Anconda与jupyter notebook配置指北
python环境配置
python介绍
Python，是一种广泛使用的解释型、高级和通用的编程语言。Python支持多种编程范型，包括结构化、过程式、反射式、面向对象和函数式编程。它拥有动态类型系统和垃圾回收功能，能够自动管理内存使用，并且其本身拥有一个巨大而广泛的标准库。它的语言结构以及面向对象的方法，旨在帮助程序员为小型的和大型的项目编写逻辑清晰的代码。
关于虚拟环境
为什么需要虚拟环境
很多Python初学者在刚开始的时候都会直接在系统环境或者全局环境中安装各种所需要的库和依赖来开发项目。但是当项目越来越多的时候,就会发现系统环境被各种不同版本库弄得非常混乱,经常会因为版本不兼容而导致难以解决的问题。
这个时候,虚拟环境就发挥作用了。为每个项目创建独立的虚拟环境,可以为项目提供一个隔离的空间,每个环境都有自己独立的Python解释器、依赖库及配置。这样每个项目之间就不会互相影响了。
举个例子,项目A需要用到osis库的1.x版本,而项目B需要2.x版本的osis。系统环境无法同时兼容,这时候就可以为每个项目创建独立的虚拟环境,在虚拟环境中安装不同版本的osis,这样项目A和B就都可以顺利运行了。
使用虚拟环境的另一个好处是方便依赖管理和迁移。我们可以随时重新创建一个一模一样的虚拟环境,这样即使是在新的机器上也可以快速恢复项目的运行环境。
总之,虚拟环境为Python项目提供了隔离的运行空间,可以很好地解决依赖和环境管理问题。它已经成为Python项目最佳实践,是每个Python开发者都应该掌握使用的重要工具。如果你还在直接使用系统环境开发Python项目,我强烈建议你开始尝试使用虚拟环境,它可以让你的Python开发效率提高一个台阶。
有哪些虚拟环境
Venv【python 3.3 版本之后添加的官方库】Virtualenv【适用于各个版本的管理工具】Virtualenvwrapper【可集群管理虚拟环境】Virtualenv-burrito【管理上面两者的工具】Pipenv【针对 Python 项目的依赖管理器】Pipx【轻量级应用管理工具】Autoenv【自动激活与退出虚拟环境】Anaconda / Miniconda【兼容不同版本的 Python】
本文主要讲述Anaconda / Miniconda
Anaconda / Miniconda介绍
官方描述：
- Anaconda 是一个用于科学计算的 Python 发行版（但主要使用它管理 python 版本的功能
- Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包
人话：
conda是一个python环境的管理器，而anaconda将conda对python的管理可视化，也加入了不少便于你直接操作conda的选项，让你使用conda管理python更加得心应手。
你可以理解为，你是一个开发商，住户python生活在你经营的conda小区内。经过装潢和美化，小区的基础设施（管理python和包），配套物业（管理各种IDE编辑器），行政人员（上传下达你的旨意）这些全部的核心内容，统称为一个anaconda的整体社区。你可以选择只盖一栋名为base的房子（这个名字是随便起的，只不过conda默认存在base环境），让python3.7小姐带着她的numpy，pandas，matplotlib入住。也可以在之后开辟一块新的建筑用地，加盖一栋名为tensorflow（第二栋楼起名全由你心情而定）的房子，并决定这栋房子让python3.6妹妹还是python3.8姐姐入住。事实上，你中意的不是python妹子，二是你即将要送给她们随身携带的包包，她们搭配什么样的包包更美，更加和谐。未来，当你又需要给合适的包包找主人时，你还是可以选择要么把包包送给合适的“旧人”托她保管，日常携带，也可以再盖起一栋新房，再招揽一名python小姐姐，托她保管。也可能因为有那么一栋曾经盖好的房子年久失修，里面的小姐姐人老珠黄，包包也是破破烂烂的。这种的，就做个负心汉，把房子整个拆了吧。
anaconda / miniconda 的特点如下：
相比于上面全部的虚拟环境管理工具，这是唯一一个能创建本地系统不存在 python 版本的工具，即任意版本都能使用。
下图为Anconda的逻辑示意图
Anconda安装与使用
-
首先当然应该是去官网下载安装包，在下载安装包之后，按照规定的步骤去安装这个就好了，不过有个问题，就是添加
PATH的问题。那么有问题了，官网在哪里呢? -
然后处理PATH的问题，何为
PATH呢？PATH 是windows 系统的环境变量，简单说就是：计算机的文件这么多，我们怎么快速让计算机帮助我们找到想要执行的程序呢？设置环境变量，就是为了设置一个目录，目录里记录着常用程序的存储路径。-
打开高级系统设置，该设置在系统设置里面或者如果桌面显示了计算机的话，可以右键属性进入高级系统设置，然后就可以在弹出的窗口看到了环境变量。
-
进入设置之后，会发现有一个系统变量和用户变量，里面如果都有PATH的话，如果不知道选择哪个进行设置，那就两个全部设置
-
设置哪些数据目录呢？按照上文的逻辑，如果不确定，那就多设置，经过阅读文献，建议将以下目录设置进入：
//这里的'E:\'是安装的根目录,应该根据您所安装的anconda在您的计算机上的目录进行修改 E:\Anaconda E:\Anaconda\Scripts E:\Anaconda\Library\mingw-w64\bin E:\Anaconda\Library\usr\bin E:\Anaconda\Library\bin
-
-
按照道理来说这时，应该已经安装好了，如果你这时候打开windows的CMD命令行界面，可以输入:
conda --version进行测试，如果输出了正确的conda的版本，那就证明至少安装成功了一部分,如果能够激活进入环境中，那就证明没啥问题了。
关于jupyter notebook
介绍
jupyter Notebook是一个开源的Web应用程序，可以创建和共享包含实时代码，方程式，可视化和说明文本的文档。
Jupyter Notebook是一个开源的Web应用程序，允许用户创建和共享包含代码、方程式、可视化和文本的文档。它的用途包括：数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等等。它具有以下优势：
- 可选择语言：支持超过40种编程语言，包括Python、R、Julia、Scala等。
- 分享笔记本：可以使用电子邮件、Dropbox、GitHub和Jupyter Notebook Viewer与他人共享。
- 交互式输出：代码可以生成丰富的交互式输出，包括HTML、图像、视频、LaTeX等等。
- 大数据整合：通过Python、R、Scala编程语言使用Apache Spark等大数据框架工具。支持使用pandas、scikit-learn、ggplot2、TensorFlow来探索同一份数据。
安装jupyter notebook：
命令十分简单：
pip install jupyter notebook
在上面的操作中默认会安装最新版本，但是在PPT中可见有些特性由于有些特性的更迭，所以需要降级使用，这时建议更新安装以下版本：
pip install --upgrade notebook==6.4.12
然后在该虚拟环境中命令行输入：jupyter notebook 即可打开，会自动打开一个浏览器的notebook页面。不过在该notebook 中只能访问在该文件夹下的文件，需要注意。
pycharm的使用
在pycharm上和conda环境进行联动是未来必须要经历的，所以要未雨绸缪。毕竟就个人开发习惯而言，cmd.exe和python的IDLE我用着不太习惯，日常比较推荐的三个开发环境，分不同需求使用。jupyter notebook一般用来生成给甲方单位阅读的模型开发和数据分析文档。vscode更像是一个notepad++和UE的替代品，它的配色的编写文档的习惯都让我感觉非常舒适。
安装与使用pycharm
去官网下载即可，社区版本是免费的，下面有些参考链接会仔细的介绍pycham的用法会标记在下面
参考链接：
Anconda详细介绍与pycharm介绍：
Anaconda python windows环境安装及完全排坑教程_Yooooung_Lee的博客-CSDN博客
Anaconda超详细安装教程（Windows环境下）_conda安装_菜鸟1号！！的博客-CSDN博客
- 虚拟环境的讲解
Python 虚拟环境管理工具（详细）_python虚拟环境管理工具_CourserLi的博客-CSDN博客
- jupyter notebook的讲解
上述文章都很好的在某些方面解决了一些问题，但是兼听则明，偏听则暗。很多方法都是作者站在他们自己的立场上的描述，所以不一定对于你总是有效的。但是他山之石，可以攻玉，建议在遇到问题时，可以先阅读上述的文献，因为上述的文章较为详细全面的讲解了一些可能需要的问题。当然有时候有些问题也需要继续去自己进行探索。希望这篇文章能够对于帮助你解决现在的问题有用。
