PyCharm 整合 Anaconda

Anaconda 是一个开源的Python发行版，它集成了许多常用的科学计算和数据分析工具。借助于 Anaconda ，我们可以很方便地安装和管理 Python 包、创建和管理虚拟环境。Anaconda 包含了许多常用的 Python 库进行数据分析、机器学习和科学计算，如 NumPy、Pandas、Matplotlib、SciPy 等，这些库在数据分析和科学计算中非常常用。此外， Anaconda 还提供了 Jupyter Notebook ，这是一个交互式的编程环境，可以方便地编写和共享数据分析代码。本篇博客将重点介绍 Anaconda 的基本使用以及如何在 Pycharm 中集成 Anaconda。

Anaconda

Anaconda 是一个用于科学计算和数据分析的 Python 发行版和环境管理器。它包含了许多用于科学计算的常用软件包和工具，并提供了一个方便的方式来管理 Python 环境。在 Python 数据分析时并不推荐使用下载安装的 Python 解释器常常使用 Anaconda。关于 Anaconda 请阅读参考文档进行安装即可，本篇文章重点介绍它的工作机制以及集成步骤。

传统问题

在传统的 Python 开发中，不同的项目可能需要不同的依赖才可以运行，对于同一种依赖可能需要不同的版本才可以实现运行。如下是一个传统 Python 解释器在开发中引入的依赖包：

当多个项目使用它的 pip 引入、管理依赖时就会造成依赖的冗余（同一个依赖多个版本混合在一起，而且不能有效区分一个项目需要的是哪些依赖）。有没有一种工具能够针对不同的项目构建不同的环境进行管理？Anaconda 为此而生！

Anaconda 中各虚拟环境自己下载、管理依赖，相互隔离。这样做有以下好处：

1.借助虚拟环境，我们可以很清楚的知道某个项目所需要的依赖是哪些。项目运行时也只拿指定虚拟环境中的依赖，项目之间依赖耦合度降低。

2.Anaconda 预装了大量依赖，这避免了我们手动安装的压力，使得我们可以开箱即用。

虚拟环境

既然我们在前面分析传统问题弊端时已经提到了 Anaconda 的工作原理——虚拟划分依赖并管理。下面我们重点讲述虚拟环境的构建和管理：

1**.创建新环境**

实际上Anaconda在下载完成时有提供一个默认虚拟环境，它涵盖了 Anaconda 自带的所有包。我们使用 conda env list 可以查看所有已创建环境：

Untitled 1.png

使用命令 conda list 可以查看目前Anaconda下载、管理的所有依赖及其版本(实际上就是该虚拟环境的依赖包)：

Untitled 2.png

这是一个基本的虚拟环境，可以帮助我们快速的进行数据分析开发，但实际开发过程中我们可能

需要对每一个项目构建独有的虚拟环境：

创建一个新环境：
```
conda create --name mytest
```

然后我们使用命令 conda env list 再次查看

Untitled 3.png

我们可以给新环境下载自己的依赖包（conda install -n 虚拟环境名依赖包）：

Untitled 4.png

我们看到，它开始在 mytest 环境中下载 python3.11。

当我们需要删除一个环境时，输入 conda env remove 即可：

Untitled 5.png

代理配置

和其他包管理工具一样，由于下载的依赖包主要为国外的仓库，因此下载缓慢，我们这里推荐将依赖包下载源切换为国内源：

查看已配置源

#查看当前conda配置
conda config --show channels

#删除下载源，换回默认源
conda config --remove-key channels

配置源

选择合适的源输入指令：

# 中科大镜像源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/
# 北京外国语大学源
conda config --add channels  https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels  https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
conda config --add channels  https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels  https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
conda config --add channels  https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
#清华源
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
#阿里云
conda config --add channels  http://mirrors.aliyun.com/pypi/simple/
#豆瓣
conda config --add channels http://pypi.douban.com/simple/

查看配置信息

#查看配置
conda config--show

#查看添加的镜像
conda config --show channels

恢复默认源

删除正在使用的源，恢复为默认源：

conda config--remove-key channels

PyCharm 集成

进入 PyCharm 打开 setting → Project:xxx → Python Interpreter 为指定的项目设定指定的解释器环境(默认项目采用的是系统自带的 Python 解释器及相关依赖)：

Untitled 6.png

点击 Add Interpreter 创建新的环境，点击 Conda Environment，指定 conda 程序(借助它可以加载它所管理的环境)：

Untitled 7.png

此时相当于 PyCharm 集成了 Anaconda 程序，可以可视化操作该程序所管理的依赖和环境。

点击 Load Environments，加载 conda 所管理的环境:

Untitled 8.png

我们可以看到，PyCharm 集成了 Anaconda 程序后不仅可以加载出所有环境，还可以选择常见新的模拟环境、加载指定环境。这里我们就使用 Conda 自带的环境即可。如果你有新的项目和新依赖请先创建然后选择。