在pycharm中配置Anaconda以及pip源配置

在學習推薦系統、機器學習、數據挖掘時，python是很是強大的工具，也有不少很強大的模塊，可是模塊的安裝倒是一件使人頭疼的事情。

如今有個工具——anaconda，他已經幫咱們集成好了不少工具了！anaconda裏面集成了不少關於python科學計算的第三方庫，主要是安裝方便，而python是一個編譯器，若是不使用anaconda，那麼安裝起來會比較痛苦，各個庫之間的依賴性就很難鏈接的很好。

在windows中，pycharm是一個比較好python編輯器，因此若是能把pycharm 和 anaconda結合起來，豈不是美哉！

1.下載安裝anaconda
點擊這裏下載anaconda，注意對應本身想要安裝的python版本就好了。

這裏還要注意一個問題：由於anaconda是自帶Python的，因此不須要本身再去下載安裝Python了，固然，若是你已經安裝了Python也沒關係，不會發生衝突的！

2.下載安裝pycharm
建議使用這個編輯器吧，我的感受仍是很好用的。若是你是已經安裝了pycharm了，那麼能夠直接跳到下一步。點擊這裏下載pycharm
它會自動找到你安裝的python，安裝時按提示來就是了。

3.在pycharm中配置anaconda的解釋器
具體作法是：File->Default settings->Default project->project interpreter

接着點擊 project interpreter 的右邊的小齒輪，選擇 add local ，選擇anaconda文件路徑下的python.exe。接着pycharm會更新解釋器，導入模塊等，要稍等一點時間。

好了，到目前爲止，anaconda在pycharm中的配置就基本完成了。難道咱們就要知足使用conda中的那些包了嗎？並非，conda爲咱們帶來了更多的東西，使咱們在管理Python庫的時候更加方便快捷！接下來就讓我來詳細爲你解說一下吧！

一、配置國內源

讓咱們先來解決第一個問題，相信這個問題也是讓不少人都感到頭疼的，由於若是不進行配置的話，安裝python庫的時候默認是使用國外的源，這時候下載速度會很慢！國內的源下載速度要好不少。

pip源配置

你們比較熟悉的多是使用pip來安裝python的庫（也有多是easy install，不過我這裏只講pip的配置），因此就先來解決pip的源吧。

**注意配置環境**windows7 （64位），Python3.6

1. 在windows文件管理器中，輸入%APPDATA%,回車
2. 接着會定位到一個新的目錄，在這個目錄中新建一個pip文件夾，而後在pip文件夾中新建個pip.ini文件
3. 最後再新建的pip.ini文件中輸入一下內容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

好了，到目前爲止，pip源的配置就搞定了。

anaconda的源配置

在安裝了anaconda後，咱們也可使用anaconda來進行Python庫的安裝，一樣的也須要進行源的配置。（其實使用pip，anaconda來進行Python庫的安裝都是差很少，不過我的比較喜歡用anaconda）

這個配置方法就很簡單了，你只須要在配置了anaconda的pycharm中的終端（Terminal）逐條輸入如下兩條命令便可：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/


conda config --set show_channel_urls yes

好了，源的配置到此就完成了。你們有興趣能夠去清華大學的開源鏡像站看看，會有不少驚喜的。

二、conda的包管理

anaconda爲咱們提供方便的包管理命令——conda, 下面咱們來看看都有哪些有用的命令吧！

# 查看已經安裝的packages

conda list



# 查看某個指定環境的已安裝包

conda list -n python34



# 查找package信息

conda search numpy



# 安裝scipy

conda install scipy



# 安裝package

# 若是不用-n指定環境名稱，則被安裝在當前活躍環境

conda install -n python34 numpy



# 更新package

conda update -n python34 numpy



# 刪除package

conda remove -n python34 numpy

因爲conda將conda、python等都視爲package，所以，徹底可使用conda來管理conda和python的版本，例如

# 更新conda，保持conda最新

conda update conda


# 更新anaconda

conda update anaconda



# 更新python
conda update python