一、Python学习环境搭建

本文将告诉你如何快速搭建起Python语言的开发环境，主要介绍Conda工具的使用、Pycharm与Conda结合、交互式笔记工具Jupyter Lab 使用方法。

本文内容：

Conda基本介绍
Conda安装
Conda常用命令
Jupyter Lab使用
Pycharm中使用 Conda 环境

1. Conda基本介绍

1.1 什么是Conda、MiniConda、Anaconda?

Conda是一个包和环境管理的工具。支持Windows、macOS和Linux。Conda可以快速的安装、运行和更新包和相关的依赖。Conda也可以轻易地创建、保存、加载和转换环境。
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows,包含了conda、conda-build、Python和众多科学计算的包及其依赖
Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 conda，Python 和一些它们所以依赖的包。

1.2 Anaconda 和 Miniconda的区别？

Miniconda 是 Anaconda 的精简版本，同样也是一个开源环境，两者都是conda系统的一部分。不同之处在于Anaconda会预先安装许多常用的 Python套件，因此占用较多的硬盘空间。相比之下，Miniconda 因为名为 ”Mini”，因此仅安装运行所需的基本套件，对于有多个不同 Python 版本共存的情況，可以节省大量空间。

Miniconda可以依据自己需求建立自己的Python环境，想要的套件自行安装。

1.3 为什么要使用Conda？

一个典型的Python 项目会使用多个包来完成其功能。其中一些包也可能被其他项目所使用（共享）。项目之间共享的包可能会引起冲突。比如，我们有两个项目P1和P2，P1使用NumPy 1.2版本，而P2需要NumPy 1.3版本，一个环境中存在两个版本就可能导致冲突。解决这个问题的办法就是使用虚拟环境。我们可以为每个项目分别创建一个独立的虚拟环境，来隔离包冲突。

用的Python虚拟环境管理工具有：

Virtualenv
Conda
pipenv
venv

通过使用这些工具，我们可以很容易的创建虚拟环境。

2. Conda安装

2.1 Miniconda下载安装

官网下载地址：Download Now | Anaconda

下载后依据指引进行 Miniconda 安装。安装过程中，会有环境变量相关的选项记得最好都勾选下，避免安装后还要手动配置环境变量，同时方便IDE自动探测。

2.2 使用 Anaconda Powershell Prompt 终端

安装完成后，win键搜索打开 Anaconda Powershell Prompt ，如果有看到命令列提示中的（base），那表示安装成功。我们可以输入 python --version 确认 Python版本：

3. Conda常用命令

3.1 基本命令

conda –help # 查看帮助
conda info # 查看 conda 信息
conda --version # 查看 conda 版本
conda update conda # 更新Conda（慎用）
conda clean –all # 清理不再需要的包
conda <指令> --help # 查看某一个指令的详细帮助
conda config --show #查看 conda 的环境配置
conda clean -p # 清理没有用，没有安装的包
conda clean -t # 清理 tarball
conda clean --all # 清理所有包和 conda 的缓存文件

3.2 环境管理

3.2.1 创建 Conda 环境

（建议执行）如果要指定conda环境的路径，需要设置 envs_dirs，命令如下：只需要执行一次！

conda config --add envs_dirs D:/develop/Python/envs
# 类似于Java中的Maven的本地仓库配置，就是自定义保存的路径

使用conda可以在电脑上创建很多套相互隔离的Python环境，命令如下：

# 语法
conda create --name <env_name> python=<version> [package_name1] [package_name2] [...]
# 样例 创建一个名为 learn 的环境，python 版本为3.10
conda create --name learn python=3.10 # --name 可以简写为 -n

3.2.2 切换 Conda 环境

前面说到Conda可以创建多套相互隔离的Python环境，使用 conda activate env_name 可以切换不同的环境。

# 语法
conda activate env_name
# 样例 切换到 learn 环境
conda activate learn

如果要退出此环境，回到基础环境，可以使用如下命令

# 退出当前环境
conda deactivate

3.2.3 查看 Conda 环境

当电脑上安装了很多台Conda环境的时候，可以使用 conda env list 命令查看所有已创建的Conda环境。

# 查看当前电脑上所有的conda环境
conda env list

3.2.4 删除某个Conda环境

# 语法
conda remove --name <env_name> --all
# 样例
conda remove --name learn --all

3.2.5 克隆环境

# 语法
conda create --name <new_evn_name> --clone <old_env_name>
# 样例
conda create --name myclone --clone myenv

3.3 包管理

一旦激活了环境，你就可以使用 conda 和 pip 在当前环境下安装你所需要的包。

3.3.1 安装包

在激活的环境中安装包，例如安装NumPy：

pip install numpy

可以使用以下命令安装特定版本的包：

pip install numpy==2.2.1

从 requirements.txt 文件安装

pip install -r requirements.txt

3.3.2 更新包

更新某个包到最新版本：

pip install --upgrade numpy

升级所有包

# 将当前环境中的所有包信息保存到 requirements.txt 文件中，手动修改文件中的版本。
pip freeze > requirements.txt
# 卸载所有包
pip uninstall -r requirements.txt
# 重新安装所有包
pip install -r requirements.txt

3.3.3 卸载包

如果不再需要某个包，可以将其卸载：

pip uninstall numpy

3.3.4 列出环境中的所有包

查看当前环境中已安装的所有包：

pip list

查看当前虚拟环境中已安装的某个包的信息

pip show numpy

3.3.5 搜索包

搜索可用的包及其版本信息：

conda search numpy

3.4 环境导入与导出

导出环境

将当前环境导出为一个YAML文件，方便共享：

conda env export > environment.yml

从文件创建环境

使用YAML文件创建一个新环境：

conda env create -f environment.yml

4. Jupyter Lab使用

4.1 Jupyter Lab介绍

JupyterLab 是最新的基于 Web 的交互式开发环境，适用于notebooks、代码和数据。其灵活的界面允许用户配置和安排数据科学、科学计算、计算新闻和机器学习中的工作流程。模块化设计允许扩展来扩展和丰富功能。

4.2 Jupyter 安装使用

使用 pip 安装 Jupyter：

pip install jupyterlab

安装后，使用以下命令启动 JupyterLab：

jupyter lab

5. PyCharm 中使用 Conda 环境

1）创建项目所需要的虚拟环境

conda create -n [name] python=3.10

2）创建项目，选择自定义环境，类型选择 Conda ，环境选择上面创建的，点击创建即可

3）查看项目环境配置

菜单

分享