Startseite

Python-Programmierung in VS Code

Sie möchten Python-Code schreiben, sind sich aber nicht sicher, welchen Editor Sie verwenden sollen, oder Sie suchen nach etwas Leichterem als PyCharm. Stellen Sie sich VS Code als ein Schweizer Taschenmesser vor – es handhabt Python, R, JavaScript und viele andere Sprachen in einem leichtgewichtigen Editor. Dieses Tutorial zeigt Ihnen, wie Sie Python in VS Code mit intelligenten Funktionen wie Codevervollständigung, interaktivem Debugging und sogar Web-Apps einrichten.

Wichtige Konzepte

Was Sie benötigen

Schritt 1: Python installieren

Sie benötigen Python 3.11 oder höher (am besten die neueste Version von python.org), damit sich die neuesten Versionen von Paketen wie pandas und Streamlit installieren lassen.

Überprüfen Sie die Installation, indem Sie ein Terminal öffnen und python3 --version oder python --version eingeben.

Schritt 2: Python-Erweiterungen in VS Code installieren

Die Python-Erweiterung enthält Unterstützung für Debugging, IntelliSense, Code-Formatierung und Jupyter-Notebooks.

Schritt 3: Ihr Python-Projekt erstellen

Schritt 4: Python-Interpreter auswählen

VS Code muss wissen, welche Python-Installation verwendet werden soll.

Wenn Sie Ihre Python-Installation nicht sehen, klicken Sie auf Enter interpreter path und navigieren Sie dorthin, wo Python installiert ist.

Schritt 5: Eine virtuelle Umgebung erstellen

Virtuelle Umgebungen halten Ihre Projektabhängigkeiten isoliert.

Wenn die Umgebung aktiv ist, sehen Sie (.venv) am Anfang der Eingabezeile im Terminal.

Schritt 6: Erforderliche Pakete installieren

pip install pandas matplotlib streamlit

Wenn (.venv) nicht erscheint, ist die Umgebung nicht aktiv. Klicken Sie auf View > Command Palette, führen Sie Python: Select Interpreter aus und wählen Sie dann den Interpreter mit ('.venv': venv) daneben.

Schritt 7: Ihr erstes Python-Skript schreiben

Geben Sie diesen Code in analysis.py ein:

import pandas as pd
import matplotlib.pyplot as plt

# Iris-Datensatz laden
url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv"
iris = pd.read_csv(url)

# Erste Zeilen anzeigen
print(iris.head())

# Zusammenfassende Statistiken generieren
print("\nSummary Statistics:")
print(iris.describe())

# Histogramm erstellen
plt.figure(figsize=(8, 6))
plt.hist(iris['sepal_length'], bins=20, color='steelblue', edgecolor='white')
plt.xlabel('Sepal Length (cm)')
plt.ylabel('Frequency')
plt.title('Distribution of Sepal Length')
plt.show()

Schritt 8: Python-Code interaktiv ausführen

Schritt 9: Eine einfache Streamlit-App erstellen

import streamlit as st
import pandas as pd
import matplotlib.pyplot as plt

st.title("Interactive Histogram")

# Seitenleisten-Schieberegler
bins = st.sidebar.slider(
    "Number of bins:",
    min_value=5,
    max_value=50,
    value=30
)

# Daten laden
url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv"
iris = pd.read_csv(url)

# Histogramm erstellen
fig, ax = plt.subplots(figsize=(8, 6))
ax.hist(iris['sepal_length'], bins=bins, color='steelblue', edgecolor='white')
ax.set_xlabel('Sepal Length (cm)')
ax.set_ylabel('Frequency')
ax.set_title('Distribution of Sepal Length')

# In Streamlit anzeigen
st.pyplot(fig)

streamlit run app.py

Schritt 10: Codevervollständigung und IntelliSense verwenden

Schritt 11: Debugging ausprobieren

Nächste Schritte

Fehlerbehebung

Workflow-Zusammenfassung

VS Code bietet eine moderne, leichtgewichtige Umgebung für Python-Entwicklung mit diesen Vorteilen:

Erstellt von Steven Ge am 7. Dezember 2025.