Anaconda 使用和 Visual Studio Code，PyCharm 对接全解析

关于 Anaconda

关于 Anaconda 的安装和介绍，可以参考我的上一篇关于 Jupiter Notebook 的笔记，这里不再赘述，官网地址

引用维基百科

Anaconda 是一种Python语言的免费增值开源发行版，用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。Anaconda使用软件包管理系统Conda进行包管理。

简单来说，Anaconda 就是专门用于管理 Python 包环境以及部署的工具，同时自带了很多关于数据处理的工具包，例如：Pandas，NumPy 等等，并且还提供了一个网页版本的 Jupiter Notebook 编辑器来方便的编写Python 数据处理代码，类似于 pip3 这种 Python 自带的包下载和管理模块(Anaconda 中是 conda 模块)，但是要强大很多。可以简单的理解为一个装满了各种 Python 第三方工具包的仓库，和我们本地的 Maven 有点类似

① 安装 Anaconda

当我们装好 Anaconda 之后，输入以下命令表示 Anaconda 安装成功

O_O[cris@cris:~]$ conda -V
conda 4.5.11
^_^[cris@cris:~]$ 
复制代码

这个版本的 Anaconda 自带的Python 解释器是 3.7 版本，默认 Base 虚拟环境，并且自带了一系列包可以使用

^_^[cris@cris:~]$ conda list
复制代码

查看当前的 Base 环境有哪些包

② 什么是 Base 虚拟环境？

就是当前 Anaconda 默认自带的一个仓库（可以这么理解），在这个仓库中有 Anaconda 自带的很多Python 第三方包，包括Python 解释器（3.7 版本）

实际开发中，每个 Python 项目依赖的包都不同，Python 解释器版本也可能不同；每个Python 项目可能是你一人开发，也可能是多人开发；为了保证每个 Python 项目的环境（Python 解释器和项目依赖包）独立，互不干预，以及同一个Python 项目的所有人开发环境一致，Anaconda 可以为每一个项目单独配置Python 的开发和运行环境，也就是 Anaconda 中的虚拟环境（可以类比为仓库）

③ 创建 Anaconda 虚拟环境

使用 conda create -n your_env_name python=X.X（2.7、3.6等）