Visual Studio Code 在 Linux 上用于数据科学的推荐配置

核心扩展推荐

1. Python 扩展 (由 Microsoft 提供)

   • 提供 IntelliSense、linting、调试、代码导航等核心功能
   • 支持 Jupyter Notebooks

2. Jupyter 扩展

   • 直接在 VS Code 中运行 Jupyter Notebooks
   • 支持交互式开发和可视化

3. Pylance (Python 语言服务器)

   • 提供超快的 Python 类型检查
   • 比传统 Python 语言服务器更智能的补全

4. Data Wrangler (Microsoft 提供)

   • 交互式数据清理和转换工具
   • 类似 Excel/Pandas 的界面

其他有用扩展

• GitLens - 增强的 Git 功能
• Docker - 容器化开发支持
• Remote - SSH - 远程开发支持
• Excel Viewer - 查看 CSV/Excel 文件
• Rainbow CSV - 彩色高亮 CSV 文件
• SQLTools - 数据库连接和查询工具

推荐设置 (settings.json)

{
    "python.linting.enabled": true,
    "python.linting.pylintEnabled": true,
    "python.formatting.provider": "black",
    "python.languageServer": "Pylance",
    "jupyter.askForKernelRestart": false,
    "jupyter.sendSelectionToInteractiveWindow": true,
    "editor.renderWhitespace": "selection",
    "editor.rulers": [88],
    "python.analysis.typeCheckingMode": "basic",
    "files.autoSave": "afterDelay",
    "python.testing.pytestEnabled": true
}

终端配置

1. 推荐使用 zsh 或 bash 配合 conda 环境
2. 安装 tmux 用于会话管理
3. 考虑使用 fish shell 获得更好的自动补全

Python 环境设置

1. 推荐使用 conda 或 pyenv 管理 Python 环境

2. 创建专用数据科学环境:

   conda create -n datascience python=3.9 pandas numpy scikit-learn matplotlib jupyter
   

3. 在 VS Code 中选择正确的 Python 解释器 (Ctrl+Shift+P → "Python: Select Interpreter")

性能优化

1. 启用硬件加速渲染:

   {
      "editor.hardwareAcceleration": "on",
      "terminal.integrated.gpuAcceleration": "on"
   }
   

2. 对于大型数据集，考虑禁用某些功能:

   {
      "python.analysis.diagnosticMode": "workspace",
      "python.analysis.useLibraryCodeForTypes": false
   }
   

数据可视化

1. 安装交互式可视化扩展:

   • Plotly 支持
   • Vega Viewer 用于 Vega-Lite 可视化

2. 配置 Jupyter 以在 VS Code 中显示内联图表:

   {
      "jupyter.enablePlotViewer": true,
      "jupyter.plotting.savePlotDir": "~/vscode_plots"
   }
   

调试配置

1. 为 Python 脚本设置 launch.json:

   {
      "version": "0.2.0",
      "configurations": [
          {
              "name": "Python: Current File",
              "type": "python",
              "request": "launch",
              "program": "${file}",
              "console": "integratedTerminal",
              "justMyCode": true
          }
      ]
   }
   

2. 对于 Jupyter Notebooks，可以直接使用内置的调试功能

远程开发

1. 使用 Remote - SSH 扩展连接远程服务器
2. 或使用 Remote - Containers 扩展在 Docker 容器中开发

键盘快捷键

• Ctrl+Shift+P: 打开命令面板
• Ctrl+,: 打开设置
• Ctrl+Shift+E: 资源管理器
• Ctrl+Shift+X: 扩展视图
• Ctrl+Shift+J: 打开 Jupyter Notebook
• Shift+Enter: 运行选中的代码单元格

这个配置提供了强大的数据科学开发环境，结合了 VS Code 的轻量级特性和专业的数据科学工具链。