在 Mac 的 VS Code 中使用 Claude Code 进行 Python 开发
你已在 VS Code 中设置好 Python 环境，可以手动编写代码。现在你想让 AI 帮助编写、改进和调试 Python 代码，以便专注于分析工作。可以把 Claude Code 想象成住在 VS Code 里的编程伙伴——你描述需求，它编写或改进代码，而你始终在同一窗口中工作。
核心概念
- Claude Code Extension - VS Code 扩展，将 Claude AI 助手直接集成到编辑器，提供内联代码编辑
- Chat Panel（聊天面板） - VS Code 侧边面板，可在此与 Claude 讨论代码
- Inline Edits（内联编辑） - Claude 建议的代码更改以差异对比形式直接显示在文件中，可接受或拒绝
准备工作
- 完成 在 VS Code 中进行 Python 编程 教程 - Python 应该已在 VS Code 中正常工作
- 完成 在 Mac 上安装 Claude Code 教程 - Claude Code CLI 应该已安装
- 付费 Claude 套餐（如 Pro 或 Max）或 Anthropic Console 账户——免费套餐不包含 Claude Code
- 20-30 分钟
步骤 1：打开 VS Code 并创建 Python 项目
- 打开 Visual Studio Code
- 点击菜单栏中的 File，然后点击 Open Folder
- 导航到你的 文稿（Documents）文件夹
- 点击对话框底部的 新建文件夹（New Folder）
- 将文件夹命名为
claude_python_test - 点击 Open 打开新文件夹
- 如果提示”Do you trust the authors?”，点击 Yes, I trust the authors
步骤 2：安装并登录 Claude Code Extension
- 点击左侧边栏的 Extensions 图标（四个方块）
- 在搜索框中输入
Claude Code - 找到 Anthropic 的 Claude Code for VS Code，点击 Install
- 安装完成后，点击 VS Code 窗口右下角（状态栏）的 ✻ Claude Code 打开 Claude 面板
- 首次使用时会出现登录界面：点击 Sign in，在浏览器中批准访问，然后返回 VS Code
- 详细身份验证步骤请参阅 在 Mac 上安装 Claude Code 指南（步骤 3）
- 登录成功后，你会在面板中看到 Learn Claude Code 清单，面板底部有一个提示输入框
步骤 3：手动创建初始 Python 脚本
- 点击菜单栏的 File > New File…
- 在窗口顶部出现的列表中，选择 Python File
- 点击 File > Save 保存文件，命名为
iris_analysis.py - 输入以下代码：
from sklearn import datasets
import pandas as pd
# Load iris dataset
iris = datasets.load_iris()
iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)
iris_df['species'] = iris.target_names[iris.target]
# Display structure
iris_df.info()
print("\nSummary statistics:")
print(iris_df.describe())
- 点击 File > Save 保存文件
- 按照 在 VS Code 中进行 Python 编程 步骤 5 的方法创建虚拟环境：点击 View > Command Palette，输入
Python: Create Environment，选择 Venv，然后选择你的 Python 版本 - 等待
.venv文件夹出现在资源管理器（Explorer）中 - 打开 Terminal：点击菜单栏的 View，然后点击 Terminal。提示符开头应显示
(.venv) - 安装此脚本所需的包：
pip install scikit-learn pandas - 在 Terminal 中运行：
python iris_analysis.py - 你应在 Terminal 中看到数据集结构和汇总统计信息
步骤 4：让 Claude 添加散点图
- 打开 Claude 面板（点击已打开文件右上角的 Spark 图标，或右下角的 ✻ Claude Code）
- 在底部聊天框中输入：
在 iris_analysis.py 中添加代码，创建萼片长度与宽度的散点图，按物种着色。使用 seaborn。
- 按 Enter 发送
- Claude 读取并编辑文件——新代码会出现在
iris_analysis.py中 - 如果 Claude 显示差异对比并请求权限，请接受更改
- seaborn/matplotlib 代码出现在文件中
- 安装 Claude 代码用到的绘图包（步骤 3 中没有安装它们）。在 Terminal 中（确认显示
(.venv)）运行：pip install seaborn matplotlib
步骤 5：运行更新后的代码
- 在 Terminal 中运行：
python iris_analysis.py - 出现散点图窗口
- 你应看到按物种（setosa、versicolor、virginica）着色的点
- 关闭图表窗口继续
步骤 6：让 Claude 优化图表
- 在 Claude 聊天面板中，输入：
移除标题。按物种更改标记类型。更改为 whitegrid 样式。
- 按 Enter
- Claude 更新代码
- 如有询问，接受更改
- 再次运行：在 Terminal 中输入
python iris_analysis.py - 图表现在显示每个物种使用不同标记形状，无标题，使用 whitegrid 样式
- 关闭图表窗口继续
步骤 7：让 Claude 进行 PCA 分析
- 在 Claude 聊天面板中，输入：
添加代码对数值变量进行 PCA 分析，并使用前两个主成分绘制样本图。
- 按 Enter
- Claude 向脚本添加 PCA 代码
- 如有询问，接受更改
- 运行代码：在 Terminal 中输入
python iris_analysis.py - 出现 PCA 图表，显示投影到 PC1 和 PC2 上的样本，按物种着色（如果步骤 6 的散点图窗口先打开，关闭它，PCA 图表就会随后出现）
- 完成后关闭图表窗口
步骤 8：让 Claude 审查并添加注释
- 在 Claude 聊天面板中，输入：
检查整个脚本的正确性。必要时添加注释。
- 按 Enter
- Claude 审查代码并添加解释各部分的注释
- 如有询问，接受更改
- 脚本现在有清晰注释，解释数据加载、可视化和 PCA 分析
下一步
- 让 Claude 创建 Jupyter notebook：”将这个转换为 Jupyter notebook”
- 用 Claude 调试错误：”这段代码报错 X，你能修复吗？”
- 请求统计检验：”添加 t 检验比较 setosa 和 versicolor 的萼片长度”
- 让 Claude 优化代码：”使用 numpy 向量化使这段代码更高效”
- 获取函数帮助：”解释 pandas.groupby 的作用”
故障排除
- Claude Extension 未显示 - 安装后重启 VS Code，点击 View > Extensions 验证是否已安装
- “Cannot read Python file” 错误 - 确保保存的文件使用
.py扩展名，Claude 需读取已保存的文件 - 身份验证失败 - 验证你的付费 Claude 套餐或 Anthropic Console 账户是否有效，故障排除参阅 在 Mac 上安装 Claude Code
- 找不到包错误或
command not found: python- 确保 Terminal 显示(.venv)（如果没有，关闭它并通过 View > Terminal 打开一个新的），然后安装所需包：pip install seaborn matplotlib scikit-learn pandas，等待安装完成后再运行代码 - 代码更改未应用 - 如果 Claude 请求了权限，确保你已接受更改，如不起作用可手动复制 Claude 建议的代码
- 图表未显示 - 确保有显示器，某些系统可能需要在末尾添加
plt.show()或在 Jupyter 中使用%matplotlib inline
工作流程总结
- Claude Code Extension 直接在 VS Code 中提供 AI 助手，包含聊天面板和内联差异对比
- 迭代优化 - 从基础代码开始，让 Claude 增强，立即测试，进一步优化
- 上下文感知 - Claude 读取 Python 文件并理解项目结构
- 内联编辑 - 建议的更改以差异对比形式显示在实际文件中，非单独聊天响应
- 保持流畅 - 无需在浏览器和编辑器间切换，所有操作都在 VS Code 中完成
由 Steven Ge 创建于 2025 年 12 月 11 日。