这篇文章来源于我们的公众号Techdemic，我们目前的原创文章都发布在公众号，近期有时间会慢慢把文章迁到知乎。Python专题将会继续更新，从微信的浏览量来看，似乎内容越简单，浏览量越大，所以后面这个专题会继续从简单做起，夯实基础。欢迎大家关注。

前言

近几年python搭上了机器学习，人工智能的快车道，发展的如火如荼。不止是互联网，现在金融、国企甚至公务员朋友都有学python的计划。虽然我们也发现不管是微信朋友圈还是百度搜索，总是能看到各种各样的python学习课程广告。但是这些课程通常不要998也要298，而且充满了令人厌恶的营销套路。

​因此，Techdemic 决定开始分享python专题，从简单的日常工作报表处理到自如驾驭整个项目工程，并且，完全免费。

这是本专题的第一篇文章，考虑到受众比较广泛，为了让尽可能多的朋友有所收获，我还是决定从零开始。本篇文章就来介绍python环境搭建。

期望受众

本文为python专题的第一篇文章，主要关于python环境搭建以及IDE的选择等内容，本篇受众主要是小白同学。随着专题的进行，我们也会有更多关于python的深入讨论。包括在生产环境中python的使用技巧以及会在【leetcode专题】中加入python的coding部分。

python 版本的选择

python自问世至今已经有非常多的版本了，最被大家熟知的应该是以python2.7为代表的python2和以python3.6为代表的python3了。在我刚学python的时候，python3刚出来，那时候大家普遍纠结到底用哪个版本的python，python2历久弥新，兼容性更好，Linux系统也会自带python2；python3刚刚问世，代表了未来趋势。不过，目前python社区已经决定于2020年彻底放弃python2了，因此，对于刚入门的同学来说，也少了份纠结，选python3.6或者最新版本的python3.8都可以。

Python环境&虚拟环境

在讲这个问题之前，请先想想你用python的需求是什么？

如果你的需求是画图，科学计算，处理表格等简单任务，那你可能完全不需要虚拟环境，直接安装一个python环境即可。

python本地环境配置

1.下载所需版本的python

下载到本地，安装即可。

2.下载安装pip

pip用于安装所需packages，python2.7.9+和python3.4+的版本都自带pip，无需下载安装。如果需要可通过如下命令下载安装：

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py # 下载安装脚本

sudo python get-pip.py # 运行安装脚本

如果你的需求是跑机器学习模型或者是更复杂的任务，那你一定需要虚拟环境。

3.pip安装packages

pip install matplotlib # 安装绘图matplotlib，可替换为任意package。

虚拟环境配置

虚拟环境是什么？

虚拟环境是一个独立于本机python环境的python环境。它允许你在本机上同时安装多个不同版本的python，并且每个python都有自己独立的函数包。在python2被彻底放弃之前，虚拟环境使得开发者同时跑python2代码和学习python3成为了可能。另外，如果你的某个项目需要numpy的1.12版本，而另一个项目需要numpy的1.19版本。为了代码的可移植性更高，最好为这两个项目分别建立一个虚拟环境，根据项目所需分别安装不同的依赖包。这样，当项目完成时，可以很方便地根据当前的虚拟环境打包一个docker镜像，让你的代码可以很轻松的被任何人使用。

虚拟环境一般有两种选择virtualenv和conda，两种功能差不多，但因为我用conda比较多，很少使用virtualenv，因此本文主要介绍conda的虚拟环境安装和管理。

Conda

conda分为anaconda和miniconda两种，miniconda是anaconda的精简版本，我们以miniconda为例。

1.下载安装miniconda

2.新建虚拟环境

conda create -n new_env python=3.6.4 # 创建一个python3.6.4版本名为new_env的虚拟环境

3.进入虚拟环境

conda activate new_env

4.离开虚拟环境。注意：新建虚拟环境前，一定要离开当前虚拟环境，否则会在当前虚拟环境中嵌套创建虚拟环境，环境中package路径管理会发生混乱。

conda deactivate

5.查看conda环境列表

conda env list

6.conda安装packages

在当前环境中安装matplotlib

conda install matplotlib

如果上述方法不奏效，试试conda-forge

conda install matplotlib -c conda-forge

如果上述两种方式都无法安装，直接用pip安装。大多数情况下，pip都会将package安装在当前的虚拟环境中，并且与其他python环境隔离。

pip install matplotlib

关于conda最常用的命令就是这些，还有很多操作不在本文赘述，感兴趣的朋友可以自行去conda官方文档查看(https://docs.conda.io/en/latest/index.html)

IDE的选择

工欲善其事必先利其器，在开始使用python之前，还是需要介绍一些不错的IDE，大家可以根据自己的需求来选择合适的IDE给自己。

1.Pycharm

JetBrain全家桶一员，适合中大项目的开发。Pycharm跑起来比较吃内存，机器性能不好的情况下用Pycharm可能会有点卡顿。

2.Spyder

MATLAB风格的python IDE，对习惯MATLAB的同学非常友好，适合做科学计算。

3.Jupyter notebook

网页笔记风格，可视化非常好，适合科学计算，数据可视化等。

4.VScode

微软家族一员，跟pycharm功能差不多，也适合中大项目的开发，但比pycharm更轻量级。

笔者一般会将Pycharm配合Jupyter notebook一起使用，Pycharm用来做项目开发，Jupyter notebook用来做数据可视化和一些数据实验。

结语

到此，我们介绍了python版本选择，IDE选择，虚拟环境搭建等内容，读者朋友们应该也对python环境的搭建流程有了初步了解。接下来可以尝试自己动手搭建工作环境了。如果觉得本文对你有帮助，也请您随手转发让更多人看到，共同学习进步。本系列还将持续更新，为您带来更多python学习的经验分享！请您持续关注！