从0开始的Python环境搭建以及库的导入

相信大家之前对python这个编程语言已经耳熟能详。Python以其简洁的语法和强大的功能，成为了许多开发者的首选语言。本文将带领大家从零开始搭建Python环境，并介绍如何导入常用的库。本文分为下面几个板块：conda/python的安装、库文件的导入、新项目的建立。

（一）conda的安装

（1）引入

• 1 背景

经过多年的发展，Python已经有了许多的版本，而且不同的版本之间可能会有不兼容的情况。为了避免这种情况，我们可以使用conda来管理Python的环境。conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。conda是在Anaconda发行版中提供的，Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac和Windows系统。下面我们将介绍如何安装Anaconda，并在介绍中为大家提供一些常见的经验。 ** 如果你已经安装了Anaconda或者Miniconda，可以跳过这一部分。** ** 如果你准备使用其他的Python环境，可以跳过这一部分和下一部分。**

（2）步骤

• 1 anaconda/miniconda的下载

  首先我们需要下载Anaconda或者Miniconda。Anaconda是一个大型的发行版，包含了许多常用的库，而Miniconda则是一个轻量级的发行版，只包含了conda和一些基本的库。我们可以根据自己的需求选择下载Anaconda或者Miniconda。 下载地址为：Anaconda（912MB）、Miniconda（89MB。 此外，我们也可以在不同的镜像网站上下载Anaconda或者Miniconda，比如清华大学的镜像网站：Anaconda、Miniconda。还可以在官网下载。不过多赘述。 下载之后，我们就可以进入安装界面。

• 2 安装

  安装Anaconda或者Miniconda的过程非常简单，只需要一直点击”下一步”即可。注意安装位置。针对初学者，建议安装在C盘目录，避免出现路径问题。 如果之后我们直接从本机使用Python，我们要选择添加环境变量。推荐大家都添加。方便调试。其他方面无需修改。安装过程可能比较缓慢，大家可以耐心等待。 当我们安装成功之后，需要重启一下。

• 3 验证

• 重启之后，我们就可以在命令行（cmd或者powershell，可以按下win + R后输入cmd 来进入命令行界面）中输入conda来查看是否安装成功。如果成功，我们会看到conda的一些基本信息。例如输入conda --version，我们会看到conda的版本号。

  如果我们看到了这些信息，那么恭喜你，你已经成功安装了conda。

（二）python的安装

（1）引入

• 1 背景

在安装了conda之后，我们就可以使用conda来安装Python。conda提供了许多的Python版本，我们可以根据自己的需求来选择不同的版本。我们常见的做法是，对某一个项目，我们会创建一个独立的环境，然后在这个环境中安装我们需要的Python版本和库。这样可以避免不同项目之间的冲突。这个项目可能会使用某一个特定的python版本以及对应的库。下面使用示例代码来演示。

（2）步骤

• 1 创建环境

  首先我们需要创建一个环境。在安装完成conda之后，我们的命令行就多了”conda”这个命令。 我们可以使用conda create命令来创建一个环境。例如我们创建一个名为<name>的环墋，Python版本为<version>，我们可以使用下面的命令：

  conda create -n <name> python=<version>

  我们可以将<name>替换为我们想要的环境的名字，<version>替换为我们想要的Python的版本。例如我们创建一个名为face_r的环境，Python版本为3.7.7，我们可以使用下面的命令：

  conda create -n face_r python=3.7.7

  这个命令的意思是创建一个名为face_r的环境，Python版本为3.7。我们可以根据自己的需求来选择Python的版本以及名称。。如果我们不指定Python的版本，conda会自动选择一个版本。一般来说是最新的版本。

  恰在此时，我们解释一下conda的换源方法。 我们可以看到，这里conda在channels中搜索了一些库，然后下载了一些库。这些库是conda的镜像网站提供的。我们可以在~/.condarc文件中配置channels。默认是defaults，而众所周知，我们若不开启代理，访问会有时快， 有时慢。因此大家可以去安装对应的镜像channels。 网络教程中，多提到清华大学的镜像源。可经过我的实测，清华的镜像源不如上交源。至少在笔者的网络环境中如此。所以大家可以尝试一下上交源。具体的配置方法可以参考网站 https://mirror.sjtu.edu.cn/docs/anaconda 而更换channels的命令如下：

  conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main
  conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free
  conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge
  conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/msys2

  我们可以查看channels和删除channels的命令如下：

  conda config --show channels
  conda config --remove channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main

  有了这些命令，我们就可以更加方便的配置conda的channels了。这样，我们安装库文件的速度就会加快。

  在上面，如果有下载比较慢的同学可以换源。如果不慢，笔者还是推荐保留defaults源。我们最终的目的是： 这里，我们输入y或者n,表示安装或者不安装。我们输入y，然后等待安装完成。全部下载完毕之后，即回到命令行初始界面。

• 2 激活环境

  创建环境之后，我们看到提示，需要激活环境。因为目前是在base环境下，而我们需要进入新的独立的环境，避免损害到base环境。我们可以使用下面的命令来激活环境：

  conda activate <name>

  我们可以将<name>替换为我们创建的环境的名字。例如我们激活名为face_r的环境，我们可以使用下面的命令：

  conda activate face_r

  

  这里，我们发现命令行前端加了一个括号，里面是我们创建的环境的名字。这样我们就知道我们在哪个环境下了。这样我们就可以在这个环境下安装我们需要的库文件。 我们注意到，在这个环境下安装的所有库文件，只能在这个环境下使用，不会影响到其他环境。这样我们就可以避免不同环境之间的冲突。

（三）库文件的安装

（1）引入

• 1 背景

  在我们安装了Python之后，我们就可以使用Python来编写代码了。Python提供了许多的库文件，我们可以使用这些库文件来完成我们的任务。在我们的项目中，我们可能会使用到一些库文件。这些库文件可能是Python自带的，也可能是我们自己安装的。在我们的代码中，我们需要导入这些库文件，然后使用这些库文件提供的函数。下面我们将介绍如何导入库文件。

（2）步骤

• 1 安装库文件

  在conda环境下，我们需要对库文件进行安装，才可以在python中进行导入。我们可以使用conda install命令来安装库文件。例如我们想要安装numpy库，我们可以使用下面的命令：

  conda install numpy

  这里我们使用的是conda库，是conda服务器提供的资源。当然，如果我们上面换源了，可能是清华源或者上交源提供的资源。

  此外，我们也可以使用pip install命令来安装库文件。例如我们想要安装matplotlib库，我们可以使用下面的命令：

  pip install matplotlib

  在这里，这两个命令都是安装库文件的命令。只是conda install是使用conda库，pip install是使用pip库。这两个库都是用来安装库文件的。我们可以根据自己的需求来选择使用哪一个库。一般来说，我们可以使用conda install来安装库文件。因为conda库提供了许多的库文件，而且conda库提供的库文件是经过测试的，比较稳定，而且更适合我们的版本。当然，很多同学喜欢快速，可以使用pip。

• 2 导入库文件

  在Python中，我们可以使用import关键字来导入库文件。例如我们想要导入numpy库，我们可以使用下面的代码：

  1
  import numpy as np

  这样我们就导入了numpy库，并且给这个库起了一个别名np。这样我们就可以使用np来调用numpy库中的函数。例如我们可以使用np.array()来创建一个数组。 我们可以导入多个库文件。例如我们想要导入numpy和matplotlib库，我们可以使用下面的代码：

  1
  import numpy as np
  2
  import matplotlib.pyplot as plt

  这样我们就导入了numpy和matplotlib库，并且给这两个库起了别名np和plt。这样我们就可以使用np和plt来调用这两个库中的函数。

（四）IDE的选择以及新项目的建立

（1）引入

• 1 背景

  在我们安装了Python之后，我们就可以使用Python来编写代码了。我们可以使用任何一个文本编辑器来编写代码。但是，我们推荐使用一个集成开发环境（IDE）来编写代码。IDE是一个集成了多个功能的开发环境，可以帮助我们更加方便的编写代码。IDE提供了许多的功能，比如代码高亮、代码补全、代码调试等。下面我们将介绍一些常见的IDE，并介绍如何创建一个新的项目。

• 2 IDE的选择

  • 1 Visual Studio Code

    Visual Studio Code是一个由微软开发的开源代码编辑器。它支持多种编程语言，包括Python。Visual Studio Code提供了许多的功能，比如代码高亮、代码补全、代码调试等。我们可以使用Visual Studio Code来编写Python代码。我们可以在Visual Studio Code官网下载Visual Studio Code。

  • 2 PyCharm

    PyCharm是一个由JetBrains开发的Python集成开发环境（IDE）。它支持多种编程语言，包括Python。PyCharm提供了许多的功能，比如代码高亮、代码补全、代码调试等。我们可以使用PyCharm来编写Python代码。我们可以在PyCharm官网下载PyCharm。

  • 3 Jupyter Notebook

    Jupyter Notebook是一个基于Web的交互式计算环境。它支持多种编程语言，包括Python。Jupyter Notebook提供了许多的功能，比如代码高亮、代码补全、代码调试等。我们可以使用Jupyter Notebook来编写Python代码。我们可以在Jupyter Notebook官网下载Jupyter Notebook。

我们还有许多其他的IDE可以选择。大家可以根据自己的需求来选择一个适合自己的IDE。这里笔者习惯使用pycharm。如果安装其他版本的IDE，大家也可以习惯一下操作流程。比如vscode需要依赖多种插件完成我们的开发。此处安装过程不予赘述，大家可以参考官网，一般来说直接点”下一步”即可。

（2）步骤

• 1 创建/打开项目

  在我们选择了一个IDE之后，我们就可以创建一个新的项目了。在PyCharm中，我们可以使用File -> New Project来创建一个新的项目。在Visual Studio Code中，我们可以使用File -> New Project来创建一个新的项目。在Jupyter Notebook中，我们可以使用File -> New Project来创建一个新的项目。在创建新项目的过程中，我们可以选择项目的名称、项目的路径、项目的类型等。我们可以根据自己的需求来选择项目的名称、项目的路径、项目的类型等。创建新项目之后，我们就可以在这个项目中编写代码了。

  这里我们首次启动，可以选择项目的建立。也可以选择打开我们的某一个文件夹，将此文件夹作为项目。这样我们就可以在这个文件夹下进行代码的编写。例如我们直接拖动此文件夹到这个界面，即可打开这个文件夹作为项目。这里我们选择新建一个示例项目。 这里我们需要选择刚才安装的conda环境，这样我们就可以在这个环境下进行代码的编写。

• 2 编写代码

  在我们创建了一个新的项目之后，我们就可以在这个项目中编写代码了。比如一个测试代码：

  1
  print("Hello, World!")

  这里我们有两个运行方式，可以点击右上角选择运行，也可以手动打开终端，调用python命令运行。之后我们需要根据项目特点执行，灵活采用。 这个终端就类似我们的cmd命令行。我们可以在这里面安装库文件，也可以调试python代码。这里我们输入python hello.py来运行我们的代码。 这里我们发现了运行结果。两种运行方式都符合我们预期。

综上，我们完成了从0开始的Python环境搭建以及库的导入。现在就可以进行更高阶的程序运行了，希望大家愉快coding~

补充：遇到bug怎么办？

• 1 问题

  在我们编写代码的过程中，我们可能会遇到一些问题。这些问题可能是语法错误、逻辑错误、运行错误等。这些问题可能会导致我们的代码无法正常运行。

  遇到问题之后，大家最重要的是解决问题，而不是去逃避或者烦躁。我们需要用到一切可以解决问题的方法。下面给出几个常见问题以及对应方法。

• 2 解决

  首先，给出一个万能方法：询问大模型/搜索引擎/blog/github。这个方法对于所有的问题都适用。因为大家出现的问题，世界的另一端，会有许多人出现过。所以我们就可以通过这个解决。

  • 2.1 库文件无法导入

    当我们想要安装某个版本的包的时候，使用pip install 或者conda install 的某一方失败的时候，我们可以去使用另一方解决。比如我们可以使用pip install numpy，如果失败，我们可以使用conda install numpy。这样我们就可以解决这个问题。

    比如在某个项目，需要安装pip install dlib，但是失败了。我们可以使用conda install dlib来解决这个问题。

    当然，如果conda 的源（也就是channels）不够多的时候，conda也会失败。这时候，我们就选择一个万能方法：去网页端的conda/pypi库下载对应的版本，然后直接安装本地文件。

    例如，我需要安装dlib，但是这个在conda-force下，所以我们不能直接使用conda安装。 我们去conda库，然后搜索，下载对应的版本，例如我们下载到了： 然后在我们的”E:\DOWNLOADS\dlib-19.23.1-py38h8ec1e2c_0.tar.bz2”文件下，我们可以使用下面的命令安装：

    conda install "E:\DOWNLOADS\dlib-19.23.1-py38h8ec1e2c_0.tar.bz2"

    这里，我们直接 右键电脑中的文件，就可以复制文件路径。这时候，我们的文件路径在本地，conda或者pip就可以不通过下载，直接安装。

    pypi库的地址在这里.

  • 2.2 代码运行错误 对于这个问题，最简单的方式就是去寻找大模型的帮助。但是询问大模型的方法千万种，有的有效，有的无效。碍于文章限制，我们无法详细阐述。询问的方法决定了解决问题的快慢。 这里举一个简单的示例。比如，我们出现了错误之后，根据错误说明来进行纠错。但是大模型不知道我们想做什么，所以我们要直来直往的，把我们知道的一切告诉大模型。例如，我们要先给他一部分代码（犯错的函数）或者整个py文件，然后再去询问，如果出现以下错误，要怎么办。一般来说，大模型会给出几种方法，我们可以大胆尝试。如果有与自己的想法不同的地方，记住一定要跟大模型直说自己的需求。

  • 2.3 IDE/python 安装问题 对于安装问题，如果抢占了大部分时间仍然解决不掉，最优解永远是卸载重装。但是注意要卸载干净，环境变量、注册表等清理干净之后，再重装我们的版本。

  • 若有更多问题，欢迎补充说明。