window环境64位机器安装python集成开发环境

一、下载安装anaconda

    1、访问https://www.anaconda.com/distribution/下载Python 3.7 version。按照如下截图下载64位的windows安装版本。

 

2、在windows环境变量中配置如下路径：

D:\Users\Administrator\Anaconda3\Scripts;D:\Users\Administrator\Anaconda3;D:\Users\Administrator\Anaconda3\bin;D:\Users\Administrator\Anaconda3\Library\bin

3、安装完成后，我们还需要对所有工具包进行升级，以避免可能发生的错误。打开你电脑的终端，在命令行中输入：

conda upgrade --all

4、通过如下命令安装numpy和pandas和scikit-learn

conda install numpy scipy pandas

conda install scikit-learn

二、安装PyCharm

1、PyCharm 官方下载地址：http://www.jetbrains.com/pycharm/download/，下载安装PyCharm

2、在PyCharm中配置python，如下截图标红流程：

三、测试是否可用如下

1、如下截图，新建一个Demo.python文件。

2、把如下代码复制到文件中：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(4,3),columns = ['col1','col2','col3'])
for row_index,row in df.iterrows():
   print (row_index,row)

3、运行工程测试

选中python文件，右击运行结果如下：

4、扩展（anaconda命令）

如何管理Python包？

安装一个 package：

 

1	conda install package_name

这里 package_name 是需要安装包的名称。你也可以同时安装多个包，比如同时安装numpy 、scipy 和 pandas，则执行如下命令：

 

1	conda install numpy scipy pandas

你也可以指定安装的版本，比如安装 1.1 版本的 numpy ：

 

1	conda install numpy=1.10

移除一个 package：

 

1	conda remove package_name

升级 package 版本：

 

1	conda update package_name

查看所有的 packages：

 

1	conda list

如果你记不清 package 的具体名称，也可以进行模糊查询：

 

1	conda  search search_term

 

---

如何管理Python环境？

默认的环境是 root，你也可以创建一个新环境：

1	conda create -n env_name  list of packages

其中 -n 代表 name，env_name 是需要创建的环境名称，list of packages 则是列出在新环境中需要安装的工具包。

例如，当我安装了 Python3 版本的 Anaconda 后，默认的 root 环境自然是 Python3，但是我还需要创建一个 Python 2 的环境来运行旧版本的 Python 代码，最好还安装了 pandas 包，于是我们运行以下命令来创建：

1	conda create -n py2 python=2.7 pandas

细心的你一定会发现，py2 环境中不仅安装了 pandas，还安装了 numpy 等一系列 packages，这就是使用 conda 的方便之处，它会自动为你安装相应的依赖包，而不需要你一个个手动安装。

进入名为 env_name 的环境：

1	source activate env_name

退出当前环境：

 

1	source deactivate

另外注意，在 Windows 系统中，使用 activate env_name 和 deactivate 来进入和退出某个环境。

删除名为 env_name 的环境：

 

1	conda env remove -n env_name

显示所有的环境：

 

1	conda env list

当分享代码的时候，同时也需要将运行环境分享给大家，执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。

 

1	conda env export > environment.yaml

同样，当执行他人的代码时，也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。

 

1	conda env create -f environment.yaml