zoukankan      html  css  js  c++  java
  • pycharm与anaconda的使用

    1.anaconda与pycharm的关系

    1、python

    python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包,需要我们安装pip来导入这些包才能进行相应运算(python3.5自带了get-pip.py,不需额外下载安装),在cmd终端输入:pip install numpy就能安装numpy包了。每次都额外安装所需要的包略麻烦,这时候我们可以采用anaconda了。

    2、Anaconda

    Anaconda(开源的Python包管理器)是一个python发行版,包含了conda、Python等180多个科学包及其依赖项。包含了大量的包,使用anaconda无需再去额外安装所需包。python3.5自带了一个解释器IDLE用来执行.py脚本,但是却不利于我们书写调试大量的代码。常见的是用notepade++写完脚本,再用idle来执行,但却不便于调试。

    包括以下部分:

    Anaconda Prompt 是一个Anaconda的终端,可以便捷的操作conda环境。

    IPython 是一个 python 的交互式 shell,比默认的python shell 好用得多,支持变量自动补全,自动缩进,支持 bash shell 命令,内置了许多很有用的功能和函数。

    Jupyter Notebook 这得从IPython 3.x版本开始说起,这是最后的大一统版本,包括notebook、qtconsole等等,从IPython 4.0版本开始IPython只集中精力做交互式shell,变得轻量化,而剩下的notebook格式,qtconsole,和notebook web应用等都分离出来统一命名为Jupyter。至此IPython和Jupyter分家。

    Jupyter Qtconsole 调用交互式命令台。从IPython 4.0版本开始,很多IPython子命令现在变成了Jupyter子命令,如ipython notebook现在是jupyter noteboook。

    Spyder 是一个使用Python语言的开放源代码跨平台科学运算IDE。Spyder可以跨平台,也可以使用附加组件扩充,自带交互式工具以处理数据。

    3、PyCharm

    PyCharm是一种Python IDE(集成工具),带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外,该IDE提供了一些高级功能,以用于支持Django框架下的专业Web开发。将anaconda中的python.exe集成到pycharm中,便可以在使用pycharm的过程中使用到所有anaconda的包了。

    4、IDE

    集成开发环境(IDE,Integrated Development Environment )是用于提供程序开发环境的应用程序,一般包括代码编辑器、编译器、调试器和图形用户界面等工具。集成了代码编写功能、分析功能、编译功能、调试功能等一体化的开发软件服务套。所有具备这一特性的软件或者软件套(组)都可以叫集成开发环境。如微软的Visual Studio系列,Borland的C++ Builder、Delphi系列等。该程序可以独立运行,也可以和其它程序并用。IDE多被用于开发HTML应用软件。例如,许多人在设计网站时使用IDE(如HomeSite、DreamWeaver等),因为很多项任务会自动生成。

    发行版由个人,松散组织的团队,以及商业机构和志愿者组织编写。它们通常包括了其他的系统软件和应用软件,以及一个用来简化系统初始安装的安装工具,和让软件安装升级的集成管理器。
    ————————————————
    版权声明:本文为CSDN博主「X_dmword」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/X_dmword/article/details/88848573


    2.在pycharm中使用anaconda的不同环境

    总体而言有两种方式进行“环境”的管理:

    1.在anaconda中提前准备好项目所需的环境,然后在pycharm中选择相应环境的解释器;

    2.在pycharm中设定新建项目时随即生成对应的环境。

    方式一:

               创建新环境:

    可以在Anaconda Prompt中使用命令行的方式创建新的“环境”,也可以在Anaconda Navigator的图形界面中点击鼠标创建新的“环境”。

    Prompt中:conda create --name <env_name> <package_names>

            <env_name> 即创建的环境名。建议以英文命名,且不加空格,名称两边不加尖括号“<>”。

                       <package_names> 即安装在环境中的包名。名称两边不加尖括号“<>”。

                      如果要安装指定的版本号,则只需要在包名后面以 = 和版本号的形式执行;如果要在新创建的环境中创建多个包,则直接在 <package_names> 后以空格隔开,添加多个包名即可,例如

    conda create -n python3 python=3.5 numpy pandas 


            即创建一个名为“python3”的环境,环境中安装版本为3.5的python,同时也安装了numpy和pandas。

    Navigator中:

    在左边列表中点击“Environments”,选择下方“create”,输入新环境的名字,等待即可。如下图:

     

    可以看到,除了默认的base环境,我又新建了两个新的环境,准备好环境后打开pycharm,新建项目,然后选择project interpreter(项目解释器),如下图所示:

    忽略3中显示的python解释器,它是用python官网的安装包安装的,而我们需要的是上一步新建环境中的解释器。

     

     点击框中的4,出现如下窗口,然后按照1、2的顺序点击:

     

    在anaconda安装路径中的envs文件夹中可以找到所有现有的“环境”,点击去之后,选择python.exe即可,最后点击确定。

    方式二:在新建项目时随即生成新的环境

    在pycharm新建项目,同上,选择 project interpreter,如下图所示:

     

     在4的下拉框中选择conda方式,然后pycharm会自动检测到location和python version,所以这两项默认就行。

    最关键的是5,conda executable查了一圈都没有人特别说明,基本都是使用我刚才说的方式一,而且还都是用的anaconda默认的base环境。需要说明,这是一种非常不好的方式,因为之所以使用anaconda,就是因为它强大的环境控制能力,可以在不同的环境中使用不同版本的包,如果所有项目都直接指定某一固定的解释器,那为什么还要折腾anaconda?直接使用pip+virtualenv也是同样可以的。言归正传,conda executable指的是conda可执行文件(conda.exe)的位置,默认情况下为空,如果不指定,则会提示conda executable path is empty,需要手动选择或者输入。如6所示。它的位置在anaconda的安装位置的Scripts文件夹下,选择之后点击确定即可。

    需要注意的是,使用方式二随之创建的新环境的位置同样在anaconda安装路径中的envs文件夹下,也同样可以使用Anaconda Prompt或者Anaconda Navigator进行环境管理和包管理,可以说是非常方便使用了。

    两种方式区别的浅见:

    方式一:需要提前准备好所需的环境,当项目间的包没有干扰时,可以复用其他项目的库,避免每次重新安装

    方式二:每次都会生成独立的环境,不会对其他的项目造成干扰,但是每次创建项目时都会耗费较长的时间
    ————————————————
    版权声明:本文为CSDN博主「Wang_PChao」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/JT_WPC/article/details/86355903

    3.为什么说anaconda中新建的环境是虚拟环境?

    anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本.

    4.在pycharm中使用anaconda中的库

    下载anaconda后会发现它同时下载了许多的库,在spyder中可以正常使用,但在pycharm中会发现显示没有,用pip下载也会显示已有,以下是导入方法:

    打开pycharm

     然后选择anaconda这个

    如果没有,选择右上角设置,add,点ok添加(我的已有不能再添加)

     改变以后如果没有导入所有库,点击右边的anaconda图标(一次没有完全导入就再点一次)

    这时这个文件就可以使用这些库了
    如果还需要别的库,点击右边的加号,搜索下载即可

    这个方法同样适用于引进别的库(比如pip下载的库)
    ————————————————
    版权声明:本文为CSDN博主「隰有游龙」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/qq_44616044/article/details/90142037

    https://blog.csdn.net/honest_boy/article/details/95222818

    5.anaconda中的包如何传到pycharm中使用?

    在pycharm的setting中设置

    在project interpreter 中的 existing environment 中选择 anaconda3安装目录下的的 python.exe 就可以了,然后会自动加载,!最后形成如图片所示的样子!

    转载于:https://www.cnblogs.com/xuying-fall/p/8298923.html

     

    6.每次在anaconda中新建一个环境,都要重新安装各种库吗?

    有的时候我们在使用anaconda3 的虚拟环境时,需要配置一个类似的环境,重新配置的话太过麻烦,因此可以复制或克隆一个类似的环境,然后再相应的删减或增加依赖的包:

    复制或克隆环境:

    conda create -n 新环境名称–clone 被克隆环境名称

    例如,通过克隆tensorflow2来创建一个称为newtensorflow的副本:

    conda create -n newtensorflow–clone tensorflow2
    ————————————————
    版权声明:本文为CSDN博主「人间兵库saleng」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/qq_42815385/article/details/88353306

    查现有环境 
    conda info --env

    复制环境
    有两种办法复制环境:

    一,在本机上,直接使用

    conda create -n 新环境名 --clone 旧环境名

    复制既有环境

    二,如果要复制到其他机器,就要考虑导出当前环境到文件,利用文件再次创建环境

    1) 导出环境

    首先激活要导出的环境

    conda activate 环境名 

    导出环境

    conda env export > 环境名.yaml
    利用conda env export 导出的是个yaml格式的文件,该文件记录了环境名,软件源地址以及安装包列表
    2) 使用yaml配置文件创建新环境

    conda env create -f 环境名.yaml
    在新的机器中可直接执行上述命令,生成的环境与复制源完全一样(包括环境名),如果想在同一台机器上复制,需要把yaml文件中的环境名修改为一个新的名字,否则会冲突。
    【注】还有一种复制环境的方式

    conda list --explicit > env.txt
    conda create -n newenv -f env.txt
    这种方式只能复制环境中以conda install安装的包,不能复制pip install安装的包,因此不建议使用。
    ————————————————
    版权声明:本文为CSDN博主「马大哈先生」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
    原文链接:https://blog.csdn.net/qq_37764129/article/details/102496746


    7.既然在anaconda中可以新建各种python版本的环境,那为什么还有anaconda2&3的区别呢?

     暂时不是很了解2与3的区别,但是这不是当前我应该关注的问题,多敲代码更实在。

  • 相关阅读:
    PAIRING WORKFLOW MANAGER 1.0 WITH SHAREPOINT 2013
    Education resources from Microsoft
    upgrade to sql server 2012
    ULSViewer sharepoint 2013 log viewer
    Top 10 Most Valuable Microsoft SharePoint 2010 Books
    讨论 Setsockopt选项
    使用 Alchemy 技术编译 C 语言程序为 Flex 可调用的 SWC
    Nagle's algorithm
    Nagle算法 TCP_NODELAY和TCP_CORK
    Design issues Sending small data segments over TCP with Winsock
  • 原文地址:https://www.cnblogs.com/hejer/p/12108775.html
Copyright © 2011-2022 走看看