---

前言

本文介绍如何利用Anaconda和Pycharm这两个强大的工具，实现Python项目的高效开发。通过构建虚拟环境、安装依赖包及利用Pycharm的集成开发环境功能，开发者能够轻松管理项目依赖，提升编程效率。

---

具体操作

---

Pycharm连接配置 Anaconda（miniconda）创建的虚拟环境

Anaconda
https://download.csdn.net/download/qq_51917985/91449105
Pycharm
https://download.csdn.net/download/qq_51917985/91449051

---

1. Anaconda的下载和环境的创建，镜像加速
下载完成之后一路下一步安装即可，有两点需要注意：
- 安装路径一定不要选在C盘。
- 添加路径一定要勾选上，后面CMD可以直接使用。

安装完毕之后参考下面进行测试是否安装成功
Win + R 输入cmd ，或者直接在搜索框里面输入cmd，启动命令提示符

输入下面的命令，检查是否安装成功，显示版本号就是安装成功了

conda --version

配置Anaconda国内镜像加速

Anaconda的默认源在国外，替换为国内的镜像进行加速。提高下载速度
复制下列指令到cmd中执行即可完成加速。

conda config --remove-key channels
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/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

下面开始创建一个虚拟环境
首先使用下面的命令创建一个名称为demo，python版本为3.8.5的虚拟环境

conda create -n demo python==3.8.5

如果已经存在demo虚拟环境，可以进行删除，不存在就继续进行下面的步骤

conda env remove --name demo

创建成功之后使用下面命令进行启动

conda activate demo

命令行左侧括号表示当前所处的虚拟环境。看到demo就是激活成功了

下面演示在虚拟机环境中安装python库，例如：要安装4.4.0.44版本的opencv，执行下列命令

pip install opencv-python==4.4.0.44

---

2.Pycharm的下载和Anaconda环境的使用

只需要一直下一步，注意事项有两个
1.不要安装在C盘。
2.一定要把能勾选上的都勾选上。

1.启动PyCharm

2. 新建一个项目

3.选择刚刚我们创建的demo虚拟环境

4.点击下面创建就可以了

6.进去之后右下角的demo出现就是成功了，并且点击可以进行切换虚拟环境

---

Pip

Python 官方推荐的“包安装器”（package installer）。

1. 从 PyPI（Python 官方仓库）下载/更新/卸载第三方库
2. 解析依赖关系
3. 生成 requirements.txt，方便“一键复现”环境

命令行

pip install numpy==1.26.4
pip list                    # 查看已装包
pip freeze > req.txt        # 导出依赖
pip install -r req.txt      # 按文件一次性安装

‧ 优缺点
轻量、官方标配、PyPI 资源最全。
– 只能管 Python 包，不管 C/C++ 运行时、系统级依赖；
– 不自带环境隔离，需要配合 venv/virtualenv。
‧ 注意事项
多项目并存时先用 python -m venv myenv 建虚拟环境，再 pip install 到该环境，防止“全局污染”。

---

Anaconda

下载链接
https://download.csdn.net/download/qq_51917985/91449105

一个“数据科学全家桶”发行版，= Python 解释器 + 1000+ 常用科学计算包 + 自己的包/环境管理器 conda。
① 一键安装 numpy、pandas、scikit-learn、PyTorch 等；
② 用 conda 创建、导出、克隆、切换不同 Python 版本和依赖集合；
③ 可安装非 Python 库（MKL、CUDA、R、Julia）。

命令行

conda create -n tf python=3.10 tensorflow
conda activate tf
conda env export > tf.yml
conda env create -f tf.yml

也可用 Anaconda Navigator 图形界面。
‧ 优缺点
省去找包、编译的烦恼；跨平台二进制包最稳；环境管理比 venv 强大。
– 安装包巨大（>500 MB）；conda 仓库版本可能滞后；商业用途需注意 Anaconda 公司新条款。
‧ 注意事项
一个机器上可以同时存在 conda 与 pip，但不要在同一环境里混装大量包，优先 conda → 找不到再用 pip。

---

PyCharm

下载链接
https://download.csdn.net/download/qq_51917985/91449051

JetBrains 出品的 Python IDE（集成开发环境），分社区版（免费）与专业版（收费）。
‧ 能做什么
① 写代码：智能补全、重构、调试、单测；
② 管环境：一键新建/切换 venv、conda、pipenv、poetry；
③ 管包：图形界面点两下就能 pip/conda 安装；
④ 集成 Git、Docker、Jupyter、远程解释器。
‧ 怎么用
新建项目 → 选解释器（Existing/venv/conda）→ Settings → Project Interpreter → “+”搜索包 → Install。
调试：在代码左侧打断点 → 右键 Debug。
‧ 优缺点
功能最全的 Python IDE，专业版对 Web、数据库支持好；
– 较重，低配电脑可能卡顿；专业版收费。
‧ 注意事项
每个 PyCharm 项目都对应一个解释器，确保“项目解释器”路径正确，否则会出现“包明明装了却 import 报错”。

命令行

conda create -n tf python=3.10 tensorflow
conda activate tf
conda env export > tf.yml
conda env create -f tf.yml

---

三者关系一图胜千言

---

总结

如果你需要安装新的包或者是修改对应的包，只需要在pycharm中自带的命令提示符中安装即可。

---