很多刚接触Python的朋友都会遇到一个难题:到底该直接安装Python还是用Anaconda?这个问题我当年也纠结过。经过5年多的实际使用,我可以很负责任地告诉你,对于Win10用户来说,Anaconda绝对是更好的选择。它就像是一个"全家桶",不仅包含了Python解释器,还预装了180多个常用的数据科学库(比如numpy、pandas这些),省去了后续一个个安装的麻烦。
Python3.7这个版本虽然不算最新,但胜在稳定性和兼容性。我在多个项目中实测发现,很多经典的数据分析库在这个版本下运行最流畅。特别是当你需要用到一些老项目时,3.7版本的兼容性优势就体现出来了。而且Anaconda自带的环境管理功能,可以让你随时切换不同Python版本,完全不用担心版本冲突的问题。
首先打开Anaconda官网(记得认准https://www.anaconda.com/),找到Individual Edition版本。这里有个小技巧:建议下载2020年左右的版本(比如Anaconda3-2020.02-Windows-x86_64.exe),因为新版本有时会遇到一些奇怪的兼容性问题。我电脑上就同时保存了三个版本的安装包,遇到特殊情况随时可以切换。
下载时注意选择64位版本(除非你的电脑特别老)。文件大概500MB左右,建议用迅雷等下载工具,速度会快很多。如果官网下载慢,也可以从清华镜像站获取,速度能提升好几倍:
bash复制https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
双击安装包后,会遇到几个重要选项:
安装过程大概需要10-15分钟,期间可能会短暂卡在"Extracting packages..."这一步,这是正常现象,千万别强制终止。我第一次安装时就因为心急强制关闭,结果导致后续各种奇怪错误。
很多教程会教你先装Anaconda再装Python,这完全是多此一举!Anaconda已经自带了Python,我们只需要创建一个Python3.7的环境即可。打开Anaconda Prompt(一定要用这个,不要用普通cmd),输入:
bash复制conda create -n py37 python=3.7
这条命令会创建一个名为py37的独立环境,里面就是纯净的Python3.7。我建议每个项目都创建独立环境,这样库之间不会互相干扰。比如做机器学习项目时,我会专门创建一个ml_env;做Web开发时又创建django_env。
激活新创建的环境:
bash复制conda activate py37
然后输入python,应该能看到类似这样的输出:
bash复制Python 3.7.13 (default, Mar 28 2022, 08:03:21)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>
如果出现这个界面,恭喜你!Python3.7已经准备就绪。可以顺手测试下常用库是否正常:
python复制import numpy
print(numpy.__version__)
没有报错就说明科学计算环境已经完美配置好了。
虽然Anaconda自带了Spyder,但我更推荐VSCode。安装完成后,只需要安装Python扩展和Jupyter扩展即可。重点来了:按Ctrl+Shift+P调出命令面板,输入">Python: Select Interpreter",选择我们刚才创建的py37环境。这样所有代码都会在这个环境下运行。
VSCode有个超实用的功能:可以直接打开Jupyter Notebook。新建一个.ipynb文件,VSCode会自动识别并启用交互式编程环境。我写数据分析报告时,都是直接在VSCode里完成,完全不需要额外打开浏览器。
如果你要做大型项目,PyCharm的专业版确实更强大。安装后进入设置->Project->Python Interpreter,点击齿轮选择Add...->Conda Environment,找到我们创建的py37环境。这里有个坑要注意:PyCharm有时会识别不出conda环境,这时需要手动指定环境路径,一般在Anaconda安装目录下的envs文件夹里。
Anaconda已经自带了Jupyter,但我们最好在py37环境下也安装一份:
bash复制conda activate py37
conda install jupyter
启动时用这个命令可以自动关联到当前环境:
bash复制python -m ipykernel install --user --name py37 --display-name "Python 3.7"
这样在Jupyter的Kernel菜单里就能直接选择我们的Python3.7环境了。我经常用它来做数据可视化,配合%matplotlib inline魔法命令,实时出图特别方便。
如果安装后发现conda命令不可用,大概率是环境变量没配置好。手动添加这三个路径到系统环境变量的Path中:
改完后一定要重启终端!我遇到过好几次修改后不生效的情况,都是因为没重启。
conda默认源在国外,可以用清华镜像加速:
bash复制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 --set show_channel_urls yes
pip也可以用国内源:
bash复制pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
当需要把环境复制到其他电脑时,可以用:
bash复制conda env export > environment.yml
在新电脑上:
bash复制conda env create -f environment.yml
这个yml文件我都是放在项目根目录,和代码一起用git管理。团队协作时特别方便,确保大家的运行环境完全一致。