自己折腾就是不行啊，屡战屡败，最近终于找到前辈教我

第一步 删除Python

先把前阵子折腾的WSL和VScode删掉。还是得用spyder，跟matlab最像，也最容易入手。

从VScode上搞python，最后安装到appdata上，安装插件各种提示warning没权限，太烦了

 参考：

Python随笔：彻底卸载Python和清除Python缓存数据https://blog.csdn.net/qq_38463737/article/details/107205696

方式一：（没成功）

确认版本为3.11.9，去镜像网址python-release-windows安装包下载_开源镜像站-阿里云https://mirrors.aliyun.com/python-release/windows/?spm=a2c6h.25603864.0.0.9bbb6414jJrkyE

下载3.11.9 amd版本，先安装，才会出现repair，然后再卸载。

试了一遍，没成功。

换方式二，应用市场下载的python的，用命令行删除

参考：如何卸载应用商店的Python | PingCode智库https://docs.pingcode.com/baike/781318

1. 打开命令提示符

按下“Win + R”键，输入“cmd”并按下Enter键，打开命令提示符窗口。在命令提示符窗口中，你可以使用命令行工具来卸载Python。

2. 使用winget命令

Windows 10 和 Windows 11 提供了一个名为“winget”的命令行工具，你可以使用它来卸载从应用商店安装的应用。输入以下命令来卸载Python：

winget uninstall Python

系统将自动寻找并卸载Python应用。

卸载成功。

3.注册表、残余文件夹都没找到，剩余动作就此罢休。

删除其他package

第二步 安装python

---

重新安装python，勾选添加path，选择为所有用户安装，装到D:\Python311\下

进入cmd，敲python，能进入编译，ok，done！

开始安装package工具包，在cmd下输入pip命令，使用清华大学镜像站资源

会自动安装到python安装文件夹下

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple spyder

根据需要安装numpy，spyder，matplotlib，cartopy，scikit-learn，pandas，cmocean，seaborn等库，还听说了polars，numba等据说能提高计算性能的库，待我一一试来。

另外，我的带路人、导师、先辈，说他其实完全不会python，全靠豆包搜索，孤勇的完成了matlab向python的转换，我将谨遵他的指引，走向康庄大道，😂😂😂

附，polars，表格式批量处理数据

Polars 快速高效数据，替代pandas

发现一个有用的库，高效快速处理大批量数据，据说可以替代pandas。

当然，pandas我也不会用，但似乎有了polars，连julia都可以放弃了，那就放心转吧。

Polars，一个神奇的 Python 库https://zhuanlan.zhihu.com/p/683461941

Python polars学习-01 读取与写入文件_python polars read-CSDN博客https://blog.csdn.net/zhangtingduo/article/details/138177997

csv，txt数据可以很方便读取，但是spyder里不能直接显示读入数据，待我研究一下。

类似matlab的table，刚刚发现readtable也可以有类似fortran的固定宽度读取了。

使用 readtable 函数和 FixedWidthImportOptions 对象导入表并预览数据，非常方便

可惜终归是要抛弃matlab的。

附，numba，加速numpy数组循环

numba是一款可以将python函数编译为机器代码的JIT编译器，经过numba编译的python代码（仅限数组运算），其运行速度可以接近C或FORTRAN语言。

numba，让python速度提升百倍_numba加速-CSDN博客https://blog.csdn.net/Pydatas/article/details/143088287?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-143088287-blog-133886829.235^v43^pc_blog_bottom_relevance_base8&spm=1001.2101.3001.4242.1&utm_relevant_index=2这介绍就深深吸引了我，python之前做for循环像死机一样，所以才坚决放弃了。没想到竟等来了好的。