PyCharm 2026.1 ヘルプ

Scientific プロジェクトのチュートリアル

Scientific モードは、PyCharm 2024.1 以降のバージョンではデフォルトで有効になっています。

このチュートリアルでは、データの視覚化を使用して Python コードを実行およびデバッグするためのプロジェクトを作成します。

始める前に、conda(英語) がインストールされていることを確認してください。

Python プロジェクトを作成する

  1. 新規プロジェクトウィザード(ファイル | 新規 | プロジェクト)を開きます。

  2. Pure Python プロジェクトタイプを選択します。

  3. プロジェクト設定ダイアログウィンドウで、プロジェクト名を指定し、新しい環境として conda が選択されていることを確認して、作成をクリックします。

  4. プロジェクトルートを右クリックし、新規 | Python ファイルを選択して、main.py という名前の新しい Python ファイルを追加します。

  5. main.py ファイルを開き、次のコードサンプルを追加します。

    import numpy as np import matplotlib.pyplot as plt N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radii plt.scatter(x, y, s=area, c=colors, alpha=0.5) plt.show() X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X) plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-") plt.xlim(X.min()*1.1, X.max()*1.1) plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) plt.ylim(C.min()*1.1,C.max()*1.1) plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$']) plt.show()
  6. numpy および matplotlib のインポートに関する警告を処理し、プロジェクト内のパッケージを有効にします。

実行

プロジェクトを実行します。コードが実行され、プロットツールウィンドウに 2 つのグラフが表示されます。プレビューサムネイルをクリックすると、それぞれのグラフが表示されます。

Preview the graph

一度に 1 つのグラフのみをプロットするには、プロジェクトコードをコードセルに分割して変更します。これにより、コードの特定のセクションを個別に実行できるようになります。

コードセルを実行する

  1. "#%%" 行を追加して main.py ファイルを修正します。

    import numpy as np import matplotlib.pyplot as plt #%% generate random values N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radii #%% build a scatter plot plt.scatter(x, y, s=area, c=colors, alpha=0.5) plt.show() #%% plot y versus x as lines X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X) plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-") plt.xlim(X.min()*1.1, X.max()*1.1) plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) plt.ylim(C.min()*1.1,C.max()*1.1) plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$']) plt.show()
    Adding cells to the Python code
  2. ガターで、インポートと変数を含む行のアイコン Run をクリックして、次の手順ですべての名前が認識されるようにします。

  3. 散布図セルマークのある行にあるアイコン Run をクリックします。散布図のみが作成されます。

  4. 次に、y と x のプロットのセルマークを付けた行のアイコン Run をクリックします。対応するグラフが表示されます。

デバッグ

行にブレークポイントを設定しましょう:

plt.show()

この行はサンプルコードでは 2 回表示されるため、2 つのブレークポイントがあります。

エディターの背景を右クリックして、コンテキストメニューからデバッグ <プロジェクト名> を選択します。

エディターにデバッグツールウィンドウと灰色の文字が表示されます。これは、有効になっているインラインデバッグの結果です。

最初のブレークポイントの行がハイライト表示されます。これは、デバッガーがブレークポイントの行で停止したが、まだ実行していないことを意味します。この行を実行すると (たとえば、デバッグツールウィンドウのステップツールバー ステップオーバーをクリックする)、次のグラフが表示されます。

Debugging the matplotlib code

次に、デバッグツールウィンドウの変数タブを確認します。area 配列の横にある配列として表示リンクをクリックすると、データビューツールウィンドウが開きます。

View as array

大量のデータを処理するときに、デバッガーが変数の値を同期的または非同期的にロードすると、デバッグパフォーマンスが低下する可能性があります。対応するロードポリシーを選択してオンデマンドモードに切り替えることをお勧めします。詳細については変数の管理ポリシーのロードを参照してください。

表の唯一の列に注意してください。これは、area 配列が 1 次元であるという事実によって説明されます。

コンソールで実行

エディターの背景を右クリックし、Python コンソールでファイルを実行コマンドを選択します。

このコマンドは、Python コンソールで実行するオプションが選択された main.py ファイルの実行 / デバッグ構成を実行することに相当します。

Run with Python console

このコマンドを実行すると、実行ツールウィンドウの出力の後に >>> プロンプトが表示され、独自のコマンドを実行できます。

要約

では、PyCharm を使用して何が行われましたか?

  • ファイル main.py が作成され、編集用に開かれました。

  • ソースコードが入力されました (強力な PyCharm のコード補完に注意してください !)

  • ソースコードが実行され、デバッグされました。

  • 最後に、コンソールでファイルを実行しました。

2024 年 12 月 24 日

関連ページ:

デバッグツールウィンドウ

デバッガーセッションを開始すると、デバッグツールウィンドウが開きます。このウィンドウを使用して、デバッガーセッションを制御し、プログラムデータ (フレーム、変数など) を表示および分析し、デバッガーアクションを実行します。デフォルトでは、プログラムがブレークポイントに到達したときにデバッグツールウィンドウが開き、セッションが終了しても非表示になりません。この動作を変更するには、ビルド、実行、デプロイ | デバッガー設定ページに移動し、ブレークポイントでデバッグウィンドウを表示するチェックボック...

中断されたプログラムを調べる

デバッガーセッションが開始されると、デバッグツールウィンドウが表示され、次のいずれかが発生するまでプログラムが正常に実行されます。ブレークポイントがヒットしました、プログラムを手動で一時停止する、その後、プログラムは中断され、現在の状態を調べたり、実行を制御したり、実行時にさまざまなシナリオをテストしたりできます。フレームを調べる:プログラムの状態はフレームで表されます。プログラムが一時停止すると、現在のフレームスタックがデバッグツールウィンドウのフレームタブに表示されます。フレームはアクティ

変数の管理ポリシーのロード

PyCharm のデバッグモデルでは、変数の値をロードするための 3 つのポリシーが提供されています。同期: 変数はまとめてロードされます。非同期: 変数は別々にロードされます。オンデマンド: 変数はユーザーの要求に応じてロードされます。デフォルトでは、変数は非同期にロードされます。ロードポリシーを変更するには、デバッグツールダイアログボックスのツールバーでクリックし、に移動して、リストからターゲットポリシーを選択します。ロードポリシーの変更は、デバッグプロセスを再実行した後に有効になることに...

コード補完

基本コード補完は、可視性スコープ内のクラス、メソッド、キーワードの名前を補完するのに役立ちます。PyCharm はコンテキストを分析し、現在のキャレット位置から到達可能な選択肢を提案します。候補にはライブテンプレートも含まれます。補完機能は英語以外のキーボードレイアウトでも利用できます。基本補完を呼び出すデフォルトでは、PyCharm は入力時に自動的にコード補完ポップアップを表示します。あるいは、を押すか、メインメニューからを選択することもできます。基本コード補完を 2 回呼び出すと、依存関...

科学計算機能

PyCharm を使用すると、Python を使用して科学計算やデータの視覚化を実行できます。Matplotlib、NumPy、Plotly、pandas を使用するには、これらのパッケージを Python インタープリターにインストールする必要があることに注意してください。データを分析する:データ構造を表示する Python コンソールで変数を表示する場合、配列として表示、データフレームとして表示、またはシリーズとして表示リンクをクリックして、データビューツールウィンドウにデータを表示できます。...

Jupyter ノートブックのサポート

PyCharm で利用可能な Jupyter Notebook 統合により、ノートブックのソースコードを編集、実行、デバッグし、ストリームデータ、イメージ、その他のメディアを含む実行出力を調べることができます。PyCharm での Notebook のサポートは次のとおりです。コーディング支援: エラーと構文のハイライト。コード補完。行コメントを作成する機能。、Python コンソールで IPython コマンドを実行する機能。専用 Jupyter Notebook デバッガー。Jupyter ノートブ...