Sublime Text编辑器配置Python解释器简易教程

简介: 前天在微信上遇到一个小伙伴问我一个关于Sublime text配置Python解释器的问题,可能是初学者,对这方面还不是很懂,想使用快捷键但是徒劳一场,因为缺少Python解释器,直接按下快捷键Ctrl+B是不会得到想要的结果的。

前天在微信上遇到一个小伙伴问我一个关于Sublime text配置Python解释器的问题,可能是初学者,对这方面还不是很懂,想使用快捷键但是徒劳一场,因为缺少Python解释器,直接按下快捷键Ctrl+B是不会得到想要的结果的。

鉴于此,如果有小伙伴想使用Sublime跑Python程序的话,那么配置Python解释器是必不可少的一步,这里小编整理这篇手把手教程,希望为后来者铺砖引路。下面是详细教程:

1、首先打开Sublime,如下图所示,然后选择“Preferences”选项卡。

2、点击第一个选项“Browse Packages…”,然后系统会自动定位到Sublime的安装包目录。

3、尔后会弹出下图的文件夹界面。

4、在这堆文件夹中找到Python这个文件夹,如下图所示,然后进入该文件夹,找到Python.sublime-build这个文件。

5、在Sublime中打开该文件,如下图所示。

{

"cmd":["python.exe","-u", "$file"],

"path":"C:\Python34",

"file_regex": "^[ ]File"(...?)", line ([0-9]*)",

"encoding": "gbk",

"selector": "source.python"

}

图片中显示的内容是我更新之后的内容,原始内容没有这么丰富。主要是更改两个地方,其一是添加Python解释器路径,其二是添加编码部分,一般选择的编码是utf-8或者gbk,也有的是用cp936的,主要是防止Sublime Text报[Decode error - output not utf-8]的错误。一般的,如果我们不设置编码的话,一旦输出除英文之外的其他的语言,就会出现编码问题,一个让人脑壳疼的问题,一般情况下几种编码多尝试一下问题都不大。

6、更改完Python.sublime-build文件之后,按下快捷键Ctrl+S进行保存即可。之后任意打开一个Python文件,然后在Sublime中依次点击选项卡ToolsàBuild SystemàPython,如下图所示,整个过程相当于完成了Sublime与Python解释器的完美“联结”。

7、现在可以通过快捷键Ctrl+B或者依次添加选项卡ToolsàBuild,如下图所示,之后就可以运行当前Python文件了,效果如下图所示。文件的输出部分在Sublime的下方,一般的是呈现出灰色的一个长方形部分。

8、至此,关于Sublime中配置Python解释器和[Decode error - output not utf-8]报错的问题已经顺利解决了。

希望后面的小伙伴再次碰到该问题的时候,就可以少走弯路啦。虽然小编目前用的是 Sublime Text 2,不过Sublime Text 3的配置方法与Sublime Text 2如出一辙,不再赘述。

相关文章
|
25天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
49 8
|
25天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
78 7
|
25天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
48 4
|
25天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
46 5
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
34 1
|
2月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
34 1
|
2月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
32 1
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
43 1
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
38 0