1.anaconda与pycharm的关系

1、python

python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要我们安装pip来导入这些包才能进行相应运算（python3.5自带了get-pip.py，不需额外下载安装），在cmd终端输入：pip install numpy就能安装numpy包了。每次都额外安装所需要的包略麻烦，这时候我们可以采用anaconda了。

2、Anaconda

Anaconda(开源的Python包管理器)是一个python发行版，包含了conda、Python等180多个科学包及其依赖项。包含了大量的包，使用anaconda无需再去额外安装所需包。python3.5自带了一个解释器IDLE用来执行.py脚本，但是却不利于我们书写调试大量的代码。常见的是用notepade++写完脚本，再用idle来执行，但却不便于调试。

包括以下部分：

Anaconda Prompt 是一个Anaconda的终端，可以便捷的操作conda环境。

IPython 是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。

Jupyter Notebook 这得从IPython 3.x版本开始说起，这是最后的大一统版本，包括notebook、qtconsole等等，从IPython 4.0版本开始IPython只集中精力做交互式shell，变得轻量化，而剩下的notebook格式，qtconsole，和notebook web应用等都分离出来统一命名为Jupyter。至此IPython和Jupyter分家。

Jupyter Qtconsole 调用交互式命令台。从IPython 4.0版本开始，很多IPython子命令现在变成了Jupyter子命令，如ipython notebook现在是jupyter noteboook。

Spyder 是一个使用Python语言的开放源代码跨平台科学运算IDE。Spyder可以跨平台，也可以使用附加组件扩充，自带交互式工具以处理数据。

3、PyCharm

PyCharm是一种Python IDE（集成工具），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。将anaconda中的python.exe集成到pycharm中，便可以在使用pycharm的过程中使用到所有anaconda的包了。

4、IDE

集成开发环境（IDE，Integrated Development Environment ）是用于提供程序开发环境的应用程序，一般包括代码编辑器、编译器、调试器和图形用户界面等工具。集成了代码编写功能、分析功能、编译功能、调试功能等一体化的开发软件服务套。所有具备这一特性的软件或者软件套（组）都可以叫集成开发环境。如微软的Visual Studio系列，Borland的C++ Builder、Delphi系列等。该程序可以独立运行，也可以和其它程序并用。IDE多被用于开发HTML应用软件。例如，许多人在设计网站时使用IDE（如HomeSite、DreamWeaver等），因为很多项任务会自动生成。

发行版由个人，松散组织的团队，以及商业机构和志愿者组织编写。它们通常包括了其他的系统软件和应用软件，以及一个用来简化系统初始安装的安装工具，和让软件安装升级的集成管理器。
————————————————
版权声明：本文为CSDN博主「X_dmword」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/X_dmword/article/details/88848573

2.在pycharm中使用anaconda的不同环境

总体而言有两种方式进行“环境”的管理：

1.在anaconda中提前准备好项目所需的环境，然后在pycharm中选择相应环境的解释器；

2.在pycharm中设定新建项目时随即生成对应的环境。

方式一：

           创建新环境：

可以在Anaconda Prompt中使用命令行的方式创建新的“环境”，也可以在Anaconda Navigator的图形界面中点击鼠标创建新的“环境”。

Prompt中：conda create --name <env_name> <package_names>

        <env_name> 即创建的环境名。建议以英文命名，且不加空格，名称两边不加尖括号“<>”。

                   <package_names> 即安装在环境中的包名。名称两边不加尖括号“<>”。

                  如果要安装指定的版本号，则只需要在包名后面以 = 和版本号的形式执行；如果要在新创建的环境中创建多个包，则直接在 <package_names> 后以空格隔开，添加多个包名即可，例如

conda create -n python3 python=3.5 numpy pandas 

        即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。

Navigator中：

在左边列表中点击“Environments”，选择下方“create”，输入新环境的名字，等待即可。如下图：

可以看到，除了默认的base环境，我又新建了两个新的环境，准备好环境后打开pycharm，新建项目，然后选择project interpreter（项目解释器），如下图所示：

忽略3中显示的python解释器，它是用python官网的安装包安装的，而我们需要的是上一步新建环境中的解释器。

 点击框中的4，出现如下窗口，然后按照1、2的顺序点击：

在anaconda安装路径中的envs文件夹中可以找到所有现有的“环境”，点击去之后，选择python.exe即可，最后点击确定。

方式二：在新建项目时随即生成新的环境

在pycharm新建项目，同上，选择 project interpreter，如下图所示：

 在4的下拉框中选择conda方式，然后pycharm会自动检测到location和python version，所以这两项默认就行。

最关键的是5，conda executable查了一圈都没有人特别说明，基本都是使用我刚才说的方式一，而且还都是用的anaconda默认的base环境。需要说明，这是一种非常不好的方式，因为之所以使用anaconda，就是因为它强大的环境控制能力，可以在不同的环境中使用不同版本的包，如果所有项目都直接指定某一固定的解释器，那为什么还要折腾anaconda？直接使用pip+virtualenv也是同样可以的。言归正传，conda executable指的是conda可执行文件（conda.exe）的位置，默认情况下为空，如果不指定，则会提示conda executable path is empty，需要手动选择或者输入。如6所示。它的位置在anaconda的安装位置的Scripts文件夹下，选择之后点击确定即可。

需要注意的是，使用方式二随之创建的新环境的位置同样在anaconda安装路径中的envs文件夹下，也同样可以使用Anaconda Prompt或者Anaconda Navigator进行环境管理和包管理，可以说是非常方便使用了。

两种方式区别的浅见：

方式一：需要提前准备好所需的环境，当项目间的包没有干扰时，可以复用其他项目的库，避免每次重新安装

方式二：每次都会生成独立的环境，不会对其他的项目造成干扰，但是每次创建项目时都会耗费较长的时间
————————————————
版权声明：本文为CSDN博主「Wang_PChao」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/JT_WPC/article/details/86355903

3.为什么说anaconda中新建的环境是虚拟环境？

anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本.

4.在pycharm中使用anaconda中的库

下载anaconda后会发现它同时下载了许多的库，在spyder中可以正常使用，但在pycharm中会发现显示没有，用pip下载也会显示已有，以下是导入方法：

打开pycharm

 然后选择anaconda这个

如果没有，选择右上角设置，add,点ok添加(我的已有不能再添加)

 改变以后如果没有导入所有库，点击右边的anaconda图标（一次没有完全导入就再点一次）

这时这个文件就可以使用这些库了
如果还需要别的库，点击右边的加号，搜索下载即可

这个方法同样适用于引进别的库（比如pip下载的库）
————————————————
版权声明：本文为CSDN博主「隰有游龙」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_44616044/article/details/90142037

https://blog.csdn.net/honest_boy/article/details/95222818

5.anaconda中的包如何传到pycharm中使用?

6.每次在anaconda中新建一个环境，都要重新安装各种库吗？

有的时候我们在使用anaconda3 的虚拟环境时，需要配置一个类似的环境，重新配置的话太过麻烦，因此可以复制或克隆一个类似的环境，然后再相应的删减或增加依赖的包：

复制或克隆环境：

conda create -n 新环境名称–clone 被克隆环境名称

例如，通过克隆tensorflow2来创建一个称为newtensorflow的副本：

conda create -n newtensorflow–clone tensorflow2
————————————————
版权声明：本文为CSDN博主「人间兵库saleng」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_42815385/article/details/88353306

查现有环境 
conda info --env

复制环境
有两种办法复制环境：

一，在本机上，直接使用

conda create -n 新环境名 --clone 旧环境名

复制既有环境

二，如果要复制到其他机器，就要考虑导出当前环境到文件，利用文件再次创建环境

1） 导出环境

首先激活要导出的环境

conda activate 环境名 

导出环境

conda env export > 环境名.yaml
利用conda env export 导出的是个yaml格式的文件，该文件记录了环境名，软件源地址以及安装包列表
2） 使用yaml配置文件创建新环境

conda env create -f 环境名.yaml
在新的机器中可直接执行上述命令，生成的环境与复制源完全一样（包括环境名），如果想在同一台机器上复制，需要把yaml文件中的环境名修改为一个新的名字，否则会冲突。
【注】还有一种复制环境的方式

conda list --explicit > env.txt
conda create -n newenv -f env.txt
这种方式只能复制环境中以conda install安装的包，不能复制pip install安装的包，因此不建议使用。
————————————————
版权声明：本文为CSDN博主「马大哈先生」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_37764129/article/details/102496746