VS Code 配置指南

从轻量编辑器到专业 Python IDE

为什么选择 VS Code？

Jupyter Notebook vs VS Code

特性	Jupyter Notebook	VS Code
学习曲线	简单	中等
交互式分析	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
大型项目	⭐⭐	⭐⭐⭐⭐⭐
代码补全	⭐⭐	⭐⭐⭐⭐⭐
调试功能	⭐⭐	⭐⭐⭐⭐⭐
Git 集成		⭐⭐⭐⭐⭐
多文件管理	⭐	⭐⭐⭐⭐⭐

建议：

数据分析、探索：使用 Jupyter Notebook
写脚本、大项目：使用 VS Code
理想状态：两者都掌握！

快速安装与配置

步骤 1：下载并安装 VS Code

下载地址：code.visualstudio.com

安装后启动，界面如下：

┌────────────────────────────────────┐
│  VS Code                     - □ × │
├────────┬───────────────────────────┤
│        │                           │
│  文件   │     欢迎页面              │
│  树    │                           │
│        │     打开文件夹...          │
│        │     新建文件...            │
│        │                           │
└────────┴───────────────────────────┘

步骤 2：安装 Python 扩展

点击左侧 扩展图标（四个方块）
搜索 "Python"
安装 Microsoft 官方的 Python 扩展（下载量最高的那个）

必装扩展列表：

扩展名	功能
Python (Microsoft)	Python 语言支持、智能补全、调试
Pylance (Microsoft)	更快的代码分析
Jupyter (Microsoft)	在 VS Code 中运行 Jupyter Notebook
autoDocstring	自动生成函数文档

可选扩展（提升体验）：

扩展名	功能
Python Indent	自动缩进
Better Comments	彩色注释
Error Lens	行内显示错误
Material Icon Theme	文件图标美化
GitHub Copilot	AI 代码补全助手（需要订阅，学生免费）

步骤 3：选择 Python 解释器

按 Cmd + Shift + P（Mac）或 Ctrl + Shift + P（Windows）打开命令面板
输入 "Python: Select Interpreter"
选择已安装的 Python 版本（建议选择 Anaconda 的 Python）

检查是否配置成功：

左下角应该显示 Python 版本号（如 Python 3.11.5）

在 VS Code 中编写 Python

方式 1：编写 .py 脚本文件

创建第一个脚本

新建文件：File → New File → 选择 Python File
保存文件：命名为 analysis.py
编写代码：

python

# analysis.py
import pandas as pd

# 创建数据
data = {
    'name': ['Alice', 'Bob', 'Carol'],
    'age': [25, 30, 35],
    'salary': [50000, 60000, 70000]
}

df = pd.DataFrame(data)
print(df)

# 计算平均工资
avg_salary = df['salary'].mean()
print(f"平均工资: ${avg_salary:,.0f}")

运行代码：
- 方法 1：点击右上角的 ▶ 按钮
- 方法 2：右键 → "Run Python File in Terminal"
- 方法 3：按 Ctrl + Shift + P，输入 "Run Python File"

输出结果（在底部终端显示）：

    name  age  salary
0  Alice   25   50000
1    Bob   30   60000
2  Carol   35   70000
平均工资: $60,000

方式 2：交互式运行（类似 Jupyter）

使用 Python Interactive Window

在代码中添加 # %%（创建单元格）：

python

# %% 导入库和创建数据
import pandas as pd
import numpy as np

data = {
    'student': ['Alice', 'Bob', 'Carol', 'David'],
    'score': [85, 92, 78, 88]
}
df = pd.DataFrame(data)

# %% 描述性统计
print(df.describe())

# %% 可视化
import matplotlib.pyplot as plt
plt.bar(df['student'], df['score'])
plt.ylabel('Score')
plt.title('Student Scores')
plt.show()

运行单元格：
- 点击 # %% 上方出现的 "Run Cell"
- 或按 Shift + Enter
结果显示：右侧会打开 Interactive Window（类似 Jupyter）

方式 3：在 VS Code 中直接打开 .ipynb 文件

打开 .ipynb 文件
VS Code 会自动以 Notebook 模式打开
体验和 Jupyter Notebook 完全一致！

VS Code 的强大功能

1. 智能代码补全（IntelliSense）

输入 df. 后，VS Code 会自动提示所有可用的方法：

python

df.  # 输入这个后会出现提示
     # - head()
     # - describe()
     # - groupby()
     # - ...

技巧：

按 Tab 接受建议
按 Esc 关闭建议

2. 函数签名提示

python

pd.read_csv(  # 光标放在这里，会显示所有参数
# 提示：filepath_or_buffer, sep=',', header='infer', ...

3. 跳转到定义

python

df = pd.DataFrame(data)
# 按住 Cmd (Mac) 或 Ctrl (Windows)，点击 DataFrame
# 会跳转到 Pandas 的源代码

4. 查看函数文档

python

df.groupby  # 鼠标悬停在这里
# 会显示完整的函数文档

5. 变量查看器

在 Interactive Window 中，点击 "Variables" 按钮，可以查看所有变量的值（类似 Stata 的 Variables Manager）。

6. 调试器（Debugger）

设置断点

在行号左侧点击，出现红点
按 F5 开始调试
代码会在断点处暂停，可以查看变量值

示例：

python

# analysis.py
import pandas as pd

data = {'x': [1, 2, 3], 'y': [4, 5, 6]}
df = pd.DataFrame(data)

# 在这里设置断点 
result = df['x'].sum()

print(result)

调试快捷键：

快捷键	功能
`F5`	开始调试
`F10`	单步执行（跳过函数）
`F11`	单步执行（进入函数）
`Shift + F5`	停止调试

VS Code 个性化配置

1. 设置自动保存

File → Auto Save → 勾选

2. 设置主题

Code → Preferences → Color Theme

推荐主题：

Dark+（默认深色主题）
Monokai（经典主题）
One Dark Pro（流行主题）

3. 设置字体

打开设置（Cmd + ,），搜索 "font"：

json

{
    "editor.fontFamily": "Fira Code, Menlo, Monaco, 'Courier New', monospace",
    "editor.fontSize": 14,
    "editor.fontLigatures": true  // 连字符（可选）
}

4. 配置 Python 格式化工具

打开设置，搜索 "python formatting"：

json

{
    "python.formatting.provider": "black",
    "editor.formatOnSave": true
}

安装 Black：

bash

pip install black

️ 项目组织：工作区（Workspace）

典型的 Python 项目结构

my_research_project/
├── data/
│   ├── raw/
│   │   └── survey_data.csv
│   └── processed/
│       └── clean_data.csv
├── notebooks/
│   ├── 01_data_cleaning.ipynb
│   └── 02_analysis.ipynb
├── scripts/
│   ├── data_processing.py
│   └── statistical_models.py
├── outputs/
│   ├── figures/
│   └── tables/
├── README.md
└── requirements.txt

在 VS Code 中打开项目：

File → Open Folder
选择 my_research_project 文件夹
左侧会显示完整的文件树

实用快捷键（必会）

通用快捷键

快捷键	功能
`Cmd + P` (Mac) / `Ctrl + P` (Win)	快速打开文件
`Cmd + Shift + P`	命令面板
`Cmd + B`	切换侧边栏
`Cmd + J`	切换终端面板
`Cmd + \`	分屏

Python 专用快捷键

快捷键	功能
`Shift + Enter`	运行当前行/选中代码
`Ctrl + Enter`	运行当前单元格（Interactive 模式）
`F5`	调试运行
`Ctrl + Shift + '`	打开终端

代码编辑快捷键

快捷键	功能
`Cmd + /`	注释/取消注释
`Alt + ↑/↓`	移动当前行
`Shift + Alt + ↑/↓`	复制当前行
`Cmd + D`	选中下一个相同单词
`Cmd + F`	查找
`Cmd + H`	替换

对比：Stata/R/Python 的 IDE

IDE	Stata	R	Python
官方 IDE	Stata (GUI)	RStudio	IDLE（不推荐）
最流行 IDE	Stata	RStudio	VS Code / PyCharm
交互式笔记本		R Markdown	Jupyter Notebook
代码补全	⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐ (VS Code)
调试功能	⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐ (VS Code)

常见问题

Q1: 运行代码时提示 "No module named pandas"？

解决方法：

检查左下角的 Python 解释器
确保选择的是安装了 pandas 的环境（如 Anaconda）
或在终端运行：

bash

pip install pandas

Q2: VS Code 太复杂，我该如何开始？

建议：

第 1-2 周：只用 Jupyter Notebook
第 3-4 周：尝试在 VS Code 中打开 .ipynb 文件
第 5 周以后：开始写 .py 脚本

Q3: 如何在 VS Code 中使用虚拟环境？

步骤：

创建虚拟环境：

bash

python -m venv myenv

激活环境：

bash

# Mac/Linux
source myenv/bin/activate

# Windows
myenv\Scripts\activate

在 VS Code 中选择这个解释器

实战练习

练习 1：配置 VS Code

安装 Python 扩展
创建一个 .py 文件
编写简单的数据分析代码
运行并查看结果

练习 2：使用 Interactive Window

创建一个 .py 文件
使用 # %% 分隔代码
运行各个单元格
查看变量窗口

练习 3：调试

编写一个包含错误的代码
设置断点
使用调试器找到错误

AI 编程助手：让写代码更轻松

GitHub Copilot（VS Code 扩展）

最成熟的 AI 代码补全工具，由 GitHub 和 OpenAI 联合开发。

特点：

实时代码建议：输入注释或函数名，自动生成完整代码
多语言支持：Python、R、Stata（部分）、JavaScript 等
学习你的代码风格：越用越智能
学生和开源贡献者免费（申请地址）

示例：

python

# 输入注释：Calculate the mean income by education level
# Copilot 会自动补全：
result = df.groupby('education')['income'].mean()

价格：个人版 $10/月，学生免费

AI 编程 IDE 和 CLI 工具

除了 VS Code 扩展，现在还有专门的 AI 编程工具：

1. Cursor （最推荐）

官网：cursor.com

特点：

基于 VS Code 深度定制的 AI 原生 IDE
内置 GPT-5、Claude 3.5 模型
Cmd+K：选中代码，用自然语言描述修改需求，AI 自动重写
Cmd+L：与 AI 对话，解释代码、调试错误、生成测试
支持代码库级别的上下文理解（自动读取整个项目）
免费版每月 2000 次补全，Pro 版 $20/月

适用场景：写大型项目、快速原型开发、学习新库

2. Google AI Studio（原 Bard）

官网：aistudio.google.com

特点：

免费使用 Gemini Pro 模型
支持代码生成、调试、优化
可以直接导出代码到 Google Colab
缺点：不是 IDE，需要复制粘贴

3. Claude Code（Anthropic）

官网：claude.ai

特点：

Claude 3.5 Sonnet 模型，代码理解能力强
支持长文本（200K tokens），可以粘贴整个数据集
适合数据分析、统计建模的代码生成
Claude Code CLI：终端直接调用 Claude 生成代码
免费版有使用限制，Pro 版 $20/月

4. Aider（开源 CLI 工具）

GitHub：github.com/paul-gauthier/aider

特点：

终端中的 AI 编程助手
支持 GPT-4、Claude、Gemini
自动提交 Git 记录
完全开源免费（需自备 API Key）

安装：

bash

pip install aider-chat
aider --model gpt-4  # 开始 AI 编程会话

AI 编程工具对比

工具	类型	价格	最佳用途
GitHub Copilot	VS Code 扩展	学生免费 / $10月	实时代码补全
Cursor	独立 IDE	免费 / $20月	大型项目开发
Claude Code	Web + CLI	免费 / $20月	数据分析、学习
Google AI Studio	Web	完全免费	代码生成、学习
Aider	CLI	免费（需 API）	终端开发、自动化

使用建议

初学者（前 3 个月）：

不建议过度依赖 AI 工具
原因：需要先理解基础语法和逻辑
建议：先手写代码，遇到困难再问 AI

进阶者（3 个月后）：

使用 GitHub Copilot 提高效率
使用 Cursor 快速实现复杂功能
使用 Claude 理解和调试复杂代码

最佳实践：

不要盲目接受 AI 生成的代码：始终理解每一行
用 AI 学习：让 AI 解释代码，而不只是生成代码
结合使用：Copilot（写代码）+ Claude（解释代码）+ 传统 Debug

下一步

在下一节中,我们将介绍 在线 Python 环境（Google Colab、Kaggle 等），让你无需本地安装也能运行 Python。

继续学习！

VS Code 配置指南 ​

为什么选择 VS Code？ ​

Jupyter Notebook vs VS Code ​

快速安装与配置 ​

步骤 1：下载并安装 VS Code ​

步骤 2：安装 Python 扩展 ​

步骤 3：选择 Python 解释器 ​

在 VS Code 中编写 Python ​

方式 1：编写 .py 脚本文件 ​

创建第一个脚本 ​

方式 2：交互式运行（类似 Jupyter） ​

使用 Python Interactive Window ​

方式 3：在 VS Code 中直接打开 .ipynb 文件 ​

VS Code 的强大功能 ​

1. 智能代码补全（IntelliSense） ​

2. 函数签名提示 ​

3. 跳转到定义 ​

4. 查看函数文档 ​

5. 变量查看器 ​

6. 调试器（Debugger） ​

设置断点 ​

VS Code 个性化配置 ​

1. 设置自动保存 ​

2. 设置主题 ​

3. 设置字体 ​

4. 配置 Python 格式化工具 ​

️ 项目组织：工作区（Workspace） ​

典型的 Python 项目结构 ​

实用快捷键（必会） ​

通用快捷键 ​

Python 专用快捷键 ​

代码编辑快捷键 ​

对比：Stata/R/Python 的 IDE ​

常见问题 ​

Q1: 运行代码时提示 "No module named pandas"？ ​

Q2: VS Code 太复杂，我该如何开始？ ​

Q3: 如何在 VS Code 中使用虚拟环境？ ​

实战练习 ​

练习 1：配置 VS Code ​

练习 2：使用 Interactive Window ​

练习 3：调试 ​

AI 编程助手：让写代码更轻松 ​

GitHub Copilot（VS Code 扩展） ​

AI 编程 IDE 和 CLI 工具 ​

1. Cursor （最推荐） ​

2. Google AI Studio（原 Bard） ​

3. Claude Code（Anthropic） ​

4. Aider（开源 CLI 工具） ​

AI 编程工具对比 ​

使用建议 ​

下一步 ​

VS Code 配置指南

为什么选择 VS Code？

Jupyter Notebook vs VS Code

快速安装与配置

步骤 1：下载并安装 VS Code

步骤 2：安装 Python 扩展

步骤 3：选择 Python 解释器

在 VS Code 中编写 Python

方式 1：编写 .py 脚本文件

创建第一个脚本

方式 2：交互式运行（类似 Jupyter）

使用 Python Interactive Window

方式 3：在 VS Code 中直接打开 .ipynb 文件

VS Code 的强大功能

1. 智能代码补全（IntelliSense）

2. 函数签名提示

3. 跳转到定义

4. 查看函数文档

5. 变量查看器

6. 调试器（Debugger）

设置断点

VS Code 个性化配置

1. 设置自动保存

2. 设置主题

3. 设置字体

4. 配置 Python 格式化工具

️ 项目组织：工作区（Workspace）

典型的 Python 项目结构

实用快捷键（必会）

通用快捷键

Python 专用快捷键

代码编辑快捷键

对比：Stata/R/Python 的 IDE

常见问题

Q1: 运行代码时提示 "No module named pandas"？

Q2: VS Code 太复杂，我该如何开始？

Q3: 如何在 VS Code 中使用虚拟环境？

实战练习

练习 1：配置 VS Code

练习 2：使用 Interactive Window

练习 3：调试

AI 编程助手：让写代码更轻松

GitHub Copilot（VS Code 扩展）

AI 编程 IDE 和 CLI 工具

1. Cursor （最推荐）

2. Google AI Studio（原 Bard）

3. Claude Code（Anthropic）

4. Aider（开源 CLI 工具）

AI 编程工具对比

使用建议

下一步