别在折腾开发环境了，一劳永逸的 Python 环境搭建方法

港控/mmm° 2022-12-14 03:57 106阅读 0赞

![一劳永逸的 Python 开发环境搭建][Python]

> 点赞再看，养成习惯，微信公众号搜索【JackCui-AI】关注这个爱发技术干货的程序员。本文 GitHub [https://github.com/Jack-Cherish/PythonPark][https_github.com_Jack-Cherish_PythonPark] 已收录，有一线大厂面试完整考点、资料以及我的系列文章。

网上教程五花八门，读者吐槽最多的，也都是怎么搭建[开发环境][Link 1]。

对于小白来说，开发环境搭建，是必过的**第一关**。

记得自己刚学 Python ，还是小白的时候，最爱做的一件事就是：**折腾开发环境**。

![一劳永逸的 Python 开发环境搭建][Python 1]

代码还没写几行，就各种折腾，走了太多弯路，浪费了太多时间。

IDE 我也折腾了个遍，Eclipse、Pycharm、Sublime Text 等等。

折腾了几周，代码不会写啥，最后也就来个「Hello World」。

![一劳永逸的 Python 开发环境搭建][Python 2]

作为工作时长两年的「算法搬砖工」，今天给「未来的大牛，如今的小白」们讲一下，开发环境怎么搭建。

以后要是有朋友问你环境搭建问题，**文章直接发给他**，告诉他，这篇教程真的香！

## 环境搭建 ##

我们都知道，Python 是一种脚本语言，有着丰富的**第三方库**。

Python 自带了很多**官方库**，可以直接用，例如 re、os、math 等等。

但第三方库是需要我们自己安装的。

就好比，一个正常人，一生下来，自带了眼睛、鼻子、嘴巴等，这就是“官方库”。

你要是想买个漂亮衣服，做个漂亮发型，那得自己“安装”，这就是“第三方库”。

Python 提供了超级多，而且强大的第三方库。

我们搭建开发环境，就是让 Python 具备各式各样的能力，以满足我们的需求。

第三方库很多都是个人或者团队，非 Python 官方开发的库，所以难免五花八门，杂乱不堪。

甚至有时候，各个版本的库，还存在各式各样的冲突。

这个库不兼容那个库，各种「无厘头」报错层出不穷。

![一劳永逸的 Python 开发环境搭建][Python 3]

一劳永逸，解决 or 避免这类问题的方法，就是搭建一个「健壮」的开发环境。

方案：Anaconda + Jupyter Notebook。

好维护，好安装，你好我也好，**大家好才是真的好**。

### 1、Anaconda ###

Anaconda 就是管理第三库的工具，同时支持“多开”。

你可以用 Anaconda 创建**多个虚拟环境**。

啥意思？

一个**虚拟环境**好比一个人：

培养小王为数学家，专门负责数学相关的事。

培养小李为语言学家，专门负责语言相关的事。

体现到虚拟环境上，就是这样：

![一劳永逸的 Python 开发环境搭建][Python 4]

我创建了很多虚拟环境。

base 是安装 Anaconda 自带的一个基础环境。其它都是根据自己需求，创建的一个个独立环境。

比如，名为 jack 的环境，是一个通用的开发环境。而名为 faceswap 的环境是我专门为换脸算法搭建的环境，因为它的依赖和有些通用第三方库包是冲突的。

Anaconda 还是跨平台的，在 Windows、MacOS、Linux 都可以安装。

### 2、Jupyter Notebook ###

小白推荐 Jupyter Notebook，为啥不推荐 Pycharm 这类 IDE 呢？

因为 Jupyter 安装简单，并且好用，可以在多种平台运行。

工作后，跑算法，往往都是在服务器上运行的。

连个图像界面都没有的服务器，你还能用 Pycharm ？

Jupyter Notebook 是一个**基于网页**的交互式计算笔记本环境。

![一劳永逸的 Python 开发环境搭建][Python 5]

实现了**文字和代码**的完美结合，你甚至可以**边学习边做笔记**，文本编辑还支持 Markdown 格式，插入各种**数学公式**也不在话下。

并且由于 Jupyter Notebook 是基于网页的，你完全可以在服务器端开启服务，本地电脑打开网页，运行各种服务器端的代码。

如果你是做算法、做爬虫，刚学 Python 的小白，不涉及浩大的 Python 工程的开发，那么**别犹豫**，用 Jupyter Notebook 就对了。

### 3、安装 ###

Anaconda + Jupyter Notebook 的好处安利个遍。

那么，怎么安装呢？

Anaconda 下载地址：

[https://www.anaconda.com/products/individual\#download-section][https_www.anaconda.com_products_individual_download-section]

根据自己的环境选择安装包：

![一劳永逸的 Python 开发环境搭建][Python 6]

安装很简单，傻瓜式下一步安装即可。

Windows 安装完，需要**手动添加**环境变量。

Linux 和 MacOS 在安装过程中，会有提示**是否设置**环境变量。

Windows 添加环境变量需要在电脑->鼠标右键->属性->高级系统设置->环境变量->Path中设置。

![一劳永逸的 Python 开发环境搭建][Python 7]

D:\\Anaconda 为 Anaconda 的安装目录，将下面这两个地址添加到 Path 中即可。

D:\Anaconda
    D:\Anaconda\Scripts

都配置好后，可以在 cmd 或 Anaconda Prompt 中使用 Anaconda 搭建环境了。

输入指令：

conda create -n your_name jupyter notebook

这句话的意思是创建一个名字为 your\_name 的虚拟环境，并且这个虚拟环境额外安装 jupyter notebook 第三方库。

可以将 your\_name 改为你自己喜欢的名字，这个名字是你的虚拟环境的名字，自己随便取，比如jack。

随后，输入y进行安装：

![一劳永逸的 Python 开发环境搭建][Python 8]

安装好后，可以通过指令 conda info -e 查看已有环境情况。

![一劳永逸的 Python 开发环境搭建][Python 9]

从上图可以看到，有两个环境，一个是 base ，自带的基础环境，另一个是我们新创建的名为 jack 的环境。

安装好环境后，我们可以使用指令激活 jack 环境：

activate jack

![一劳永逸的 Python 开发环境搭建][Python 10]

可以看到，我们的环境由 base 变成了 jack 。

接下来，我们就可以在这个环境里，安装自己想要的第三方库，比如 requests。

conda install requests

对于 conda 搜不到的包，也可以使用 pip 安装：

python -m pip install xxx

需要安装的第三方库安装完毕，可使用命令直接打开 Jupyter Notebook：

jupyter notebook

效果如下：

![一劳永逸的 Python 开发环境搭建][Python 11]

创建一个新的 notebook：

![一劳永逸的 Python 开发环境搭建][Python 12]

输入代码后，按 Ctrl + Enter 快捷键，即可运行程序：

![一劳永逸的 Python 开发环境搭建][Python 13]

这个 Jupyter Notebook 使用的环境就是名为 jack 的虚拟环境。

想安装 Pytorch 啥的，直接在这个虚拟环境里安装即可，真香！

## 总结 ##

使用 Anaconda + Jupyter Notebook 搭建环境的方案，非常适合新手。

Jupyter Notebook 的功能也很强大，它绝对是你学习算法、分析数据的好帮手！

喜欢这类教程的，转发、点赞，支持的人多的话，后续会继续出一些这些工具的**使用技巧**。

我是 Jack Cui，我们下期见！

> 文章持续更新，可以微信公众号搜索【JackCui-AI】第一时间阅读，本文 GitHub [https://github.com/Jack-Cherish/PythonPark][https_github.com_Jack-Cherish_PythonPark] 已经收录，有大厂面试完整考点，欢迎Star。

[Python]: /images/20221123/9a3a2bfa52174eb0ab515530678a26f0.png
[https_github.com_Jack-Cherish_PythonPark]: https://github.com/Jack-Cherish/PythonPark
[Link 1]: https://cuijiahua.com/blog/tag/%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83/
[Python 1]: /images/20221123/ae3cdc23e8db4db3838aece941593488.png
[Python 2]: /images/20221123/203d68f36d944587832925a37e12a65f.png
[Python 3]: /images/20221123/615b63e049544ae38831fdbaa6cb8bcf.png
[Python 4]: /images/20221123/ea312b944f174e449a1b19851bb8dd48.png
[Python 5]: /images/20221123/767e3866fc1f4ae289940bf9c849310e.png
[https_www.anaconda.com_products_individual_download-section]: https://www.anaconda.com/products/individual#download-section
[Python 6]: /images/20221123/7a3ffd0fdce24b23a2a2d7b0a7878c73.png
[Python 7]: /images/20221123/63097a4fba684b80acee8518448c6330.png
[Python 8]: /images/20221123/0e9b056890fe4202a049130112e5d82a.png
[Python 9]: /images/20221123/c6b3233250164165a844301d1a3abc2c.png
[Python 10]: /images/20221123/304bef7698024b06b389d2ef648fc1d2.png
[Python 11]: /images/20221123/715b611979a247e08b08297806840b93.png
[Python 12]: /images/20221123/db74e7e32de54490aaa2c1fbf0bcaaf5.png
[Python 13]: /images/20221123/02d17a1fba1c411d938ec130c207a2af.png