dataspell编写教程

1. 先建立或打开一个项目
   启动 DataSpell 后，第一个界面会问你新建项目还是打开已有目录。写教程里的示例代码，建议新建一个纯 Python 项目，选择本机已有的解释器或让 DataSpell 新建虚拟环境；如果教程用 Conda，就选 Conda 环境。打开已有项目时直接指向存放脚本或 ipynb 的文件夹，DataSpell 会把整个目录当成工程来索引，左侧项目树里能看到全部文件和子目录。这一步决定了后面能不能正确补全第三方库，所以解释器要确认选对。
2. 新建 Python 文件和 Notebook 文件
   在项目树的文件夹上右键，New 里有 Python File 和 Jupyter Notebook 两个常用入口。Python File 适合写 .py 脚本，比如定义函数、写数据处理流程；Jupyter Notebook 适合边写边看输出，单元格可以单独运行。教程里如果强调分步执行和画图，用 Notebook；如果强调模块化和被其他文件导入，用 .py。两种文件可以在同一个项目里混用，Notebook 里也能导入同项目的 .py 模块。新建后按 Ctrl+S 或 Command+S 保存，文件名别用中文和空格，减少后面路径相关的小问题。
3. 在编辑器里写代码并利用补全
   写代码时 DataSpell 会自动弹出补全提示，按 Tab 或 Enter 接受，能少敲很多方法名和参数名。导入 pandas、numpy 这类常用库后，输入变量名加点号就会列出可用属性和方法。按住 Ctrl 或 Command 点击函数名可以跳到定义处，方便看教程里调用的函数到底干了什么。顶部有运行配置选择器，旁边绿色三角就是运行入口。代码写错时编辑器会用红色波浪线标出，鼠标悬停能看到说明，先按提示改，不要急着去搜错误码。
4. 运行单元格和运行整个文件
   Notebook 文件里每个代码单元格左侧有运行按钮，点一下只跑当前单元格，适合逐步调试数据读取和清洗。工具栏上的双箭头是运行全部单元格。对 .py 文件，右键菜单或顶部绿色三角运行整个脚本，结果输出在底部 Run 工具窗口。想在 Notebook 里引用前面单元格定义的变量，直接写变量名即可，因为单元格共享同一个内核。运行完记得看输出窗口里有没有报错，报错先读最后一行，通常就能定位到是哪个变量或哪个文件路径写错了。
5. 查看数据框和调试代码
   DataSpell 对 DataFrame 有专门的查看器，运行出 DataFrame 后，在输出区或变量面板里点开就能像表格一样浏览行列，不用每次都 print 一大片。想逐行看逻辑，在行号旁点一下打红点下断点，再以调试方式运行，程序会停在那里，此时可以看当前作用域里的所有变量值和类型。教程里涉及循环、条件分支时，调试比反复加 print 更直观。变量面板还能展开嵌套结构，查看字典和列表的内部内容。
6. 管理环境和依赖，让代码能跑起来
   教程示例常需要装包。打开设置里的 Project 解释器页面，可以看到当前环境已安装的包，点加号搜索并安装 pandas、numpy、matplotlib、scikit-learn 等。装完在代码里 import，如果还是红色报错，先确认当前文件用的解释器是不是刚装包的那个环境。虚拟环境的好处是不同教程的依赖互不干扰，一个教程一个环境比较省心。版本冲突时也可以在这个页面里把包升级或降级，不必去命令行手动折腾。
7. 善用版本控制和项目结构
   较长的教程会涉及多个文件，建议在项目里按用途分目录，比如 data 放数据文件、src 放源码、notebooks 放 ipynb。DataSpell 集成 Git，改动会在编辑器左侧用颜色标出，提交和查看历史都在内置面板里完成。配合 .gitignore 排除数据文件和虚拟环境目录，能让仓库保持干净。搜索用 Ctrl+Shift+F 或 Command+Shift+F 全局找，重命名用 Shift+F6，这些操作比手工逐个文件改要稳。

软件页面：DataSpell。