Conda+PyCharm Python编程工作环境配置

1. 介绍

Python：一种解释型、面向对象、动态数据类型的高级程序设计语言。

PyCharm：一款好用的集成开发环境。

Conda：Python环境管理器，方便我们管理和切换编程环境。

2. 下载

2.1 Conda下载

Miniconda下载链接

Anaconda下载链接

Miniconda是Anaconda的压缩版，Miniconda只包含conda的核心内容，Anaconda中包含了Spyder集成开发环境等扩充内容。Miniconda的功能足矣。

根据计算机的实际情况选择下载安装包，上图中Python version是指conda默认下载Python的版本号。目前，推荐选择Python 3.7，比较稳定，应用较广。（其实随便下载哪个都行，生成环境的时候可以指定Python版本，后文有详细介绍）

下载完成后，点击运行，自愿更改安装目录，之后一路“Next”即可，直到“Install”，至此conda安装结束。

2.2 PyCharm下载

PyCharm下载链接

提供专业版和社区版两种，其中社区版可免费下载，用于纯Python开发，专业版功能更全面（例如支持Jupyter），区别上图已经说得很明确了。

两种方法可以免费体验到专业版：

• 用学校提供的教育邮箱（一般包含edu字段）在JetBrains官网注册证书，领取教育优惠，用获得证书的账号登录开发环境激活证书，可以维持一年，过期可能需要再次申请，相关教程百度搜索“JetBrain”、“教育邮箱”此类关键字；
• 百度搜索关键字“PyCharm”、“激活码”此类关键字，激活开发环境，缺点是时不时就会过期，需要频繁激活。

嫌麻烦就直接下载社区版，应对学习功能完全够用。

安装过程无脑点就好。

3. 开发环境配置与项目创建

在开始菜单栏里面有之前安装好的conda，运行Anaconda Powershell Prompt。（找不到就在开始菜单搜索）

下图中 (base) 表示conda为我们预创建了一个基础环境，输入 python 指令启动Python，可以看到预装Python版本为3.7.10，只就是下载步骤选择版本3.7的结果。输入 exit() 退出Python。

3.1 创建指定Python版本编译环境

# 语法
conda create -n [ENV_NAME] python=[PYTHON_VERSION]
# 例子
conda create -n testenv python=3.9

通过上述指令，conda帮我们下载、安装好指定版本的Python。

如果存在下载速度慢或是断连接的情况，可尝试配置清华源：

anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

下图中，我创建了一个名为 testenv 的环境，Python版本指定为 3.9 的编译环境。（如果我没有指定Python版本，conda会默认下载3.7的版本，因为前面安装的conda是Python 3.7版本）environment location 提示了编译环境的安装位置。

至此我们创建了一个指定版本的Python编译环境。

3.2 PyCharm创建项目

如图。

项目创建完成后，打开窗口的右下角显示了当前所用Python版本和编译环境名称。单击打开，可以切换或添加其他编译环境。

至此完成项目创建，一切准备就绪。

---

2023年1月10日更新

添加conda编译环境。

打开界面如下图所示，按图中指示选择。Conda executable是conda安装目录下的_conda.exe。选择好后点击OK。

4. 扩展

4.1 为什么使用conda？

在项目开发时，不同的项目可能需要不同版本的Python，或者需要在同一版本Python中添加不同组合的扩展依赖包，因此需要创建多个编译环境。
从上文中可以看出，通过简单的一行conda指令，便可完成一个编程环境的创建。手动操作的话需要完成下载、安装等等一系列操作，不仅操作繁琐，创建的编译环境处在各自目录，也不方便管理。通过conda指令，我们可以轻松地管理编译环境。

4.2 常用conda指令

接下来介绍常用的conda指令。下列指令在PyCharm集成的Terminal中同样可以使用。

1. 创建编译环境

# 创建编译环境
conda create -n [ENV_NAME] python=[PYTHON_VERSION]

通过克隆旧环境创建新环境。

conda create -n [NEW_ENV_NAME] --clone [OLD_ENV_NAME]

详见上文。

2. 启动编译环境

启动：

# 语法
conda activate [ENV_NAME]
# 例子
conda activate testenv

下图中 (base) 是conda为我们预创建的编译环境，Python版本是我们下载conda时选择的Python版本。执行指令后， (testenv) 表明我们已经切换到了指定编译环境。

退出：

conda deactivate

3. 列出全部编译环境

conda info -e

4. 下载python扩展包

Python Package Index 提供扩展包的下载指令。

# 语法
pip install [PACKAGE_NAME]==[VERSION]
# 例子，下载numpy，版本1.21.5
# numpy是用于科学计算的扩展包，其中包含了常用科学计算函数，如正弦、余弦、叠乘、叠加等
pip install numpy==1.21.5
# 当不指定版本时，默认下载最新版本

5. 列出当前环境安装过的扩展包

pip list

6. 添加镜像源

下载安装包、扩展包的时候，由于源地址在国外导致下载速度缓慢，我们可以添加国内的镜像源改善。

推荐使用清华源，按照官网介绍进行配置。（2023年10月8日）

设为默认

升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

如果您到 pip 默认源的网络连接较差，临时使用本镜像站来升级 pip：

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip

临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

7. 升级pip

python -m pip install --upgrade pip -i [source_url]

8. 移除镜像源

# 语法
conda config --remove channels [SOURCE_URL]
# 例子
conda config --remove channels https://pypi.doubanio.com/simple/

9. 列出镜像源

conda config --show channles

10. 生成requirements.txt文件

列出当前项目使用到的安装包：

pip install pipreqs
pipreqs .

11. 打包-移植Python环境

安装 conda-pack ：

conda install conda-pack

打包环境：

conda-pack -n [ENV_NAME] -o [PACKAGE_NAME].tar.gz

移植环境：

mkdir [PATH_TO_RESTORE]
tar -xzvf [PACKAGE_NAME].tar.gz -C [PATH_TO_RESTORE]

解压之后即可通过指令 conda info -e 查看到移植后的环境。

5. Jupyter + VSCode

PyCharm专业版才支持Jupyter。因此，可以选择使用VSCode。

环境配置参考vscode运行.ipynb代码时提示需要安装ipykernel包的解决办法

应用问题解决方法参考vscode中配置jupyter（彻底解决Failed to start the Kernel问题）