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，也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（约912MB）
- Miniconda（约69MB）
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。还可以在官网下载，不过步骤类似。
【待插入】
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，建议安装在英文路径里，避免出现路径问题。
【待插入】
如果之后我们直接从本机使用Python，我们更推荐将“添加环境变量”勾选上，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。
【待插入】
当我们安装成功之后，需要重启一下。
3 验证
重启之后，我们仍然可以在命令行（cmd或者powershell，可以按下 win + R 后输入 cmd 来进入命令行界面）中输入命令，查看是否已经安装成功。如果成功，我们会看到conda的一些基本信息。例如输入：
conda --version【待插入】
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。一个项目目前一般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> 的环境，Python版本为 <version>。我们可以使用下面的命令：
conda create -n <name> python=<version>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。
如果我们并不指定Python的版本，conda会自动选择一个版本。一般来说是较新的版本。
【待插入】
恰在此时，我们同样可以介绍一下conda的换源方法。我们可以让conda在默认channels中搜索库，然后下载安装。由于不同网络环境下访问速度不一致，因此大家也可以配置镜像channels。
网络教程中常常提到清华大学的镜像源，但经过实践，在部分网络环境中，上交源可能更稳定一些。大家可以按需尝试。具体的配置方法可以参考对应镜像站文档。
而更换channels的命令如下：
conda config --add channels https://mirrors.sjtu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.sjtu.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.sjtu.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.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.sjtu.edu.cn/anaconda/pkgs/main有了这些命令，我们就可以更加方便地配置conda的channels了。这样安装库文件时的速度通常会更快。
如果默认源速度已经足够快，也可以继续保留defaults源。
【待插入】
这里，我们输入 y 或者直接确认，表示同意安装。然后等待安装完成。
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环境中，避免和base环境混淆。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【待插入】
这里，我们会发现命令行前端多了一个括号，里面是我们创建的环境名字，这样我们就知道当前处于哪个环境下了。这样我们就可以在这个环境下安装我们需要的库文件。
创建完成之后，在这个环境下安装的所有库文件，只能在这个环境下使用，不会影响其他环境。这样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，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自己的任务。在实际项目中，我们往往会使用到一些外部库。这些库有的可能是Python自带的，也有的需要我们自己安装。在代码中，我们需要先导入这些库，然后才能使用它们提供的函数。
（2）步骤
1 安装库文件
在conda环境下，我们需要先安装库文件，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，可以使用下面的命令：
conda install numpy这里我们使用的是conda提供的资源。当然，如果前面进行了换源，那么下载的资源可能来自配置过的镜像源。
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，可以使用下面的命令：
pip install matplotlib这两个命令都可以安装库文件。只是 conda install 使用的是conda生态，pip install 使用的是pip生态。我们可以根据自己的需求来选择使用哪一个。一般来说，可以优先使用 conda install 来安装常见库，因为conda提供的库通常经过了较好的兼容性处理，比较稳定。若conda中没有合适版本，再考虑使用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，可以使用下面的代码：
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。之后就可以使用 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。
我们也可以一次导入多个库。例如我们想要导入 numpy 和 matplotlib，可以使用下面的代码：
import numpy as np
import matplotlib.pyplot as plt这样我们就导入了 numpy 和 matplotlib，并且给这两个库起了别名 np 和 plt。这样就可以分别调用它们提供的功能。
（四）IDE的选择以及新项目的建立
（1）引入
1 背景
在安装了Python之后，我们就可以开始编写代码了。理论上，任何文本编辑器都可以写Python代码。但是在实际开发中，我们更推荐使用集成开发环境（IDE）或者功能较完善的代码编辑器。它们可以帮助我们更方便地编写、调试和运行代码。
2 IDE的选择
-
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。它提供代码高亮、代码补全、代码调试等功能。我们可以使用Visual Studio Code来编写Python代码。 -
PyCharm
PyCharm是一个由JetBrains开发的Python集成开发环境。它支持多种编程语言，包括Python。它提供代码高亮、代码补全、代码调试等功能。很多同学会使用它来进行Python项目开发。 -
Jupyter Notebook
Jupyter Notebook是一个基于Web的交互式笔记本。它支持多种编程语言，包括Python。它比较适合做实验记录、数据分析和教学展示。
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工具。这里笔者更习惯使用PyCharm。如果使用其他IDE，也完全没有问题。
（2）步骤
1 创建或打开项目
在我们选择了一个IDE之后，就可以创建一个新的项目了。在PyCharm中，我们可以使用新建项目功能来创建一个新的项目。在Visual Studio Code中，通常是直接打开一个文件夹作为项目目录。在Jupyter Notebook中，则可以新建一个Notebook文件来开始工作。
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。创建好项目之后，我们就可以在这个项目中编写代码了。
【待插入】
这里以PyCharm为例。我们首次启动PyCharm时，可以选择新建项目，也可以直接打开某一个已有文件夹，并将该文件夹作为项目目录。这样我们就可以在这个文件夹下进行代码编写。这里我们选择新建一个示例项目。
【待插入】
这里我们需要选择刚才安装好的conda环境。这样我们就可以在这个环境下进行代码编写了。
2 编写代码
在我们创建了一个新的项目之后，就可以在项目中编写代码了。比如下面这样一段测试代码：
print("Hello, World!")这里我们通常有两种运行方式：一种是直接点击IDE右上角的运行按钮；另一种是手动打开终端，使用python命令来运行脚本。根据项目特点不同，我们可以灵活采用。
【待插入】
这个终端窗口和cmd命令行类似。我们可以在这里安装库文件，也可以测试python代码。这里我们输入 python hello.py 来运行我们的代码。
【待插入】
这里我们就可以看到运行结果。两种运行方式都应该符合我们的预期。
综上，我们完成了从0开始的Python环境搭建以及库的导入。到这里，已经可以进行更进一步的程序开发与实验了。
补充：遇到bug怎么办？
1 问题
在我们编写代码的过程中，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。它们会导致代码无法正常运行。
遇到问题之后，最重要的是先定位问题，而不是着急。我们需要借助一切合理的方式来解决问题。下面给出几个常见问题以及对应思路。
2 解决方法
首先给出一个通用方法：访问搜索引擎、技术博客、GitHub issue，或者借助大模型辅助分析。因为很多问题并不是第一次出现，往往别人已经遇到过，已经留下了可参考的经验。
2.1 库文件无法导入
当我们想要安装某个版本的包时，如果使用 pip install 或者 conda install 的其中一方失败，可以尝试切换到另一方。比如我们可以先尝试：
pip install numpy如果失败，再尝试：
conda install numpy在一些项目中，也会出现某些包通过pip不好装、但conda能装，或者相反的情况。此时切换安装方式往往就能解决问题。
当然，如果conda的源不够全，或者当前channels中没有对应的版本，那么conda也可能失败。这时可以考虑另一种方法：去网页端下载对应版本的安装包，然后直接进行本地安装。
例如，我们需要安装dlib，但在线安装失败，那么可以先手动下载对应版本文件。
【待插入】
然后在本地文件路径下，例如：
conda install "E:DOWNLOADSdlib-19.23.1-py38h8ec1e2c_0.tar.bz2"这个时候，conda就不再通过网络下载，而是直接安装本地文件。
2.2 代码运行错误
对于运行错误，最直接的方式通常是先阅读报错信息。报错信息本身就包含了很多有价值的线索，比如出错文件、出错行数、缺失模块、变量类型不匹配等。
如果自己一时无法判断，也可以把错误信息、运行环境、相关代码片段、想实现的目标一起整理出来，再去搜索或者借助大模型分析。提问越具体，得到的答案通常越有效。
2.3 IDE/python 安装问题
对于安装类问题，如果尝试了很多方法仍然无法解决，那么有时最有效的方法反而是卸载重装。但要注意，卸载时尽量清理干净，包括环境变量、残留配置和旧版本目录。清理完成之后，再重新安装目标版本，往往会更省时间。
若有更多问题，欢迎继续补充。
Comments
Join the discussion