالب باشد.

NumPy را در VS Code نصب کنید

بدون تأخیر، در اینجا تمام مراحلی که برای نصب NumPy باید طی کنید آورده شده است:

1. Fire up VS Code. اگر تصادفاً آن را ندارید، نسخه ای از آن را از وب سایت رسمی دانلود کنید .
   
2. روی تب Extension کلیک کنید. می توانید آن را در سمت چپ پنجره پیدا کنید که با یک نماد چهار مربع نشان داده شده است.
   
3. "Python" را در نوار جستجوی افزونه تایپ کنید.
   
4. "Python from Microsoft" را از نتایج انتخاب کنید.
   
5. روی دکمه آبی "نصب" کلیک کنید.
   
6. به منوی اصلی برگردید.
7. "Terminal" را انتخاب کنید.
   
8. «ترمینال جدید» را انتخاب کنید.
   
9. برای شروع کار با NumPy، این دستور را در ترمینالی که به تازگی باز کرده اید وارد کنید: pip install numpy.
   

این به نصب کننده بسته پایتون می گوید که NumPy را دانلود کرده و آن را روی رایانه شما نصب کند. از این به بعد فرآیند به صورت خودکار انجام می شود.

افزونه پایتونی که دانلود کردید همچنین پشتیبانی فراوانی از سایر پروژه های پایتون شما مانند IntelliSense، linting یا اشکال زدایی می دهد.

اگر به موانعی برخورد کردید که «No module named numpy» را به‌عنوان پیام خطا ذکر کردند، دوباره بررسی کنید که آیا مفسر پایتون مناسب را انتخاب کرده‌اید. می‌توانید با پیمایش به «Python» در قسمت پایین صفحه و انتخاب مفسری که دارای pip و NumPy است، این مورد را تنظیم کنید.

از NumPy در VS Code نهایت استفاده را ببرید

با راه اندازی و اجرای NumPy، می توانید از ویژگی های Visual Studio Code بهره مند شوید تا برنامه نویسی خود را موثرتر و لذت بخش تر کنید.

اشکال زدایی

برنامه نویسی پیچیده و ظریف است و شما مجبور به اشکال زدایی کدهایی هستید که آنچه را که باید انجام نمی دهد. VS Code یک محیط اشکال زدایی جامع به طور خاص برای برنامه های پایتون و آنهایی که از NumPy برای محاسبات علمی استفاده می کنند دارد. در اینجا چند نکته وجود دارد:

• اگر یک باگ احتمالی را شناسایی کردید، برای رسیدن به ریشه مشکل، باید فایل پایتونی را که روی آن کار می‌کنید بیرون بکشید و آن را باز کنید. پس از آن، از منوی بالا بر روی "Run" کلیک کنید و "شروع اشکال زدایی" را انتخاب کنید. این کار اشکال زدایی را آغاز می کند.
• اگر نقاط شکست را تعیین کنید، اشکال زدایی کد شما می تواند بسیار آسان تر باشد. این نشانگرها به دیباگر اجازه می دهند برنامه شما را متوقف کند، بنابراین می توانید وضعیت برنامه خود را در همان نقطه اجرا بررسی کنید. سعی کنید این نقاط شکست را با کلیک بر روی حاشیه کنار خط کدی که می‌خواهید مکث کنید یا نشانگر خود را روی خط نگه دارید و F9 را فشار دهید، تنظیم کنید.
• هنگامی که برنامه در حالت مکث است، کنترل‌های اشکال زدایی در بالای صفحه به شما امکان می‌دهند تا از طریق کد حرکت کنید. اگر F10 را فشار دهید، می توانید از روی توابع رد شوید. با F11، عمیق‌تر در آنها فرو می‌روید و با فشار دادن Shift و F11 از یک تابع خارج می‌شوید.
• شما همچنین می توانید با استفاده از پنجره "Variables" به متغیرها نگاه کنید. هنگامی که برنامه شما در حالت مکث است، در نوار کناری "Run and Debug" نشان داده می شود و همه مقادیر را در محدوده محلی نمایش می دهد. اگر به جزئیات بیشتری نیاز دارید، ماوس را روی هر متغیری در کد نگه دارید تا یک مقدار دقیق به دست آورید.

استفاده از نوت بوک های Jupyter

یک تحلیلگر داده باهوش می تواند از محیط تعاملی نوت بوک های Jupyter که مستقیماً از VS Code قابل دسترسی است بهره مند شود. به این ترتیب، می توانید کد را در یک رابط یکپارچه بسازید، اجرا کنید و اشکال زدایی کنید.

اگر می خواهید یک نوت بوک Jupyter جدید در Visual Studio Code ایجاد کنید:

1. پالت فرمان (Ctrl+Shift+P) را باز کنید.
   
2. دستور " Create: New Jupyter Notebook."
   
3. از طرف دیگر، فضای کاری خود را باز کنید و یک فایل جدید با پسوند ".ipynb" ایجاد کنید.
   

هنگامی که یک نوت بوک ایجاد می کنید، می توانید کد پایتون را در سلول های آن تایپ کنید و با کلیک روی دکمه Run Cell که وقتی مکان نما روی آن قرار می گیرد، آن دستورات را اجرا کنید. سپس نتایج سلول شما در زیر آن نشان داده می شود تا بتوانید از آنها در محاسبات یا عملیات دیگر استفاده کنید.

شما می توانید با انتخاب از انتخابگر هسته در بالا سمت راست، مفسر پایتون را برای هر نوت بوکی که می سازید، انتخاب کنید. این گزینه مفید است، به خصوص اگر بیش از یک محیط پایتون در رایانه خود دارید و می خواهید از همه آنها بسته به کار استفاده کنید.

با استفاده از IntelliSense

IntelliSense VS Code بهترین دوست و همراه شما برای کدنویسی NumPy است. این مجموعه قدرتمند از ویژگی ها به شما امکان تکمیل کد هوشمند را در حین تایپ می دهد. لازم نیست به نام توابع، متغیرها و غیره زیاد فکر کنید. IntelliSense می تواند آن را از متن کد بفهمد.

به عنوان مثال، اگر نیاز به نوشتن یک تابع دارید، شروع به تایپ نام کنید و IntelliSense تمام توابع موجود از NumPy و سایر ماژول ها را در اختیار شما قرار می دهد. یکی را انتخاب کنید که مناسب باشد، و ابزار آن را به کد اضافه می کند. همچنین لیست صحیحی از آرگومان‌ها را برای هر تابع دریافت خواهید کرد که سرعت زیادی را برای کدنویسی به ارمغان می‌آورد.

NumPy با پسوندهای کد VS

توسعه پذیری VS Code یکی از قدرتمندترین ویژگی های آن است. با پسوندهای صحیح، می توانید هم پایتون و هم NumPy را شارژ کنید. در اینجا چند برنامه افزودنی وجود دارد که می تواند به ویژه در کنار NumPy مفید باشد.

• افزونه پایتون توسط مایکروسافت، کدنویسی بصری را به VS Code می آورد. این به شما امکان می‌دهد کد را سریع‌تر بنویسید، با ویژگی‌های مفیدی مانند IntelliSense، قالب‌بندی و قالب‌بندی بلادرنگ، ابزارهای اشکال‌زدایی و موارد دیگر.
• Python Docstring Generator یک نجات دهنده برای توسعه دهندگانی است که باید روی کدهای پیچیده NumPy کار کنند. این برنامه افزودنی رشته‌های اسناد دقیقی را برای مستندسازی کد در چند ثانیه ایجاد می‌کند که باعث صرفه‌جویی در ساعت‌های بی‌شماری از نوشتن و قالب‌بندی دستی می‌شود.
• Python Test Explorer می تواند تست های پایتون شما را مستقیماً از نوار کناری اجرا کند و بازخورد فوری در مورد نتایج دریافت کند. نیازی به جابه‌جایی بین برنامه‌ها نیست، و این باعث می‌شود زمان صرفه‌جویی دیگری داشته باشید.
• MagicPython برای توسعه دهندگان پایتون که نیاز به تجزیه و تحلیل و اشکال زدایی کدهای پیچیده دارند نیز فوق العاده است. به لطف برجسته‌سازی و تورفتگی نحوی بهبود یافته، می‌توانید عبارات NumPy را به سرعت با MagicPython بخوانید.
• تکمیل خودکار Kite برای Python روش دیگری برای کدنویسی است. از یادگیری ماشینی استفاده می‌کند تا Kite بتواند تکمیل‌های آگاه از متن را برای اسکریپت‌های پایتون ارائه دهد. به جای صرف زمان برای جستجوی توابع و روش‌ها از کتابخانه (یا اینترنت)، هنگام تایپ کردن، پیشنهادهای هوشمندانه‌ای را با Kite پیدا خواهید کرد. حتی از عملیات پیچیده نیز پشتیبانی می کند.

با NumPy کد عالی بنویسید

همانطور که می دانید، نصب NumPy در VS Code به هیچ وجه ترسناک نیست و ویژگی های آن کمک بزرگی برای کدنویسی و تجزیه و تحلیل علم داده است. و در کد ویژوال استودیو، وقتی NumPy را با ابزارها و برنامه‌های افزودنی قدرتمند دیگر ترکیب می‌کنید، می‌توانید توسعه NumPy را بیشتر پیش ببرید.

آیا NumPy را در VS Code خود دریافت کردید؟ مفیدترین عملکرد آن برای شما چیست؟ در نظرات به ما بگویید.