Windows下的PyCharm与Ubuntu下的Python的交互
实验环境：
Windows10
Ubuntu18.04
Pycharm2019.1.2（专业版）
Python3.6.5
1、在Windows下与Ubuntu下新建目录，作为两个环节之间的连接桥梁
1.1 在Windows下的D盘新建SparkProgram目录，具体的路径地址如下 D:\SparkProgram
1.2 在Ubuntu下新建SparkProgram目录，具体的路径地址如下/home/hadoop/SparkProgram
# 新建目录 $ sudo mkdir /home/hadoop/SparkProgram # 修改目录的所有者权限 $ sudo -R hadoop:hadoop /home/hadoop/SparkProgram
2、查看Ubuntu的网络环境以及python的版本
# 查看网络配置，获取IP地址 $ ifconfig $ whereis python # 查看当前的python安装情况，获得python执行目录
网络环境
Python安装情况
3、Pycharm的配置
3.1、打开Pycharm，然后依次打开 File > Open ，找到 D:\SparkProgram 目录 并打开，如下
3.2 打开Pycharm，然后依次打开 File > setting ,然后在Project:SparkProgram下找到 Project Interpreter，打开当前界面下的设置(右侧小齿轮图标)，并进行添加(Add)操作，如图：
3.3 在新增的设置上，选择 SSH Interpreter 设置 ， 通过第二步获取的IP地址以及Ubuntu的用户名进行参数设置，如下图
3.4 配置完成后进入下一步的配置，要求输入Ubuntu的密码，如下图：
3.5 配置完成后，将进入Python编译器的配置以及映射目录的处理，在这一个过程中，依据第二步获取的python位置，以及第一步创建的映射目录进行处理，这里需要注意，在完成Python编译器的设置后，记得勾选 Execute code using this interpreter with root privileges via sudo 选项，这里关于目录映射的修改可以通过 Sysc foldres 右侧的文件图标进行
4、 修改 SSH Terminal 下的默认编码，将其设置为 UTF-8
5 在Tools下找到Deployment，打开其中的Configuration，进行mapping的设置 ， 这里Local path 指的是 第一步创建的 D:\SparkProgram ； Deployment path 指的是 /home/hadoop/SparkProgram ，如图
6 测试
在D:\SparkProgram下，新建一个demo.py 文件，输入如下内容,
import matplotlib.pyplot as plt #创建图形对象 fig = plt.figure() #添加子图区域，参数值表示[left, bottom, width, height ] ax = fig.add_axes([0,0,1,1]) #准备数据 langs = ['C', 'C++', 'Java', 'Python', 'PHP'] students = [23,17,35,29,12] #绘制柱状图 ax.bar(langs,students) plt.show()
选择当前创建的文件按，在Tools下找到Deployment，点击 upload to hadoop@192.168.40.128 ，进行文件上传， 然后去Ubuntu的 /home/hadoop/SparkProgram 目录下，查看当前的内容
上传后
在Ubuntu进行查看
# 切换目录 $ cd /home/hadoop/SparkProgram # 查看内容 $ ls
在PyCharm运行demo.py
