1. 开始之前为什么我建议你同时安装 Anaconda 和 PyCharm很多朋友第一次配置 Python 开发环境时都有过这样的体验明明照着网上教程把 Python 装好了又在官网下载了 PyCharm结果打开软件一运行代码直接报错“No Python interpreter configured”——那一刻的心情基本跟新买了一个书架却装不上隔板差不多东西都在但组装逻辑没弄明白。在这里我想先给一个比较反直觉的结论如果你刚开始学 Python或者主要做数据分析、机器学习方向的开发我不建议你单独安装 Python 官方版本而是直接一步到位安装 Anaconda PyCharm 的组合。为什么呢因为单独装的 Python 只是一个解释器它负责把代码翻译成计算机能执行的指令但日常开发中你还需要操作第三方库pandas、numpy、requests 等等这些库的安装、依赖管理和版本隔离单个 Python 环境做起来很麻烦尤其是当你同时维护两三个项目的时候很快就会撞车项目 A 需要 numpy 1.x项目 B 需要 numpy 2.x怎么办你很难让一个全局 Python 环境同时满足。Anaconda 解决的就是这一层问题——它自带 Python 解释器还带了一个非常方便的包管理与环境管理工具 conda你可以为每一个项目创建独立的虚拟环境环境之间互不影响这就像你租房子的时候每个房间都有独立的电表谁多用谁少用自己的不会打架。而 PyCharm 解决的是代码书写、调试和运行体验的问题。它是 JetBrains 出品的 Python IDE拥有非常完善的代码补全、跳转定义、智能提示、调试器、终端集成等功能写起代码来比用记事本或者系统自带的 IDLE 要顺手太多。这两个工具的角色其实很好理解Anaconda 负责把 Python 以及各种第三方库管理得井井有条PyCharm 负责让你写出高质量的代码。搭配起来基本就是一套从零开始的完整 Python 开发环境。这套配置无论是新手入门还是中期做数据分析、爬虫、自动化脚本、机器学习实验都非常够用。我后面所有步骤都基于 Windows 10/11 系统来讲Mac 或 Linux 的操作逻辑大同小异差别我会在关键位置标出来。2. Anaconda 安装与配置细节2.1 下载 Anaconda版本选择和官网避坑Anaconda 的下载页是www.anaconda.com/download里面会提供 Windows、macOS、Linux 三个版本并默认带 Python 3.x 的最新版本。这里有一个非常关键的细节不要一看到“Download”就狂点先看清楚你下载的是哪个 Python 版本。截止到写这篇文章的时候Anaconda 的 Windows 版默认带 Python 3.11 或更高版本。对于绝大多数学习者来说直接用最新稳定版就好。但如果你是从零开始且只有 Windows 机器我建议优先选择 64 位版本。怎么判断电脑是 64 位还是 32 位右键“此电脑” → “属性”就能看到系统类型。现在的电脑基本都是 64 位系统如果你发现一台 32 位老机器Anaconda 新版已经不支持了这时可以尝试找找历史版本不过那种情况比较少见这里就不展开了。另外国内用户直接访问 Anaconda 官网下载速度可能比较慢因为文件通常是 700MB 左右的大块头。这时候可以借助国内的镜像站常见的做法是访问清华大学的开源软件镜像站mirrors.tuna.tsinghua.edu.cn/anaconda/archive/找到对应的.exe安装包下载。镜像站不存在的意义是绕开什么而只是提供一条更快的下载通道这一点大家放心用。注意使用镜像站下载时一定要看清楚版本号和操作系统标识。Anaconda 安装包命名格式里通常包含Windows-x86_64.exe字样不要下载成.tar.gz源码包那是给 Linux 用的。2.2 安装过程详解两个容易犹豫的勾选项下载好安装包以后双击运行安装向导界面会比较长但每一步的下一个按钮都好理解。不过有两个细节新用户在安装的时候大概率会卡住或疑惑。第一个是安装类型选择。向导会问“Install for Just Me仅我安装”还是“Install for All Users所有人可安装”。如果你这台电脑就是自己用强烈建议选 Just Me这样权限问题最少。如果选了 All Users后续在使用 conda 创建虚拟环境或安装包的时候经常会出现写权限报错非常头疼。第二个是环境变量选项也是影响后面能否在命令行里正常使用 conda 的关键一步。老版本的 Anaconda 安装向导里通常会有一个“Add Anaconda3 to my PATH environment variable”的勾选项默认是不勾选的而且会有一行红色警告字说“不推荐勾选这样可能会影响其他软件”。新版本界面里这个勾选更像是“Anaconda3 / conda 初始化”的选项名称会略有不同但意思是类似的。我的建议是如果你是一个刚接触命令行的新手勾选它。勾选之后安装程序会自动把你需要的路径写入系统环境变量这样你在“命令提示符”或者 PowerShell 中直接输入conda --version就能看到版本信息非常方便不用再手动去配置环境变量。如果你比较熟悉环境变量并且不想改动系统的全局配置那也可以不勾安装完成之后手动添加方法我在下一小段详细讲。其余步骤包括阅读协议、选择安装位置。安装位置不要放在默认的 C 盘用户目录下也就是C:\Users\用户名\Anaconda3这种路径尤其是用户名是中文的比如C:\Users\张三\Anaconda3后续很多包在编译、依赖处理时大概率会遇到编码或路径解析的问题。这里统一建议直接改到D:\Anaconda3这类全英文且不带空格的路径下面可以减少很多不必要的麻烦。2.3 环境变量配置手动补全的完整步骤如果你安装时没有勾选“加入环境变量”或者安装完发现命令行里输入conda提示“不是内部或外部命令”或“不是可识别的命令”那说明环境变量没有生效。手动补齐的步骤如下按下Win R输入sysdm.cpl回车打开“系统属性”。点击“高级”选项卡 → 右下角“环境变量”。在下方“系统变量”里找到Path这一项双击或者选中后点“编辑”。在列表里新增以下三个路径根据自己的实际安装路径调整D:\Anaconda3 D:\Anaconda3\Scripts D:\Anaconda3\Library\bin点击确定完全关掉窗口后重新打开一个命令行窗口注意是重新打开之前开着的窗口不会自动刷新环境变量输入conda --version验证。这里为什么是这三个路径简单解释一下D:\Anaconda3是 Python 解释器和 conda 主程序的位置Scripts目录里存放的是 conda 附带的命令行工具比如conda.exe就是在这里Library\bin目录则是很多依赖库比如 MKL、DLL 动态链接库的运行位置三者缺一个都可能在命令行里出现诡异问题。验证成功的标志是你看到类似这样的输出conda 4.12.0如果你看到的是“系统找不到指定的路径”或者“不是内部或外部命令”别急着怀疑自己装错了先检查刚才的路径是不是打错了尤其是目录分隔符是反斜杠\不是网页里常见的正斜杠/。2.4 初始化与测试确认 conda、Python 都可以正常运行环境变量配好后我们逐步验证 Anaconda 的三个核心组件conda包管理器的版本号python解释器的版本号常用命令conda list能看到当前环境已安装的包列表在命令行里依次输入conda --version python --version conda listconda list输出会很长这是正常的因为基础环境里预装了上百个数据科学常用的包。你可以右键窗口标题栏在“属性”里调大屏幕缓冲区高度方便阅读。这一步验证通过说明 Anaconda 已经安装成功了。另外如果你在安装目录下找“Anaconda Prompt”快捷方式打开它也会进入一个带(base)前缀的命令行环境。在这个环境里conda 命令是直接可用的因为它会自动加载自己的初始化脚本即使系统环境变量里的Path没有配置好也没关系。不过为了后续在 PyCharm 终端中也顺利使用 conda我建议还是按上面 2.3 节老老实实配置全局环境变量。3. PyCharm 安装与个性化设置3.1 社区版还是专业版如何选择PyCharm 分为Community社区版和Professional专业版两个版本。官网下载地址是www.jetbrains.com/pycharm/download/页面上默认展示的是专业版需要往下拉一点才能看到社区版。这两个版本的核心差别是专业版额外支持远程开发、数据库工具、Web 框架Django、Flask 等的专属模板、科学模式DataSpell 部分集成等高级功能。社区版则只保留基础 Python 开发能力但这一套基础能力对学习 Python、写爬虫、写脚本、做数据分析完全够用。所以如果你还没有明确需要 Web 框架或者远程部署这类需求直接下载社区版就足够了它是完全免费且开源的。很多新手上来就被各种教程带着装了专业版其实没必要还要面临激活的问题风险不值得。我的建议是先把免费版用熟练等哪天你觉得确实需要专业版的高级功能了再去考虑授权购买或者通过官方渠道申请免费的开源项目授权不要找任何来路不明的激活码那样既不安全也不合法。3.2 安装过程一路 Next 可以但有一个地方要留意PyCharm 的 Windows 安装包是一个.exe文件运行后基本就是“Next → Next → Install”的流程不过中间有几个选项值得注意可以勾选“创建桌面快捷方式Create Desktop Shortcut”可以勾选“在右键菜单中打开文件夹作为项目Open Folder as Project”可以勾选“将此目录加入 PATH”最后一项建议勾上这样在命令行里可以直接输入pycharm来启动项目目录。其余地方按 64 位默认即可。安装结束后首次启动会让你选择主题Darcula 黑色 / IntelliJ Light 白色根据自己的喜好选就好。如果想切换中文界面可以在设置里安装中文语言包也可以保持英文界面习惯后其实更有利于查英文文档这个完全看个人不强制。3.3 基础设置主题、字体、文件换行符首次进入 PyCharm 后我建议先做一些个性化设置这样写代码会更舒服设置字体和字号File → Settings → Editor → Font → SizeMac 上是PyCharm → Settings。建议把字号调大到 14等宽字体默认是 JetBrains Mono阅读体验不错。显示行号Editor → General → Appearance → 勾选 Show line numbers。文件编码Editor → File Encodings把 Global Encoding、Project Encoding、Default encoding for properties files 都设置成 UTF-8避免代码里中文注释乱码。自动导入设置Editor → General → Auto Import勾选 Python 的“Show import popup”和“Add unambiguous imports on the fly”这样写代码时导入包能少打几个字。这些设置不涉及功能核心但对日常开发体验影响很大反正早晚都要调的。4. 打通 PyCharm 与 Anaconda解释器配置全流程安装好两个工具后真正的重头戏才刚开始把 PyCharm 指向 Anaconda 的 Python 解释器。这一步如果不做PyCharm 就是“有骨架没有灵魂”写代码也不会跳转提示运行时会直接报错。4.1 新建项目时配置解释器打开 PyCharm点击“New Project新建项目”在创建界面的左侧选择“Pure Python”直接创建 Python 项目不带上 Web 框架之类。在右侧你会看到“Interpreter”选项或者在新版本中显示为“Project Interpreter”以及“Use existing”勾选。这里分几种情况第一次创建项目你可能会看到一个下拉列表里面有可能列出了系统能找到的 Python 解释器比如C:\Python311\python.exe或者你手动安装的 Anaconda 路径。如果这里恰好显示了你需要的 Anaconda直接选中即可。下拉列表里什么都没有点“Add Interpreter”或“Show All”按钮进入手动添加界面。手动添加解释器时选择“Conda Environment”分类。PyCharm 会要求你选择 conda 执行文件的位置默认是C:\Anaconda3\Scripts\conda.exe或D:\Anaconda3\Scripts\conda.exe如果你找不到就去 Anaconda 安装目录下的Scripts文件夹里找conda.exe。选好后PyCharm 会自动识别这个 conda 环境里关联的 Python 解释器路径。接下来有两个选项“Create new environment”——让 PyCharm 帮你用 conda 创建一个新的虚拟环境比如base就是你原有的基础环境也可以新起名字。“Use existing environment”——选择已经存在的 conda 环境。我的建议是基础学习阶段直接用已有的base环境就好。当你以后手上项目多了再为每个项目单独创建虚拟环境会更加干净。创建虚拟环境的操作很简单我会在第 6 章详细讲。4.2 已有项目改解释器如果你的项目已经用其他 Python 解释器创建了后来想改成 Anaconda 的解释器也很简单打开项目后进入File → Settings → Project: 项目名 → Python Interpreter右上角点齿轮图标 → Add → 选择 “Conda Environment” → Existing environment → 选择D:\Anaconda3\envs\envname\python.exe。这里envname是环境名如果你想用基础环境那解释器路径就是D:\Anaconda3\python.exe。改完之后PyCharm 可能会花十几秒重新建立索引右下角会有进度条等它完成代码提示和运行功能就应该恢复了。4.3 Conda 虚拟环境在 PyCharm 中的使用方式在 PyCharm 中除了选择解释器你还可以直接在 PyCharm 的终端里使用 conda 命令管理包。进行环境切换时PyCharm 会自动根据你选择的解释器环境来启用对应的 conda 环境。比如你在某个项目中选择了解释器路径D:\Anaconda3\envs\tensorflow\python.exe那么在 PyCharm 自带的终端里输入conda env list会看到当前处于tensorflow环境。这里有个小习惯值得养成开发不同的项目前先确认在哪个环境里。我见过好几个朋友写了一整天代码最后发现安装了十几次包但全部装到了base环境项目的虚拟环境里一个包都没有运行代码时的报错信息挂在脸上。解决的办法就是养成启动项目前看一眼终端前缀的习惯确认(base)还是(项目环境名)再开始干活。5. 安装后必做的功能测试证明环境可用完成安装和配置后先别急着写业务代码用最小化的方式验证环境是否真的可用。5.1 在 PyCharm 中写第一个测试程序在 PyCharm 的项目目录下新建一个 Python 文件比如hello.py输入下面两行代码import sys print(Hello, PyCharm Anaconda!) try: import pandas as pd print(pandas version:, pd.__version__) except ImportError: print(pandas is not installed, please run conda install pandas)右键编辑区选择“Run hello”。如果看到输出窗口打印出正常内容说明 Python 解释器、PyCharm 和 Anaconda 三者已经全部连通可以正式进入开发状态。如果运行报错“ModuleNotFoundError: No module named pandas”先不要怀疑 PyCharm 或者 Anaconda多半是你选择的解释器环境里确实没有 pandas。你可以打开 PyCharm 的终端输入conda list pandas如果列表为空在终端里执行conda install pandas安装成功后再重新运行脚本。5.2 命令行中验证虚拟环境如果你更习惯命令行也可以在项目目录下使用conda env list activateWindows 上进入环境是activate 环境名Mac/Linux 是conda activate 环境名。进入环境后用python直接执行脚本也可以验证。这里补充一个细节Windows 的activate命令在新版 Anaconda 里有两种兼容写法一种就是直接activate一种是conda activate。如果你发现activate不生效就用conda activate效果是一样的。5.3 常见报错速查解释器无效、找不到 conda、无法导入包下面是一张我整理的问题速查表覆盖了配置过程中最常见的 5 类报错以及对应的处理思路报错/问题现象可能原因处理方式PyCharm 提示 “Invalid Python interpreter”选择的 python.exe 路径被移动或删除检查 Anaconda 安装目录是否存在重新添加解释器如果 Anaconda 更新过重新定位路径conda不是内部命令环境变量未配置或配置后没重启终端按 2.3 节手动配置 Path 变量的三个路径并重新打开命令行双击 Anaconda Navigator 没反应安装目录有中文/空格导致脚本解析错误重新安装到纯英文路径如D:\Anaconda3运行 pandas 脚本慢且 CPU 居高不下首次使用 MKL 或 NumPy 需要构建缓存稍等几分钟后续会恢复正常不要盲目终止进程新版 Python 报微软 VC 14.0 依赖错误缺少编译工具部分包需要编译安装安装 Microsoft C Build Tools或者改用 conda 安装预编译包这个表里的前三条是新手最常碰到的后两条则会随着你用的包越来越复杂而频繁出现每个人的情况可能不完全一樣但排查顺序一致的先看环境变量再看解释器路径再看包是否安装最后看依赖。6. 进阶配置镜像源、虚拟环境与常用包管理习惯环境跑通之后接下来这节是真正提升使用体验的部分也是我自己在指导别人时发现他们经常忽略的地方。6.1 配置国内镜像源告别缓慢的包下载conda 默认从官方网站下载包在大陆地区速度经常让人着急包体积还大有时下到一半就断。配置国内镜像源可以大幅提升安装速度。这里以清华源为例在命令行执行conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes之后再用conda install xxx安装包时默认就会从清华源拉取。如果你在中科大的镜像速度更好也可以换成对应的 URL。配置好之后建议执行一次conda clean -i清理缓存避免新旧源缓存冲突导致奇怪的安装错误。6.2 创建和管理项目虚拟环境虚拟环境的真正威力表现在你同时推进多个项目时。比如一个项目需要 pandas 1.x另一个项目要 numpy 1.20 还是 1.21放在同一个环境里相互装来装去很容易让环境变得一团糟。更合理的做法是conda create -n project_a python3.10 conda activate project_a conda install pandas numpy requests这就是创建了一个名为project_a的虚拟环境并指定 Python 3.10。之后在这个环境里安装的包只对project_a生效不影响其他项目。当这个项目做完还可以直接用conda env remove -n project_a把整个环境清理掉不留下垃圾。在 PyCharm 中切换虚拟环境的操作在 4.2 节说过Settings → Project Interpreter把解释器路径从D:\Anaconda3\python.exe改成D:\Anaconda3\envs\project_a\python.exe即可。所以创建虚拟环境时记下环境名和对应的 Python 版本很重要。我个人的习惯是每个新项目都用conda create -n 项目简称 python3.10新建干净环境再在 PyCharm 里选中这个环境。这样即使项目写了一半突然想升级某个包的版本也只会影响当前项目心里踏实。6.3 一个实用的包管理习惯定期导出环境依赖当你换电脑、换同事协作、或者过几个月回头重新运行旧项目时环境依赖清单会救你一命。conda 支持很方便地导出环境描述文件conda env export environment.yml然后别人拿到这个文件在自己的电脑上conda env create -f environment.yml就能完全复现你的环境包括包的版本号。这在团队协作、社区开源、以及自己备份项目时非常有用。平时在项目文档里附上一个environment.yml比写一大段“运行以下命令安装依赖”要可靠得多因为版本几乎不会冲突。7. 真实踩坑记录我在配置过程中遇到的两个典型问题教程的最后一部分分享两个我在实际安装配置过程中踩过的坑它们极有代表性也很容易让新手陷入循环所以单独拿出来讲讲。7.1 安装 Anaconda 后系统 Python 版本“变老”了这是一个很有意思的现象。假设你电脑里之前装过 Python 3.10后来安装了 AnacondaAnaconda 自带 Python 3.9当时可能是默认版本结果在命令行里输入python --version显示变成了 3.9之前 3.10 的 Python 找不到了。发生这个现象的原因是因为 Anaconda 安装时把自己的路径放在了系统环境变量 Path 的最前面导致你在命令行输入python时Windows 最早找到的是 Anaconda 的 Python而不是之前安装的官方 Python。解决的方法也很简单如果决定主用 Anaconda那完全可以不理会旧版 Python直接在 Anaconda 里玩。如果确实需要旧的 Python可以把 Path 里旧 Python 的路径移到 Anaconda 前面但这样做很容易搞混依赖关系我不推荐混用。最干净的方式是卸载掉系统里单独安装的 Python只保留 Anaconda 环境避免将来出现莫名其妙的问题。7.2 PyCharm 中 Import requests 失败但在 Anaconda Prompt 中却成功这种“同一个电脑两个环境结果不一致”的问题新手排查起来会特别蒙圈。原因也很简单你在 Anaconda Prompt 中安装的包跟你 PyCharm 项目里选的解释器不是同一个环境。Anaconda Prompt 默认进入的是base环境但 PyCharm 项目里可以通过下拉框快速选择base环境也可以选择tensorflow或者其他虚拟环境。如果你恰好在 PyCharm 选择了虚拟环境却在 Anaconda Prompt 里把包装到了base那代码里导入只能失败。解决办法在 PyCharm 的 Terminal 窗口项目底部标签栏里手动执行pip install requests或conda install requests这样安装的包属于 PyCharm 当前选择的环境就一定没问题。养成“在哪个环境跑代码就在哪个环境装包”的意识之后这类问题基本告别。8. 最后的习惯建议配置好环境只是开始安装配置教程写到这其实该说的技术步骤都已经覆盖了。最后再分享一个实操层面的体会环境的稳定性不是靠一次装好就万事大吉而是靠日常的使用习惯。我见过不少朋友按教程装完环境后连续半年没管它等某天再打开 PyCharm 运行旧项目突然发现所有包都无法导入翻遍各种论坛也没找到答案最后往往是因为中途用 pip 覆盖了某几个重要库导致 conda 环境依赖链断裂。所以我有几个小建议也不算高大上但很管用每次安装新包之前先想一下这是为了哪个项目就在哪个环境里装不要图省事总在一个环境里装所有包。定期导出environment.yml放到项目目录里哪怕是个人项目也值得养成这个习惯。不要随意改动 Anaconda 自带的 Python 版本conda 自动解决的依赖链最好不要手动破坏尤其是不要直接去官方 Python 网站下载安装包覆盖系统 Python。遇到报错先在命令行里测试一下同样一段代码能不能运行多一个角度的日志信息往往比直接交给 PyCharm 的报错更明确。我自己早期在配置环境时也走了不少弯路最要命的是在安装 Anaconda 时犹豫要不要把它加入 PATH最后发现新版的 Linux 服务器上经常因为 No module named conda 而卡住。回头想想只要静下心来把安装、环境变量、解释器这三样核心摸透并且真正理解环境的意义后面基本不会再犯低级错误。如果你严格按照这篇教程走下来现在应该已经有一个能顺畅运行的 PyCharm Anaconda 开发环境了。接下来要做的就是打开编辑器写下你的第一行print(hello world)然后从这个小小的起点慢慢走向真正属于自己的项目。配置环境这件事只是给你铺路真正的风景都在你写代码的路上慢慢来吧。