python学习环境

从这篇文章开始，记录python学习的过程。本篇从python学习的环境开始展开。

python的安装

我主要是在windows环境下进行python3的学习。 我所了解到主要有两种常见的python安装方法。

1. 直接在python官方网站上下载python，然后进行安装，使用。
2. 使用Anaconda以使用python。Anaconda是一个开源的包管理器，包含了python，conda等许多科学包及其依赖包。是一个宝藏型，也是大杂烩型的东东。你想使用的很多功能包，都可以在anaconda中获得。

我使用的是第二种方式

Anaconda的安装

搜索到官网，下载，一路下一步，安装。

Anaconda虚拟环境

Anaconda可以配置多个虚拟环境。所谓虚拟环境是在同一个物理环境中虚拟出多个操作环境。每个虚拟环境可以安装不同的包，比如，虚拟环境A可以使用python的3.7版本，虚拟环境B可以使用python的3.5版本。在A环境中可以安装TensorFlow，而B环境不需要使用TensorFlow，那么可以不安装。那么不同的虚拟环境可以服务于不同的应用场景。类似地，每个虚拟环境可以理解成沙盒。

• 查看当前有几个虚拟环境。当需要建立新的虚拟环境时，启动应用程序anaconda prompt，在命令行里输入 conda env list，在我的电脑可以看到如下结果

# conda environments:
#
base                  *  D:\Users\DELL\Anaconda3
Data_Analy               D:\Users\DELL\Anaconda3\envs\Data_Analy
Data_Analysis            D:\Users\DELL\Anaconda3\envs\Data_Analysis
PythonFundation          D:\Users\DELL\Anaconda3\envs\PythonFundation
hello                    D:\Users\DELL\Anaconda3\envs\hello
ll_env                   D:\Users\DELL\Anaconda3\envs\ll_env
tensorflow               D:\Users\DELL\Anaconda3\envs\tensorflow

可以看到有7个环境，其中有星花的base环境是当前的环境。

• 虚拟环境的创建。在命令行输入conda create -n 你的环境名称，如我新创建一个名为condaenv环境，则conda create -n condaenv，查看一下conda env list，可以看到倒数第四个是我刚才创建的

# conda environments:
#
base                  *  D:\Users\DELL\Anaconda3
Data_Analy               D:\Users\DELL\Anaconda3\envs\Data_Analy
Data_Analysis            D:\Users\DELL\Anaconda3\envs\Data_Analysis
PythonFundation          D:\Users\DELL\Anaconda3\envs\PythonFundation
condaenv                 D:\Users\DELL\Anaconda3\envs\condaenv
hello                    D:\Users\DELL\Anaconda3\envs\hello
ll_env                   D:\Users\DELL\Anaconda3\envs\ll_env
tensorflow               D:\Users\DELL\Anaconda3\envs\tensorflow

• 进入某个虚拟环境。进入刚才创建的condaenv环境，则在命令行输入conda activate condaenv，可以看到

(base) C:\Users\DELL>conda activate condaenv

(condaenv) C:\Users\DELL>

我们从base环境进入到condaenv环境，其中括号里显示的是我们当前的操作环境。

• 修改某个虚拟环境的名称。 虚拟环境名不可以修改，不过可以通过克隆旧的虚拟环境，然后再删除旧的虚拟环境。conda create -n newenv --clone oldenv

• 在环境中安装所需要的工具包。 如我们要在condaenv环境中安装pandas工具包，首先是进入condaenv环境，有两种方式安装一种是conda install pandas，可以自动更新新的包。另外一种pip install pandas，我喜欢用pip方式安装。另外卸载工具包是pip uninstall pandas

• 查看在当前环境中安装了哪些工具包。 在当前环境中，conda list，可以看到三列数据，第一列是工具包包名字，第二列是版本号，第三列是安装渠道。

• 删除虚拟环境。当不再需要该环境时，可删除。如删除condaenv这个环境，则(base) C:\Users\DELL>conda remove -n condaenv --all
  - tensorflow特定版本安装 anaconda show anaconda/tensorflow 然后根据提示conda install --channel https://conda.anaconda.org/anaconda tensorflow=版本

python IDE的选择

市面上有很多python的IDE可以选择，我用的是pycharm。网络搜索pycharm，官网上可下载免费的community版本。

pycharm项目的环境变量选择

在刚开始用pycharm时候，搞不清楚环境变量，经常发现代码引入包不存在而报错，其原因在于没有设置好项目的解释器。解释器的设置是在file->settings下面的project Interpreter面板。

在这里，我们可以看到我当前环境使用的python3.5下面的这个python解释器，同时可以看到该环境下的已安装的工具包。只有在项目里的所引入的工具包，在项目的环境里存在，才不会报错，才会顺利运行。如果当我们发现某个包找不到的报错时候，就需要查看下，我们有没有选对我们想要的环境，我们想要的环境里是否已经安装了该工具包，如果没有安装，则可以到Anaconda虚拟环境小结看一下如何安装工具包吧。