pycharm與anaconda的使用

1.anaconda與pycharm的關係

一、python

python自身缺乏numpy、matplotlib、scipy、scikit-learn....等一系列包，須要咱們安裝pip來導入這些包才能進行相應運算（python3.5自帶了get-pip.py，不需額外下載安裝），在cmd終端輸入：pip install numpy就能安裝numpy包了。每次都額外安裝所須要的包略麻煩，這時候咱們能夠採用anaconda了。

二、Anaconda

Anaconda(開源的Python包管理器)是一個python發行版，包含了conda、Python等180多個科學包及其依賴項。包含了大量的包，使用anaconda無需再去額外安裝所需包。python3.5自帶了一個解釋器IDLE用來執行.py腳本，可是卻不利於咱們書寫調試大量的代碼。常見的是用notepade++寫完腳本，再用idle來執行，但卻不便於調試。

包括如下部分：

Anaconda Prompt 是一個Anaconda的終端，能夠便捷的操做conda環境。

IPython 是一個 python 的交互式 shell，比默認的python shell 好用得多，支持變量自動補全，自動縮進，支持 bash shell 命令，內置了許多頗有用的功能和函數。

Jupyter Notebook 這得從IPython 3.x版本開始提及，這是最後的大一統版本，包括notebook、qtconsole等等，從IPython 4.0版本開始IPython只集中精力作交互式shell，變得輕量化，而剩下的notebook格式，qtconsole，和notebook web應用等都分離出來統一命名爲Jupyter。至此IPython和Jupyter分家。

Jupyter Qtconsole 調用交互式命令臺。從IPython 4.0版本開始，不少IPython子命令如今變成了Jupyter子命令，如ipython notebook如今是jupyter noteboook。

Spyder 是一個使用Python語言的開放源代碼跨平臺科學運算IDE。Spyder能夠跨平臺，也可使用附加組件擴充，自帶交互式工具以處理數據。

三、PyCharm

PyCharm是一種Python IDE（集成工具），帶有一整套能夠幫助用戶在使用Python語言開發時提升其效率的工具，好比調試、語法高亮、Project管理、代碼跳轉、智能提示、自動完成、單元測試、版本控制。此外，該IDE提供了一些高級功能，以用於支持Django框架下的專業Web開發。將anaconda中的python.exe集成到pycharm中，即可以在使用pycharm的過程當中使用到全部anaconda的包了。

四、IDE

集成開發環境（IDE，Integrated Development Environment ）是用於提供程序開發環境的應用程序，通常包括代碼編輯器、編譯器、調試器和圖形用戶界面等工具。集成了代碼編寫功能、分析功能、編譯功能、調試功能等一體化的開發軟件服務套。全部具有這一特性的軟件或者軟件套（組）均可以叫集成開發環境。如微軟的Visual Studio系列，Borland的C++ Builder、Delphi系列等。該程序能夠獨立運行，也能夠和其它程序並用。IDE多被用於開發HTML應用軟件。例如，許多人在設計網站時使用IDE（如HomeSite、DreamWeaver等），由於不少項任務會自動生成。

發行版由我的，鬆散組織的團隊，以及商業機構和志願者組織編寫。它們一般包括了其餘的系統軟件和應用軟件，以及一個用來簡化系統初始安裝的安裝工具，和讓軟件安裝升級的集成管理器。
————————————————
版權聲明：本文爲CSDN博主「X_dmword」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/X_dmword/article/details/88848573

2.在pycharm中使用anaconda的不一樣環境

整體而言有兩種方式進行「環境」的管理：

1.在anaconda中提早準備好項目所需的環境，而後在pycharm中選擇相應環境的解釋器；

2.在pycharm中設定新建項目時隨即生成對應的環境。

方式一：

           建立新環境：

能夠在Anaconda Prompt中使用命令行的方式建立新的「環境」，也能夠在Anaconda Navigator的圖形界面中點擊鼠標建立新的「環境」。

Prompt中：conda create --name <env_name> <package_names>

        <env_name> 即建立的環境名。建議以英文命名，且不加空格，名稱兩邊不加尖括號「<>」。

                   <package_names> 即安裝在環境中的包名。名稱兩邊不加尖括號「<>」。

                  若是要安裝指定的版本號，則只須要在包名後面以 = 和版本號的形式執行；若是要在新建立的環境中建立多個包，則直接在 <package_names> 後以空格隔開，添加多個包名便可，例如

conda create -n python3 python=3.5 numpy pandas

 

        即建立一個名爲「python3」的環境，環境中安裝版本爲3.5的python，同時也安裝了numpy和pandas。

Navigator中：

在左邊列表中點擊「Environments」，選擇下方「create」，輸入新環境的名字，等待便可。以下圖：

 

 

能夠看到，除了默認的base環境，我又新建了兩個新的環境，準備好環境後打開pycharm，新建項目，而後選擇project interpreter（項目解釋器），以下圖所示：

忽略3中顯示的python解釋器，它是用python官網的安裝包安裝的，而咱們須要的是上一步新建環境中的解釋器。

 

 

 點擊框中的4，出現以下窗口，而後按照一、2的順序點擊：

 

 

在anaconda安裝路徑中的envs文件夾中能夠找到全部現有的「環境」，點擊去以後，選擇python.exe便可，最後點擊肯定。

方式二：在新建項目時隨即生成新的環境

在pycharm新建項目，同上，選擇 project interpreter，以下圖所示：

 

 

 在4的下拉框中選擇conda方式，而後pycharm會自動檢測到location和python version，因此這兩項默認就行。

最關鍵的是5，conda executable查了一圈都沒有人特別說明，基本都是使用我剛纔說的方式一，並且還都是用的anaconda默認的base環境。須要說明，這是一種很是很差的方式，由於之因此使用anaconda，就是由於它強大的環境控制能力，能夠在不一樣的環境中使用不一樣版本的包，若是全部項目都直接指定某一固定的解釋器，那爲何還要折騰anaconda？直接使用pip+virtualenv也是一樣能夠的。言歸正傳，conda executable指的是conda可執行文件（conda.exe）的位置，默認狀況下爲空，若是不指定，則會提示conda executable path is empty，須要手動選擇或者輸入。如6所示。它的位置在anaconda的安裝位置的Scripts文件夾下，選擇以後點擊肯定便可。

須要注意的是，使用方式二隨之建立的新環境的位置一樣在anaconda安裝路徑中的envs文件夾下，也一樣可使用Anaconda Prompt或者Anaconda Navigator進行環境管理和包管理，能夠說是很是方便使用了。

兩種方式區別的淺見：

方式一：須要提早準備好所需的環境，當項目間的包沒有干擾時，能夠複用其餘項目的庫，避免每次從新安裝

方式二：每次都會生成獨立的環境，不會對其餘的項目形成干擾，可是每次建立項目時都會耗費較長的時間
————————————————
版權聲明：本文爲CSDN博主「Wang_PChao」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/JT_WPC/article/details/86355903

3.爲何說anaconda中新建的環境是虛擬環境？

anaconda所謂的建立虛擬環境其實就是安裝了一個真實的python環境, 只不過咱們能夠經過activate,conda等命令去隨意的切換咱們當前的python環境, 用不一樣版本的解釋器和不一樣的包環境去運行python腳本.

 

4.在pycharm中使用anaconda中的庫

下載anaconda後會發現它同時下載了許多的庫，在spyder中能夠正常使用，但在pycharm中會發現顯示沒有，用pip下載也會顯示已有，如下是導入方法：

打開pycharm

 

 而後選擇anaconda這個

 

 

若是沒有，選擇右上角設置，add,點ok添加(個人已有不能再添加)

 

 改變之後若是沒有導入全部庫，點擊右邊的anaconda圖標（一次沒有徹底導入就再點一次）

 

 

這時這個文件就可使用這些庫了
若是還須要別的庫，點擊右邊的加號，搜索下載便可

這個方法一樣適用於引進別的庫（好比pip下載的庫）
————————————————
版權聲明：本文爲CSDN博主「隰有游龍」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/qq_44616044/article/details/90142037

https://blog.csdn.net/honest_boy/article/details/95222818

5.anaconda中的包如何傳到pycharm中使用?

在pycharm的setting中設置

在project interpreter 中的 existing environment 中選擇 anaconda3安裝目錄下的的 python.exe 就能夠了,而後會自動加載,!最後造成如圖片所示的樣子!

轉載於:https://www.cnblogs.com/xuying-fall/p/8298923.html

 

6.每次在anaconda中新建一個環境，都要從新安裝各類庫嗎？

有的時候咱們在使用anaconda3 的虛擬環境時，須要配置一個相似的環境，從新配置的話太過麻煩，所以能夠複製或克隆一個相似的環境，而後再相應的刪減或增長依賴的包：

複製或克隆環境：

conda create -n 新環境名稱–clone 被克隆環境名稱

例如，經過克隆tensorflow2來建立一個稱爲newtensorflow的副本：

conda create -n newtensorflow–clone tensorflow2
————————————————
版權聲明：本文爲CSDN博主「人間兵庫saleng」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/qq_42815385/article/details/88353306

查現有環境 
conda info --env

複製環境
有兩種辦法複製環境：

一，在本機上，直接使用

conda create -n 新環境名 --clone 舊環境名

複製既有環境

二，若是要複製到其餘機器，就要考慮導出當前環境到文件，利用文件再次建立環境

1） 導出環境

首先激活要導出的環境

conda activate 環境名 

導出環境

conda env export > 環境名.yaml
利用conda env export 導出的是個yaml格式的文件，該文件記錄了環境名，軟件源地址以及安裝包列表
2） 使用yaml配置文件建立新環境

conda env create -f 環境名.yaml
在新的機器中可直接執行上述命令，生成的環境與複製源徹底同樣（包括環境名），若是想在同一臺機器上覆制，須要把yaml文件中的環境名修改成一個新的名字，不然會衝突。
【注】還有一種複製環境的方式

conda list --explicit > env.txt
conda create -n newenv -f env.txt
這種方式只能複製環境中以conda install安裝的包，不能複製pip install安裝的包，所以不建議使用。
————————————————
版權聲明：本文爲CSDN博主「馬大哈先生」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接及本聲明。
原文連接：https://blog.csdn.net/qq_37764129/article/details/102496746

7.既然在anaconda中能夠新建各類python版本的環境，那爲何還有anaconda2&3的區別呢？

 暫時不是很瞭解2與3的區別，可是這不是當前我應該關注的問題，多敲代碼更實在。