使用的硬件軟硬件環境：Windows10 + Anaconda + Pycharm
文章目錄
Anaconda
1）瞭解Python
Python可以理解成一個解釋軟件，可以將寫的Python代碼翻譯給電腦執行。
如果我們電腦中有裝有Python的話，打開安裝目錄可以看到如下結構：
其中python.exe就是我們的解釋器
Lib文件夾用來存python的包，包括自帶的包和第三方包。如果是第三方的包則存在Lib下的site-packages文件夾中
總的來說，python中包括一個解釋器和一個包集合
問題是，python自己已經可以滿足自己程序的所有過程，爲什麼還要用到anaconda呢？
2）Anaconda的安裝
在解釋爲什麼使用anaconda之前，我們先將anaconda裝好先。
Windows下的安裝步驟可以參考這篇博客，這裏不再贅述。
安裝完之後，最好改下鏡像源，就是下載庫的地址。這裏使用清華大學的鏡像源。
我們打開cmd，輸入conda config --set show_channel_urls yes
然後文件管理器中進入C盤下的用戶目錄，找到.condarc文件，用記事本打開。
然後刪除原有的，粘貼如下內容就更改結束了：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
另外，因爲我是使用Windows平臺的，所以這裏有關Linux系統的操作都省略。
3）Anaconda的作用
問題①：我們都有了python，爲什麼還要anaconda呢？
這就要涉及環境的問題了。我們知道，python的優勢就是可以引入很多的第三方的庫和包。
可是當我們編寫不同的項目程序的時候，會有很多不同的庫要引入。
打個比方，我寫爬蟲程序，要用到requests包；我寫神經網絡，可能要用到PyTorch庫。
如果我電腦中沒有anaconda，所有的包和庫都要放在Lib文件夾中。
在我跑爬蟲程序時，不僅要將加載完全用不上的PyTorch庫導致運行啓動變慢，還可能在調用request包的時候發生錯誤。
爲了解決上述問題，Anaconda就出場了。
問題②：anaconda怎麼解決
Anaconda可以理解成包含了Python的一個大包。
這個包中除了Python，還包括一些其他常用的庫，例如numpy和pandas。
打開anaconda安裝目錄可以發現，anaconda的項目結構和python的極爲類似。
兩個都有一個python.exe和Lib文件夾，分別是base環境下的解釋器和包文件夾。
anaconda解決上面問題的方法就是爲每一個項目創建新的環境。
每個新環境中都獨自着有着自己的Lib文件夾，及有屬於自己的包和庫。
這樣子調用起來每個項目都有獨立的環境，不會相互干擾。
4）創建Anaconda的虛擬環境
在安裝完anaconda之後，開始菜單中會有如下圖的目錄結構，點開框中的：
點開之後可以看到如下圖的界面，然後點擊左側environment的標誌：
可以看到，environment中有一個base的環境，這個就是我們剛剛看到的anaconda安裝目錄下的python.exe和Lib組成的基礎環境。
我們點擊下面create按鈕，然後輸入環境名稱abc並選擇python版本之後，就創建好了一個新的虛擬環境。
我們之後在路徑…\Anaconda3\envs下可以看到創建的新環境文件夾
進入文件夾後的內容如下：
可以看到，這個新建的環境就是一個完整的python環境目錄。
所以，anaconda所謂的創建虛擬環境其實就是安裝了一個真實的python環境, 只不過我們可以用不同版本的解釋器和不同的包環境去運行python腳本.
此外，在anaconda navigator中，還可以在不同的環境下，下載不同的包庫，這裏留到後續再說。
Pycharm
1）Pycharm的安裝
pycharm是一款python IDE，簡單來說就是一個打代碼的平臺。
pycharm的安裝很簡單，在官網下載安裝包後一路next即可，這裏不做贅述。
2）Pycharm中使用anaconda環境
這裏是一個重點。
在安裝完pycharm後，我們點擊 Create New Project 新建一個項目。
可以看到，除了要輸入項目名稱和保存的地址以外，下方還要選擇使用的環境。按照下圖操作。
在彈出的界面設置如下操作
然後在文件目錄中選中剛剛創建的環境的python.exe，然後點擊OK，就成功創建了一個項目。
第三方庫的下載
1）新環境的包
到上面那步，我們通用的開放平臺就搭建好了。
但是我們前面說到，python的優勢就是有龐大的第三方庫。
如果我們在anaconda navigator中查看新環境abc包含的庫時，會發現相比base環境，abc少了很多庫。
 |
 |
|---|
就連base庫中最基本的numpy庫和pandas庫都沒有。
這裏說明我們需要自己下載要用到的庫。
下面以安裝numpy庫爲例，介紹conda的環境中安裝第三方庫的方法。
2）安裝numpy庫
在anaconda navigator中點開abc環境，按下面圖片的順序操作
等待安裝完後，numpy庫就安裝成功了
問題解答
1）Pycharm創建新項目時爲什麼不選 New environment
在pycharm創建新項目的時候可以看到，除了有exist environment外，還有new environment。
至於爲什麼不用，是因爲我們已經在anaconda navigator中創建好了新的環境。
其實在創建新項目的時候，也可以選用new environment來順便創建新的環境。
但由於還要自己設置路徑不太方便，所以我個人習慣先在anaconda navigator中創建好環境並安裝好需要的庫。
2）爲什麼用conda environment不用virtual environment
conda environment和virtual environment的目的其實都是爲了劃分出獨立的運行環境。
但是兩個創建環境的邏輯不太一樣。
我個人理解virtual environment創建的虛擬環境是可以繼承base環境中的庫，即虛擬環境中對於base中已有的庫並不會再次下載到自己的環境中。
而conda environment在創建時，只有最基本的幾個包且不繼承base中的任何庫。若想用到base中的庫，則要在虛擬環境中再次下載安裝多一個副本。例如上文中的numpy庫，base中自帶了numpy，但新環境abc中需要自己安裝。
3）爲什麼用conda進行安裝不用pip
如果在網上搜索python搜索安裝庫的方法，大致有兩種：conda安裝和pip安裝
首先說下pip是什麼：pip 是一個 Python 包管理工具，提供了對 Python 包的查找、下載、安裝、卸載的功能。
conda是什麼：conda 是一個開源的軟件包管理系統和環境管理系統，用於安裝多個版本的軟件包及其依賴關係。
簡單來說，pip就是個下載python包的工具，而conda則是個管python環境的工具。
既然兩個都能下載包，爲什麼選擇conda呢？
這個問題我想了很久，後來發現conda安裝後，可以在anaconda navigator的列表中當前環境中的包有哪些。而用pip安裝的包不能顯示在anaconda navigator的列表中。所以爲了方便，我個人選擇了conda來安裝需要的包。