【小白看了都会】Anaconda3与Pycharm详细下载与安装，并在Pycharm中配置Anaconda3环境

1. Anaconda3

1.1 下载安装

https://www.anaconda.com/download/success
选择对应的系统，这里可忽略python版本，比如当前显示的是3.12意思是他能支持到3.12，并不代表3.8版本不能用

---

1.2 下载好的.exe直接双击执行，一直next到这一步，选择All Users，意思是其他用户也可以使用

---

1.3 选择合适的路径，不建议安装在C盘

---

1.4 然后按照推荐一直安装到底，最后两个不要勾（没什么用，勾也没事就是打开网页而已），直接Finish就可以了。

---

1.5 安装好之后把condabin目录添加到环境变量中去，然后确定确定确定。

---

1.6.打开cmd. 输入conda info 查看是否安装成功。

然后找到envs directories目录，可以看到我当前安装的Anaconda3的优先级不是第一个，意味着后续创建虚拟环境保存的位置按照优先级会优先保存在D:\tools2\miniconda3\miniconda3\envs下。因为我本机上本身已经有了miniconda3。所以会有。但是还是要确保下接下来创建的虚拟环境存放位置是否是自己想要保存的位置。

据需要更改envs directories， 为什么要改呢，假如某个盘满了，我想把创建的虚拟环境放到别的盘的位置。
找到.condrac文件并打开，这个文件在当前用户目录下，C:\Users<YourUsername>.condarc
。比如我把里面的内容改成如下：

在cmd 输入conda info 查询一下：可以看到第一个已经变成我想要修改的路径了。

---

1.7 创建虚拟环境conda create -n test1 python==3.10。

-n是指要创建的名称，这里是test1，python版本指定为3.10，当然具体根据自己的需求指定python版本。这里一定要以管理员权限运行终端，有什么区别呢？
非管理员运行终端：第6步更改虚拟环境目录没生效。

管理员运行终端：第6步更改虚拟环境生效了

按y会安装一些基础包。

1.8. 查看环境conda env list

1.9 激活环境，并安装一个numpy试一试

conda activate test1
pip install numpy

安装完成之后查看一下包的情况，能看到当前环境test1下安装的numpy

conda list

---

1.10 终端执行以下python并导入numpy看是否成功。测试成功，说明我们虚拟环境test1已经配置好了。

---

2 Pycharm

2. 1 下载安装

https://www.jetbrains.com/pycharm/download/?section=windows
下载社区版，专业版是收费的。

下载完成后，双击.exe，一路next到底直到完成。不需要注意别的。

2. 2 打开pycharm 创建一个项目

这时比如我创建如下一个项目，里面创建了一个test1的py文件，可以看到右下角是No interpreter 意思是没有加载任何pyhton环境，那如何把上一节我们用conda 创建的test1环境加载进来呢。我们接下来继续讲。

---

3 Pycharm 加载conda 创建的虚拟环境

3.1 点击< No interpreter >，并Add New Interpreter

---

3.2 按如下选择，并ok，如果找不到test1，把Relaod environments点一下刷新一下就出来了。

---

3.3 ok，完成之后我们右下角已经变成test1了，说明conda创建的test1环境已经被加载进来了。

3.4 验证是否ok。左边点一下终端按钮，发现终端自动激活test1，说明配置成功了。

---

3.5 写一行代码试一试，拿我们在test1环境中安装的numpy试试

我们看到这个test1.py文件执行时候，确实是调用我们conda 创建的test1中的python环境。一切没问题，收工。

4 后语(可忽略，但可以了解知道一些其他作用)

说了这么多，来简单说一说为什么要用Anaconda3配置环境。
使用 Anaconda3 配置虚拟环境的主要原因在于它提供了一种简化且高效的方式来管理 Python 环境和依赖包，尤其适用于需要使用数据科学、机器学习以及科学计算的场景。以下是具体优势：

4.1 隔离性

• 避免环境冲突：
  每个虚拟环境可以独立配置所需的 Python 版本和库，避免了多个项目间的依赖冲突。
  比如项目 A 需要 TensorFlow 1.x，而项目 B 需要 TensorFlow 2.x，虚拟环境可完全隔离两者。
• 不污染全局环境：
  使用虚拟环境时，全局 Python 环境不受影响，安全且整洁。

4.2 多版本 Python 支持

• Conda 允许在不同环境中轻松使用不同的 Python 版本（例如 3.9 和 3.10），无需手动安装和管理。

4.3 包管理便捷

• 内置包管理器（Conda）：
  Conda 作为包管理工具，比 pip 更强大，尤其在管理非 Python 包（如 C 库、科学计算库）时。
  例如安装 NumPy，Conda 会自动安装优化的二进制版本，比 pip 快且稳定。
• 解决依赖问题：
  Conda 能自动处理复杂的依赖关系，避免手动安装或冲突问题。

4.4 开箱即用的科学计算工具

• Anaconda3 集成了常用的科学计算和数据科学工具，如 NumPy、Pandas、Scikit-learn、Jupyter Notebook 等，无需额外配置。

4.5 跨平台兼容性

• Conda 支持跨平台运行（Windows、Linux、macOS），用户体验一致，方便团队合作和迁移。

4. 6. 易于管理

• 创建环境：

conda create --name my_env python=3.10

• 激活环境：

conda activate my_env

• 安装包：

conda install numpy pandas

• 集中管理工具：
  使用 conda info 和 conda list 可以轻松查看环境信息和已安装的包。

4.3 总结

使用 Anaconda3 配置虚拟环境能让开发者专注于项目本身，而不是环境配置和包管理。它的易用性、稳定性和强大的包管理功能使其成为科学计算和数据科学领域的首选工具。