執行 Python 代碼的方式

Python 可以通過多種方式來執行代碼。根據你的需求——無論是快速測試一小段代碼、進行數據分析，還是發佈一個完整的應用程式——選擇合適的執行方法都能大大提升你的工作效率。

這篇文章將詳細介紹五種最常見的 Python 代碼執行方法，並分析它們各自的優缺點，讓你能夠輕鬆應對各種開發場景。

⚙️ 一：REPL (Read-Eval-Print Loop) 互動模式

REPL 是一種互動式的程式設計環境，讓你能夠輸入一行代碼，系統會立即「讀取 (Read)、評估 (Eval)、印出 (Print)」，然後等待你的下一行指令 (Loop)。這是最直接的 Python 執行方式。

要啟動 REPL，只需在你的終端機 (Terminal) 中輸入 python 或 python3：

$ python
Python 3.10.15 | packaged by Anaconda, Inc. | (main, Oct  3 2024, 07:22:19) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

接著，你就可以直接輸入 Python 代碼並立即看到結果。

範例：

>>> a = 10
>>> b = 20
>>> a + b
30

👍 優點

• 即時反饋：非常適合用來快速測試語法、函式功能或演算法的小片段。
• 直接輸出：不使用 print 函數也可以打印。
• 學習工具：對初學者來說，是探索 Python 語言特性的絕佳工具。
• 無需檔案：不需要建立 .py 檔案，方便快捷。

👎 缺點

• 代碼無法保存：一旦關閉 REPL，所有輸入的代碼都會遺失。
• 不適合複雜程式：難以編寫和維護多行、結構複雜的程式。
• 編輯困難：輸入後的代碼不易修改。

📜 二：執行 Script 檔案 (.py)

這是最傳統也最常見的 Python 程式執行方式。你將代碼儲存在一個以 .py 為副檔名的檔案中，然後透過終端機指令來執行整個檔案。

範例：

1. 建立一個名為 my_script.py 的檔案，並寫入以下內容：

   # my_script.py
   def greet(name):
       print(f"Hello, {name}! This is from a script file.")
   
   if __name__ == "__main__":
       user_name = "Alice"
       greet(user_name)

2. 在終端機中，使用 python 指令執行這個檔案：

   $ python3 my_script.py
   Hello, Alice! This is from a script file.

👍 優點

• 可重用與可維護：代碼被儲存下來，方便重複使用、修改和版本控制。
• 標準開發方式：適用於開發任何規模的專案，從簡單的自動化腳本到大型應用程式。
• 結構化：可以將代碼組織成函式、類別和模組。

👎 缺點

• 互動性較差：每次修改後都需要重新執行整個腳本才能看到結果，不像 REPL 那樣即時。
• 需要開發環境：需要使用文本編輯器或 IDE (Integrated Development Environment) 來編寫代碼。

📓 三：Jupyter Notebook

Jupyter Notebook 是一個基於網頁的互動式計算環境，讓你可以在稱為「儲存格 (Cell)」的區塊中編寫和執行代碼。它特別適合數據科學、機器學習和學術研究。除了標準的 Jupyter，還有如 Google Colab、Kaggle Notebook 等變體。

範例：

在 Jupyter Notebook 中，你可以建立一個 Markdown 儲存格來寫筆記，再建立一個 Code 儲存格來執行代碼。

Markdown 儲存格:

* 簡單的數據分析例子 (這是 markdown 語法)

以上儲存格支持 markdown 語法，用於說明。執行後可渲染 markdown 內容。

Code 儲存格:

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

以上儲存格支持 python 語法，用於執行代碼。執行後輸出會直接顯示在該儲存格下方。

👍 優點

• 互動與視覺化：完美結合代碼、執行結果、文字說明和圖表，非常適合做報告和教學。
• 逐步執行：可以獨立執行每個儲存格，方便進行探索性數據分析和偵錯。
• 儲存執行結果：可以儲存執行結果。
• 易於分享：.ipynb 檔案可以輕鬆分享，其他人可以重現你的分析過程。

👎 缺點

• 狀態管理混亂：儲存格可以不按順序執行，容易導致變數狀態混亂，影響結果的可重現性。
• 不適合傳統軟體開發：不適用於建構 Web 後端、桌面應用或複雜的系統腳本。
• 版本控制困難：.ipynb 檔案的原始格式是 JSON，不易於使用 Git 等工具進行版本比較。

📦 四：使用 pipx 安裝並執行應用程式

當你想在系統中安裝 Python 開發的終端機工具（例如代碼格式化工具、Linter）時，pipx 是絕佳選擇。它會為每個應用程式建立獨立的虛擬環境，從而避免了不同工具之間的依賴衝突，讓你像使用系統原生指令一樣使用它們。

一個很好的例子是 black，一個「不妥協的 Python 代碼格式化工具」(The Uncompromising Code Formatter)，它可以自動將你的代碼統一成標準風格。

範例：

1. 首先，安裝 pipx：

   pip install pipx
   pipx ensurepath

   (安裝後可能需要重啟終端機)

2. 使用 pipx 安裝 black：

   pipx install black

3. 假設你有一個格式混亂的 Python 檔案 messy_code.py：

   # messy_code.py
   def  my_function(x,   y,z):
     result=x+y+z
     print('The result is:',result)

4. 在終端機中直接執行 black 來格式化這個檔案：

   > black messy_code.py

   終端機會顯示：

   reformatted messy_code.py
   
   All done! ✨ 🍰 ✨
   1 file reformatted.

5. 現在 messy_code.py 的內容已經被自動整理好了：

   # messy_code.py
   def my_function(x, y, z):
       result = x + y + z
       print("The result is:", result)

👍 優點

• 環境隔離：每個工具都有自己獨立的環境，完美解決了依賴衝突問題。
• 使用方便：安裝後的 Python 工具可以直接在終端機中當作原生指令使用，無需啟動虛擬環境。
• 管理簡單：輕鬆升級或卸載工具，不會污染全域或專案的 Python 環境。

👎 缺點

• 特定用途：它主要用於安裝和執行「全域範圍」的 CLI 工具，而不是用於管理單一專案的依賴庫（這應該使用 pip 和 venv）。
• 學習成本：需要額外學習一個新工具的使用方法。

🖥️ 五：打包成可執行檔 (.exe)

當你希望將 Python 程式分享給沒有安裝 Python 環境的用戶時，可以將其打包成一個獨立的可執行檔（如 Windows 的 .exe 或 macOS 的 App）。PyInstaller 是實現這一點的最流行工具之一。

範例：

1. 首先，安裝 PyInstaller：

   pip install pyinstaller

2. 建立一個簡單的 Python 腳本，例如 app.py：

   # app.py
   print("這是一個獨立的應用程式！")
   input("按 Enter 鍵結束...")

3. 使用 PyInstaller 進行打包。--onefile 參數會將所有東西打包成單一檔案：

   pyinstaller --onefile app.py

4. 完成後，你可以在 dist 資料夾中找到生成的可執行檔 app (或 app.exe)。

👍 優點

• 方便分發：用戶無需安裝 Python 或任何依賴庫即可執行你的程式。
• 專業外觀：打包後的程式看起來就像一個原生的桌面應用。
• 保護源碼：雖然不是完全加密，但相較於直接分享 .py 檔案，能提供一定程度的源碼保護。

👎 缺點

• 檔案體積大：由於需要包含 Python 解譯器和所有依賴庫，打包後的檔案通常很大。
• 可能被誤判為病毒：某些防毒軟體可能會對 PyInstaller 生成的檔案產生誤報。
• 打包過程複雜：對於包含複雜依賴（如 C 擴充套件）的專案，打包過程可能會遇到各種問題。

📊 總結比較

方法	主要用途	優點	缺點
REPL 互動模式	快速測試、學習語法	即時反饋、無需檔案	無法保存、不適合複雜程式
Script 檔案 (.py)	開發腳本、模組和應用程式	可重用、結構化、標準開發方式	互動性差
Jupyter Notebook	數據分析、學術研究、教學	互動性強、結合代碼與文檔、視覺化	狀態管理混亂、不適合傳統軟件開發
pipx	安裝和執行 Python CLI 工具	環境隔離、使用方便	用途單一
打包成可執行檔	分發給非技術用戶	無需 Python 環境、方便部署	檔案體積大、打包過程可能複雜、易被誤報為病毒

✨ 結語

掌握不同的 Python 執行方法，使你能夠輕鬆使用 Python，各種方法都有獨特的應用場景。請根據自己的需求，選擇最合適的工具。

📚 參考資料

• Python Official Website
• Project Jupyter
• pipx Documentation
• Black Code Formatter
• PyInstaller Official Documentation