从零开始学python之Python安装和环境配置

python阿喵 python阿喵 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 406平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-07-07 01:48:43 发布 406 阅读 AI 写同款· GEO 优化 ›
【环境配置】python+matplotlib简单安装教程 超详细小白闭眼安装python和matplotlib环境配置，解决遇到的各类问题！ 阅读详情

Python 3适用于Windows，Mac OS和大多数Linux操作系统。即使Python 2目前可用于许多其他操作系统，有部分系统Python 3还没有提供支持或者支持了但被它们在系统上删除了，只保留旧的Python 2版本。

在本教程中，我们重点讲解如何在 Windows 10 和 Ubuntu 系统上安装 Python 3 的最新版本(当前新版本：Python 3.6.1)。

在Windows 10上安装Python 3

最新版本的Python 3(Python 3.5.1)的二进制文件可从Python官方网站的下载页面： http://www.python.org/downloads/windows/ 下载，可以使用以下不同的安装选项 -

 

这里多说一句，小编是一名python开发工程师，这里有我自己整理的一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以进裙930900780即可领取。

这里选择： 下载Windows x86-64 executable installer 下载。下载完成后，双击 python-3.6.1-amd64.exe 可执行文件。

第一步：双击 python-3.6.1-amd64.exe 可执行文件，如下所示 -

 

第二步：选择“Cusomize installation“，如下所示 -

 

第三步：选择“Next>“，这里选择安装在 D:\Program Files\Python36，如下所示 -

 

第四步：开始安装 “Install“ ，如下 -

 

第五步：安装完成后选择关闭(Close)，如下所示 -

 

测试安装结果

由于我们在安装的第一步中，已经选择了“Add Python 3.6 to PATH”了，所以这里不需要单独去设置环境变量了。如果没有选择此项，则应该需要将Python 3.6添加到环境变量。
假设您已经按照上面的步骤来安装完成，现在打开命令提示符，并在其中输入 python，然后回车 -

 

到此，在 Windows 10 系统上安装 Python 3.6 已经完成了。

在Ubuntu上安装Python 3

首先来看看当 Ubuntu 系统上安装的是什么版本的 Python，在终端上输入 python，如下所示 -

yiibai@ubuntu:~$ python -version
The program 'python' can be found in the following packages:
 * python-minimal
 * python3
Try: sudo apt install <selected package>
yiibai@ubuntu:~$
Shell

在上面显示结果中，还没有安装 Python 。

第一种情况：
如果使用的是Ubuntu 14.04或16.04，则可以使用J Fernyhough的PPA： http://launchpad.net/~jonathonf/+archive/ubuntu/python-3.6 来安装Python 3.6：

sudo add-apt-repository ppa:jonathonf/python-3.6
sudo apt-get update
sudo apt-get install python3.6
Shell

第二种情况：
如果使用的是Ubuntu 16.10或17.04，则Python 3.6位于Universe存储库中，直接升级 apt-get，然后再安装即可 -

sudo apt-get update
sudo apt-get install python3.6
Shell

现在，查看 Ubuntu 的当前版本 -

yiibai@ubuntu:~$ sudo lsb_release -a
[sudo] password for yiibai:
No LSB modules are available.
Distributor ID: Ubuntu
Description:    Ubuntu 16.04.1 LTS
Release:        16.04
Codename:       xenial
yiibai@ubuntu:~$
Shell

提示：Ubuntu无法找到add-apt-repository问题的解决方法,执行安装命令：apt-get install python-software-properties，除此之外还要安装 apt-get install software-properties-common，然后就能用add-apt-repository了。

根据上面显示的系统信息，系统版本是：Ubuntu 16.04.1 LTS，所以属于第一种情况安装 Python 3.6，所以完整的安装步骤如下 -

sudo apt-get install python-software-properties
sudo apt-get install software-properties-common
sudo add-apt-repository ppa:jonathonf/python-3.6
sudo apt-get update
sudo apt-get install python3.6
Shell

注意，上面命令执行可能会出现中断或错误的情况，可尝试多执行几次。

当上面命令成功执行完成后，默认情况下，它也会安装了一个 Python 2.7，在命令行提示符下输入：python，那么它使用的是 Python 2.7，如果要使用 Python 3.6，那么可以直接输入：python3.6，验证安装结果如下所示 -

 

从源代码编译安装 Python 3.6
或者，如果您有时间和精力，也可以尝试从源代码编译来安装 Python 3.6 。源代码下载地址：http://www.python.org/ftp/python/3.6.1/

首先，需要使用以下命令安装一些构建依赖项。

sudo apt install build-essential checkinstall

sudo apt install libreadline-gplv2-dev libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev
Shell

然后，从python.org下载Python 3.6源代码。

wget http://www.python.org/ftp/python/3.6.0/Python-3.6.0.tar.xz
Shell

接下来，解压缩tarball。

tar xvf Python-3.6.0.tar.xz
Shell

现在cd进入源目录，配置构建环境并进行安装。

cd Python-3.6.0/

./configure

sudo make altinstall
Shell

使altinstall命令跳过创建符号链接，所以/usr/bin/python仍然指向旧版本的Python，保证Ubuntu系统将不会中断。

完成完成后，可以通过键入以下命令来使用Python 3.6：

$ python3.6
Shell

以下是所有可用命令行选项的列表 -

编号 选项 说明 1 -d 提供调试输出 2 -O 生成优化的字节码(结果为.pyo文件) 3 -S 启动时不要运行导入站点来寻找Python路径 4 -v 详细输出(import语句的详细跟踪) 5 -X 禁用基于类的内置异常(仅使用字符串); 从版本1.6开始已经过时了 6 -c cmd 运行Python脚本作为cmd字符串发送 7 file 从给定运行的Python脚本文件

命令行脚本

通过在应用程序中调用解释器，可以在命令行中执行Python脚本，如以下示例所示。

$python  script.py          # Unix/Linux

or 

python% script.py           # Unix/Linux

or 

C:>python script.py         # Windows/DOS
Shell

注意 - 确保文件权限模式允许执行。

集成开发环境

如果您的系统上支持Python的GUI应用程序，也可以从图形用户界面(GUI)环境运行Python。

Unix - IDLE是第一个用于Python的Unix IDE。

Windows - PythonWin是Python的第一个Windows图形用户界面，是具有GUI的IDE。

Macintosh - Macintosh版本的Python以及IDLE IDE可从主网站获取，可作为MacBinary或BinHex’d文件下载。

如果您无法正确设置环境，则可以通过向系统管理员寻求帮助。确保Python环境设置正确，以正常工作。

最后多说一句，小编是一名python开发工程师，这里有我自己整理的一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以进裙930900780即可领取。

 

本文章素材来源于网络，如有侵权请联系删除。

收录于
python

当前文章被收录于：

python
128 篇文章 13 人学习
订阅专栏 查看详情
标签
#后端 #python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Win10系统下Python安装和Geany环境配置的几点总结 Win10系统下Python安装和Geany文本编辑器配置的几点总结 （START OF MY BLOG LIFE） 一.Python的安装 Python直接可以在官网下载（https://www.python.org）依次点击Downloads- Windows,会出现Python Releases for Windows,从中选取合适的版本（除特殊要求外，最好选较新的版本）。 1.注意计算机是... 阅读详情

相关推荐

【Python安装】Windows从零开始安装Python+Anaconda+Pycharm

从头开始装Python欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用M...

qq_41961135的博客 3392

ubuntu系统下如何安装python

ubuntu下安装python方法

xp_fangfei的博客 1万+

在Ubuntu系统中安装Python的方法

通过按照上述步骤，在Ubuntu系统中安装Python是非常简单的。验证安装后，你可以使用Python进行编程，并在终端中执行Python代码。在Ubuntu系统中安装Python非常简单，下面我们将详细介绍如何安装Python，并提供相应的源代码。你将看到一个Python提示符（>>>），表示Python解释器已准备好接受你的命令。系统将显示已安装的Python版本号，例如Python 3.8.10。首先，在Ubuntu系统中打开终端。这将更新系统中可用的软件包列表，确保你安装的是最新版本的软件包。

持续更新 1万+

安装python步骤

安装python

这个人很懒，没有留下任何信息。 2万+

ESP-Mesh-Lite vs ESP-Mesh：如何选择适合你的物联网组网方案？

本文深入对比了乐鑫ESP-Mesh-Lite与ESP-Mesh两种物联网组网方案的核心差异。重点解析了ESP-Mesh-Lite分布式协议栈架构的优势，即每个节点拥有独立IP，可直接访问外部网络，极大简化了应用层开发。文章从网络架构、性能、开发体验及适用场景等多维度进行分析，为开发者根据项目需求（如分布式数据采集、智能家居或集中控制网络）选择最合适的方案提供了清晰的决策框架。

pluto的博客 817

Win11家庭版如何让Win+R运行CMD默认管理员权限？3种方法实测有效

本文针对Win11家庭版用户，实测了三种让Win+R运行CMD默认获取管理员权限的有效方法。通过分析UAC机制与家庭版功能限制，详细介绍了注册表编辑、快捷方式创建与任务计划程序三种方案的原理、步骤与风险对比，帮助用户根据安全与效率需求选择最佳方案，实现一键高效管理。

sat99的博客 1273

Ubuntu安装指定Python版本详解，理论上各版本通用

理论上各个Ubuntu版本与各个Python版本均通用，有问题评论区留言或者私信都可以

松崽子的博客 7万+

Oracle入门——基础语法篇

ROWID是Oracle中的一个伪列，用于唯一标识数据库中的每一行。在查询中，可以使用ROWID来定位和操作特定的行，例如，删除特定的行或更新特定的行。在Oracle中，子查询是指嵌套在另一个查询内部的查询语句，它可以作为主查询的一部分，用于提供额外的过滤条件、计算或数据源。在Oracle中，连接查询是通过使用JOIN子句将两个或多个表中的数据合并在一起，以获取满足特定条件的结果集。在Oracle数据库中，ROWID和ROWNUM都是用于对行进行标识和定位的伪列，它们在查询中的使用有一些不同之处。

麦当当的博客 3089

ubuntu系统下，下载安装Python程序的方法汇总（wget；apt-get；easy_install;pip）

1.源码安装：已知源码的地址，例如：https://www.python.org/ftp/python/3.6.1/Python-3.6.1.tgz 这是Python3.6.1的源码地址，则可以使用wget下载：wget https://www.python.org/ftp/python/3.6.1/Python-3.6.1.tgz这种方式对于修改参数配置等较灵活；而且可以决定源代码的下载位置，如

AQ_cainiao_AQ的博客 1万+

PowerPMAC配置EtherCAT设备

本文详细介绍了在PowerPMAC IDE环境下配置EtherCAT伺服电机的完整流程。主要内容包括：准备工作（连接硬件和获取ESI文件）、通过ESI管理器加载配置文件、网络扫描识别从站设备、变量映射（定义输入输出位置参数）、激活EtherCAT通讯（验证状态字和实际位置）以及相关参数说明。文章还概述了主站配置的8个方面和从站配置的7个选项，重点说明了PDO映射和变量分配机制，为伺服电机的EtherCAT通信配置提供了系统指导。

mahuliang321的博客 972

【华为OD机试真题】7、字符串筛选排序 | 机试真题+思路参考+代码解析（C++、Java、Py）

题目描述 >输入一个由N个大小写字母组成的字符串 按照ASCII码值从小到大进行排序 查找字符串中第K个最小ASCII码值的字母(k>=1) 输出该字母所在字符串中的位置索引(字符串的第一个位置索引为0) k如果大于字符串长度则输出最大ASCII码值的字母所在字符串的位置索引 如果有重复字母则输出字母的最小位置索引

KJ.JK 2267

python安装选项_从零开始学python之Python安装和环境配置

Python 3适用于Windows，Mac OS和大多数Linux操作系统。即使Python 2目前可用于许多其他操作系统，有部分系统Python 3还没有提供支持或者支持了但被它们在系统上删除了，只保留旧的Python 2版本。在本教程中，我们重点讲解如何在 Windows 10 和 Ubuntu 系统上安装 Python 3 的最新版本(当前新版本：Python 3.6.1)。在Window...

weixin_39517202的博客 188

《QGIS快速入门与应用基础》108：CGCS2000对应的投影坐标系

本文详细解析了CGCS2000地理坐标系对应的各类投影坐标系，包括高斯-克吕格3°带/6°带、UTM、地方独立投影和Web墨卡托投影。文章系统阐述了各投影类型的分带规则、参数设置、精度特性及适用场景，并提供了EPSG编码对照表和QGIS操作指南。通过"基准+投影"的绑定机制，这些投影坐标系实现了平面坐标与经纬度的精准转换，满足从大比例尺工程测量到Web地图服务等不同应用需求。内容涵盖投影原理、坐标格式、变形控制等关键技术要点，为GIS开发者和测绘人员提供了实用的参考信息。

LuckyHanMo的博客 541

关于网站的搭建(基于Python和Django框架)

  最近想开始搭建一个集成组学分析的网站，由于此前没有搭建过类似的网站，所以在这里一边学习一边记录，方便自己以后查找。那此篇博文就当做是学习网站进度的一个目录好了（目测此中会是转载整理居多）。同时由于能力有限，欢迎同感兴趣的小伙伴在下方提出批评建议～ 基于Python和Django框架的网站搭建 ...

vickyleexy's blog 2048

Windows 下 Claude Code Desktop 安装与使用全记录：从零到一的保姆级图文教程

本文主要介绍了Windows 下 Claude Code 安装全记录：从零到一的保姆级图文教程，希望能对学习使用 Claude Code 的同学们有所帮助。 文章目录 1. 背景 2. 安装Claude Code Desktop 3. 配置第三方API 4. 日常使用

weixin_43178406的博客 8万+

第4章-上下文管理-对话历史记忆系统与窗口优化-《Agentic AI 智能体应用开发》

当上下文窗口接近极限时，需要对已有内容进行压缩。压缩不是简单的截断——你需要保留核心语义，去除冗余。# Python: 对话摘要压缩# 使用 Haiku 做摘要任务，成本最低"""将一段对话历史压缩为摘要"""system="你是一个对话摘要专家。请生成简洁但有信息量的摘要。",f"'用户'

AI天才研究院 246

Python安装与环境配置全程详细教学（包含Windows版和Mac版）

对于初学者的Python该怎么安装，需要做哪些设置，如何使用Python等问题的教学。适用于Windows用户和Mac用户，并且在本教学中对所有步骤都有文字教学和配套图片步骤，并且里面每一步的影响，该教学的操作和一些教学的不同点都在文中进行了讨论。初学者需要学会Python的安装与环境配置以及安装好IDE后掌握IDE的使用就可以正式开始学习Python了

sensen_kiss的博客 133万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Python 小白从零开始 PyQt5 项目实战（1）安装与环境配置

本系列面向 Python 小白，从零开始实战解说应用 QtDesigner 进行 PyQt5 的项目实战。 什么叫从零开始？从软件安装、环境配置开始。不跳过一个细节，不漏掉一行代码，不省略一个例图。 本节讲解：1. 安装 PyQt5 和 QtTools，2. QtDesigner 和 PyUIC 的环境配置， 3. QtDesigner 和 PyUIC 的快速入门。

youcans的博客 1万+

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

Ubuntu中安装OpenCV4和环境配置

OpenCV提供了大量开源图像算法，是计算机视觉中使用极光的图像处理算法库。在Ubuntu下，有从源代码安装和只安装库文件两种方式可以选择： 从源代码安装，是指从OpenCV网站下载所有的OpenCV源代码，并在机器上编译安装，以便使用。好处是可以选择的版本比较丰富，而且能够看到源代码，不过需要花费一些编译时间。 只安装库文件，是指通过Ubuntu来安装有Ubuntu社区人员已经编译好的库文件，...

程序猿之家 1万+

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

Python安装和环境配置

python安装和环境搭建

学习工作笔记 1万+

java和python学哪个比较好,学python和学java哪个好

如果你也喜欢编程，想通过学习Python转行、做前出塞或者提升工作效率，我也为大家整理了一份【最新前出塞Python前出塞】一定对你有用！如果你是零基础前出塞，想快速入门Python是可以考虑的！1、学习时间相对较短，学习内容更全面更集中2、可以找到适合自己的学习方案Python安装包+激活码、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等教程，带你从零开始系统性的学好Python！我已经上传至优快云官方，如果需要可以前出塞下方二维码。

liuyifan0的博客 1960

Python安装与环境配置

如果你是用第二种Anaconda的方式，找到conda.exe,一般在Scripts的目录下，然后点击加载环境，可以使用现有环境，也可以创造新环境，如果使用现有环境可以在以下选择所要使用的环境。然后选择你下载的地方，可以选择在D盘建立了一个新的文件夹，D:\Anaconda，注意这个文件夹不要使用中文或者空格、特殊字符。选择对应安装目录，点next。然后点击安装，完成之后，打开Pycharm首页之后，新建一个项目，项目位置可以自己选择，然后pthon环境建议不要选择新建环境，因为他会将解释器嵌入项目中。

qq_74330924的博客 9161

Python | 安装、环境配置及包的安装

Python的安装、环境配置及第三方库或模块的安装

跳动的喵尾巴 9490

Python的安装和环境配置

最近几天准备用python写一个小项目，所以开始了python之旅，今天主要说一下python的安装以及python库的安装。      官网： https://www.python.org/      选择“Download->Source Code”然后选择一款 python2.7X的版本下载，注意对应电脑的操作系统(例如32位，64位等)    因为python2.7 版本的比较稳定，

only_do_IT 1万+

Python2 Python3 安装和环境配置教程

点击Download下的WindowsPython3我们下python3.12.10Python2我们下python2.7.18，往下滑可以找到我下到了这样的路径下。

2402_87504877的博客 1797
上一篇： 零基础小白Python入门必看：面向对象之典型魔术方法
下一篇： 史上最全Python快速入门教程，满满都是干货
点赞 0
评论 0
书签 书签 1
python阿喵
python阿喵
博客等级 码龄6年 169粉丝 127原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值