Anaconda总结

为什么要使用Anaconda

Anaconda诞生前的问题

我们知道，我们在用python语言的时候，需要下载一个python解释器，没有解释器，我们的代码就没法运行。同时，我们在写代码时，还需要使用许多系统自带的包和第三方包(它们都放在python安装路径下Lib目录)。这告诉我们，一个python环境由解释器(python.ext)+包集合(自带的包+第三方包) 来决定

• 解释器：随着python的发展，python的版本越来越多，功能也越来越丰富，这导致我们在写不同的项目的时候，可能需要使用不同的python版本 (比如：我们开发一个人事管理系统时，我们想用python2.7来做，当开发一个商城，我们想用python3.7开发)，当我们同时开发多个项目的时候，如果他们所用的python解释器不同，那我们就麻烦了，我们电脑上该装哪个版本呢？
• 包集合：不同的项目需要用到不同的第三方包，如果我们把所有项目的所有包都放在同一个环境中，那么包的管理会非常混乱。如果其中一个项目拿到另一台电脑运行，到底哪些包是这个项目的呢？ (你愿意把所有项目的包都拷贝到另一台电脑，还是愿意到另外一台电脑上重新下载那些缺少的包呢？)

Anaconda的诞生

• 解决以上两个问题：利用Anaconda,我们可以在一台电脑上创建多个环境 (一个项目一个环境)，这样，每个项目想用哪个解释器版本，就用哪个 (因为一个项目给你一个环境，项目之间井水不犯河水)。同时，每个项目的第三方包也独立出来了 (一个项目一个环境)，这样，我们想把项目放在另一台电脑上时，直接将该项目+环境(三方包)一块拿走就好了

Anaconda安装

• 到官网下载安装包
• 安装
  
  
  
  
• 在命令行中输入conda --version 查看anaconda是否安装成功

Anaconda使用总结

安装完成后，我们就可以用Anaconda创建一个个单独的虚拟环境了

• activate命令：activate+虚拟环境名，可以激活指定的虚拟环境，如果activate后什么都不加，则激活系统自带的base环境，我们在base环境下输入python，那么这时我们用的是base环境下的python编译器
  

• 检测目前安装了哪些虚拟环境：conda info --envs
  

• 创建一个名字为tensorflow的虚拟环境：conda create --name tensorflow python=3.7

• 切换虚拟环境：activate 环境名

• 安装包(在线)：pip install 包名

• 安装包(脱机)：1.切换到安装包所在目录 2.pip install 安装包名
  

• 卸载包：pip uninstall 包名

深入理解

anaconda的原理是什么？我们可以看看他的目录

这是anaconda的安装目录，如果我们安装过python，我们会发现，这个目录与python的安装目录非常像，没错，这个目录就是anaconda的base环境，是一个python环境

• 在这个目录里，我们发现一个envs的目录，我们点进去看看里面的内容
  
• 从图中，我们可以看出，里面有一个tensorflow的目录，这个目录正是我们创建的名字为tensorflow的虚拟环境
• 点击，进入tensorflow文件夹
  
• 我们可以看出，这个目录与python解释器的目录结构几乎一样，跟base的也几乎一样，没错，这就是一个单独的python解释器
• 这么看, anaconda所谓的创建虚拟环境其实就是又创建了一个真实的python环境

与pycharm连接

在Setting -> Project -> Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local，选择某个环境的python.exe解释器就行了