python配置anaconda环境教程(anaconda如何配置pycharm)

Anaconda配置多个Python环境

以下教程会创建两个版本的python开发环境，分别是一个默认的 2.7.5 和一个 3.4 .

首先你需要熟悉一下Anaconda的基础命令，同时安装的时候如果需要查阅手册命令的，请查看 官方文档 。

官方文档有困难的，下面有一部分熟悉命令。

这里大家可以先理清一个简单的概念，其实你的一个python环境，就是使用命令调用当前目录下的python编译器。不同的版本，你可以理解为在不同文件夹下的不同python版本的编译器。

创建一个名为python27的环境，指定Python版本是2.7（不用管是2.7.x，conda会为我们自动寻找2.7.x中的最新版本）

静静的按回车等待安装成功。安装成功之后，我们可以到对应的目录查看一下。还记得你最初的Anaconda的安装目录么？这个时候可以去E:\Program Files\Anaconda2\envs 目录下查看，就多了一个python27的目录，说明你就安装好了一个python27的环境。

同理再创建一个3.4.×的python环境

然后这个时候你就可以继续查看E:\Program Files\Anaconda2\envs目录下面的文件夹了，应该会多了一个python27和python34，那么恭喜你， 成功的安装了两个版本的python开发环境。

在这里你就会看到你所有的python版本，和你现在所在的分支

如上图，你的开放环境中，应该已经有了三个开发环境，分别书root、python27、python34

Windows:

比如你需要切换到python3.4的版本，那么你如果在windows下就直接运行 activate python34 就好了

Windows:

以下所有的命令都是在 python34 这个环境下进行的

这个python34的环境报下面没有beautifulsoup4，所以我们想要安装一个

提示：如果你看到了错误信息，检查你是否在安装过程中选择了仅为当前用户按安装，并且是否以同样的账户来操作。确保用同样的账户登录安装了之后重新打开命令行终端窗口。

conda将会比较新旧版本并且告诉你哪一个版本的conda可以被安装。它也会通知你伴随这次升级其它包同时升级的情况。

如果新版本的conda可用，它会提示你输入y进行升级.

这将创建第二个基于python3 ，包含 Astroid 和 Babel 包，称为 bunnies 的新环境，在 /envs/bunnies 文件夹里。

你将会看到如下的环境列表：

conda将会显示所有环境的列表，当前环境会显示在一个括号内。

注意：conda有时也会在目前活动的环境前边加上*号。

通过conda info –-envs来检查环境

你现在应该可以看到一个环境列表： flowers, bunnies, and snowflakes .

为了确定这个名为flowers的环境已经被移除，输入以下命令：

flowers 已经不再在你的环境列表里了，所以我们知道它被删除了。

python怎么安装anacoda

Anacond的介绍

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

Anacond下载

下载地址：

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例，点击那个 Windows 图标。

我这里选择下载

Python 2.7 version *--Python 2.7 版 *

64-Bit Graphical Installer (564 MB) --64位图形安装程序（564 MB）

当然，你也可以根据自己的实际情况，选择 Python 3.6版的，或者 32-Bit 版本的。

安装包有 564MB，因为网速的关系，下载时间可能会比较长，请耐心等待。我这里下载完成 Anaconda2-5.2.0-Windows-x86_64.exe文件了。

安装 Anaconda?

双击下载好的 Anaconda2-5.2.0-Windows-x86_64.exe文件，出现如下界面，点击 Next 即可。

点击Next

点击 I Agree （我同意），不同意，当然就没办法继续安装啦。

Install for: Just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题.其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接 All User，继续点击 Next 。

Destination Folder 是“目标文件夹”的意思，可以选择安装到什么地方。默认是安装到 C:ProgramDataAnaconda2文件夹下。你也可以选择 Browse... ，选择想要安装的文件夹。我这里 C 盘空间充裕，所以我直接就装到默认的地方。

这里提一下，Anaconda 很强大，占用空间也不小啊，2.6GB，差不多是一部高清电影的体积了。不过，为了学习，这点硬盘空间算什么呢。

继续点击 Next 。

这里来到 Advanced Options 了，所谓的“高级选项”。如果你英文好，有一定背景知识的话，肯定明白这界面上的意思。两个默认就好，第一个是加入环境变量，第二个是默认使用 Python 2.7，点击“Install”，终于开始安装额。

安装时间根据你的电脑配置而异，电脑配置高，硬盘是固态硬盘，速度就更快。安装过程其实就是把 Anaconda2-5.2.0-Windows-x86_64.exe文件里压缩的各种 dll 啊，py 文件啊，全部写到安装目标文件夹里。

过程还是很漫长的，毕竟 2.6GB 的无数个小文件啊，请耐心等待。

经过漫长的等待，终于安装完成 Installation Complete （安装完成）了，点击最后一个 Next。

点击Install Microsoft VSCode

点击 Finish，那两个 √ 可以取消。

配置环境变量

如果是windows的话需要去 控制面板系统和安全系统高级系统设置环境变量用户变量PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是C:ProgramDataAnaconda2Scripts, 看个人安装路径不同需要自己调整。

之后就可以打开命令行(最好用管理员模式打开) 输入 conda --version

如果输出conda 4.5.4之类的就说明环境变量设置成功了。

python学习网，大量的免费python视频教程，欢迎在线学习！

Anaconda 环境配置详解

事情要从升级了Tensorflow1.12.0(此时最新版)开始说起，为了跑一个github的上程序，将Tensorflow升级了，也是噩梦的开始。不是这个包少，就是那个方法出错。结果github上的程序仍然没有跑通，无奈，为了使其他程序依然能正常运行，还是把Tensorflow的版本降下来吧。幸亏在升级Tensorflow之前查了一眼原来的版本，1.10.0。直接 pip install tensorflow==1.10.0 如果有那么简单，就不会有这篇文章了...

在Tensorflow升级时，顺带把一些其他的依赖包也升级了，比如numpy.但降级的时候一些库的版本没有降下来，这就造成有些程序的报错。想再把numpy卸载重装， pip uninstall numpy 但新的问题又来了， PermissionError: [WinError 5] 拒绝访问。 权限不够，不能直接加 --user ，如 pip uninstall --user numpy 。解决方案为 pip install --user numpy==版本号 。这是我目前能想到降级numpy的方案，可能不是最好的，但是有效。

早就知道Anaconda可以管理好多个环境，由于原来一直没有这方面的需求，电脑上的python-base环境加一个pip几乎能解决所有问题，但现在看来不得不再添加其他的环境了。

主要看关注三个方框中的内容。

左边一个红方框内的四个目录，后两个就不再介绍了自己点进去就知道什么意思了。主要说一下前两个。

这表示红色框内有三个环境

当然还有其他的一些操作就自己去发现了，这里只是一些基本的操作。

比如我想用

python3.6.5

Tensorflow1.10.0

Keras2.2.4

直接conda install python==3.6.5 Tensorflow==1.10.0 Keras==2.2.4即可

我的t1100k224这个环境就是tensorflow1.10.0和keras2.2.4，当然环境的名字可以任意定义，只要自己明白记住即可。

写python最好用的编译器是什么？

spyder？pycharm？jupyter？

这里不会去比较这三者孰优孰劣，三个我都用，三者各有千秋。

当你遇到这个问题的时候，就是spyder与环境不匹配造成的，在你的环境下安装一个特定的spyder吧。我baidu、google了一下午这个问题，没有一个能解答的，自己摸索了一下午，终于把这个坑给填上了。

好了，就写到这吧！不知所云。轻喷，轻喷。

我去给问这个错误的小伙伴解答一下去，估计也是抓耳挠腮！

2018年11月29日V1

python'的环境搭建怎么弄？

1、概念区分

对于刚刚开始学习Python的零基础小白来说，可能很容易就会对Pycharm、Python解释器、conda安装、pip安装这个几个概念混淆。下面跟着我来逐一认识一下它们：

（1）Pycharm是Pytho开发的集成开发环境(Integrated Development Environment，简称IDE)，它本身无法执行Python代码。

（2）Python解释器才是真正执行代码的工具，pycharm里可设置Python解释器，一般我们可去Python官网下载Python3.7或Python3.8版本；如果安装过anaconda ，它里面必然也包括一个某版本的Python解释器；Pycharm配置Python解释器选择哪一个都可以。

（3）anaconda是把python所有常用包的合集，并提供给我们使用 conda 命令非常非常方便的安装各种Python包。

（4）conda安装：我们安装过anaconda软件后，就能够使用conda命令下载anaconda源里(比如中科大镜像源)的包。

（5）pip安装：也是一种类似于conda安装的python安装方法，如果用过Centos系统，它就像yum安装一样。

2、修改镜像源

在使用安装 conda 安装某些包会出现慢或安装失败问题，最有效方法是修改镜像源为国内镜像源。之前都选用清华镜像源，但是2019年后已停止服务。推荐选用中科大镜像源。

先查看已经安装过的镜像源，cmd窗口执行命令：

conda config --show

查看配置项 channels ，如果显示带有 tsinghua ，则说明已安装过清华镜像。

channels:

下一步，使用 conda config --remove channels url地址 删除清华镜像，如下命令删除第一个。然后，依次删除所有镜像源

conda config --remove channels

添加目前可用的中科大镜像源：

conda config --add channels

并设置搜索时显示通道地址：

conda config --set show_channel_urls yes

确认是否安装镜像源成功，执行 conda config --show ，找到 channels 值为如下：

channels:

defaults

以上就是分享的Python基础学习之环境搭建的全部学习内容，大家都看懂了吗？希望本文的分享能帮到大家！

anaconda配置环境

1.创建环境

上面三行命令创建了3个环境，分别是env1、env2、env3，每一个环境安装了不同的python版本。

2.激活环境

激活环境后，我们就可以在被激活的环境中配置相应的软件了，比如：TensorFlow。这样我们就能同时根据不同的python版本，安装多个TensorFlow，==但是要注意环境的名字不能重复==。

2.相关命令

如何在Mac版本的python中使用anaconda环境

下载 Anaconda

直接在官网下载安装包， 选择 Python3.6 的安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可，大约需要1.8G的磁盘空间。

conda 工具介绍

conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行命令 conda

conda 的环境管理与 virtualenv 是基本上是类似的操作。

# 查看帮助

conda -h

# 基于python3.6版本创建一个名字为python36的环境

conda create --name python36 python=3.6

# 激活此环境

activate python36

# 再来检查python版本，显示是 3.6

python -V

# 退出当前环境

deactivate python36

# 删除该环境

conda remove -n python36 --all

# 或者

conda env remove -n python36

# 查看所以安装的环境

conda info -e

python36 * D:\Programs\Anaconda3\envs\python36

root D:\Programs\Anaconda3

conda 的包管理功能可 pip 是一样的，当然你选择 pip 来安装包也是没问题的。

# 安装 matplotlib

conda install matplotlib

# 查看已安装的包

conda list

# 包更新

conda update matplotlib

# 删除包

conda remove matplotlib

在 conda 中 anything is a package。conda 本身可以看作是一个包，python 环境可以看作是一个包，anaconda 也可以看作是一个包，因此除了普通的第三方包支持更新之外，这3个包也支持。比如：

# 更新conda本身

conda update conda

# 更新anaconda 应用

conda update anaconda

# 更新python，假设当前python环境是3.6.1，而最新版本是3.6.2，那么就会升级到3.6.2

conda update python

修改镜像地址

Anaconda 的镜像地址默认在国外，用 conda 安装包的时候会很慢，目前可用的国内镜像源地址有清华大学的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\当前用户名\.condarc (Windows) 配置：

channels:

-

- defaults

show_channel_urls: true

如果使用conda安装包的时候还是很慢，那么可以考虑使用pip来安装，同样把 pip 的镜像源地址也改成国内的，豆瓣源速度比较快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\当前用户名\pip\pip.ini (Windows) 配置：

[global]

trusted-host = pypi.douban.com

index-url =

环境搭建好之后就可以开始愉快地玩数据分析了。

来源：Anaconda 入门安装教程 - FooFish