嗨，各位学习路上的小伙伴们！欢迎来到我的学习分享系列。我是小瑞瑞，和你们一样，我也曾是被环境配置折磨得焦头烂额的小白。
还记得刚开始学习python开发时，光是 Python 环境就折腾了一整天，各种命令行报错、依赖冲突、版本不兼容……简直让人怀疑人生。但一旦环境搭建好了，后面的学习就顺畅多了。
所以我希望通过这个系列，让更多的入门者少走弯路。今天我们就开始第一步——搭建一个稳定、高效的 AI 开发环境！（若有错误，欢迎指正，我会及时修正）
一、python环境配置
想要编译python代码及后续操作，首先我们需要搭建python环境，IDLE目前已经出了许多版本，大家可以按照自己需求下载(建议不要下载最新版本，因为可能有些东西不适配)。本文建议选择Python 3.8、3.9或3.10版本，原因如下：
📌 • 稳定性更好：这些版本经过长期测试，bug较少
• 兼容性强：主流AI框架对这些版本支持最完善
• 资源丰富：网上大部分教程都是基于这些版本
⚠️ 避免使用最新版本的原因：
• 最新版本可能存在兼容性问题
• 部分库可能还未完全适配
• 遇到问题时难以找到解决方案
1.IDLE下载
(1)可以直接访问官网下载（可能等待时间比较久）官网网址：Welcome to Python
跳转到下面界面后点击 Download（如下图）
可以下载最新版本，其它版本点击下面的windows(苹果电脑点击macOS),然后选择自己需要的版本，一定要注意自己电脑是32位还是64位的(现在大多数电脑应该都是64)，如果确实不知道，可以看 四、内容补充
点击对应的版本就能够直接下载了。
下载完成后点击运行
运行后会出现以下界面
我们选择下面的customize installatiopn,
全部勾选，点击Next
勾选第一个，同时自定义安装位置，建议安装到d盘并注意好文件夹的分区，安装完成后点击close关闭当前窗口。
2.python安装验证及中文设置
安装完之后，我们需要验证是否安装成功
按 Win + R 打开运行对话框，输入 cmd 并按回车，打开 命令提示符。
打开命令提示符后输入·python,如果出现以下提示则代表安装成功
python我们可以直接在电脑搜索框输入IDLE，来点击并运行它
出现下面界面便可以写python代码了，点击file 再点击 new file创建一个新的界面来编写。
中文设置
点击 Options（选项） → Configure IDLE（配置IDLE）
在左侧选择：General（常规）
找到：Language（语言）
选择：Chinese（中文）
点击：OK（确定）
注意：如果python版本低于3.8 需要手动安装 idlelib 的汉化文件
输入代码并保存后，可以点击run运行或者直接F5运行。
二、pycharm的安装及使用
在完成了Python基础环境的安装后，我们接下来需要选择一个更强大的集成开发环境(IDE)。虽然Python自带的IDLE可以满足基本的代码编写需求，但对于更高级的开发来说，我们需要一个功能更全面、调试更方便的专业IDE。
1.IDLE介绍
市面上目前有着非常多优秀且好用的IDE，大家可以根据自己的需求去使用：
(1) Visual Studio Code (VS Code)：
🌟 推荐指数：⭐⭐⭐⭐⭐
优势：
• 完全免费，微软出品
• 轻量级但功能强大
• 丰富的插件生态（Python、Jupyter、AI框架插件）
• 内置Git支持
• 调试功能完善
• 支持多语言开发
适合人群：喜欢轻量级、可定制性强的开发者
(2) Jupyter Notebook/JupyterLab
🌟 推荐指数：⭐⭐⭐⭐⭐（AI学习特别推荐）
优势：
• 数据科学和AI开发的首选
• 支持交互式编程
• 可以直接显示图表、数据
• 支持Markdown文档编写
• 云端部署方便（Google Colab、Kaggle）
适合人群：数据科学、机器学习初学者
(3) Spyder
🌟 推荐指数：⭐⭐⭐⭐
优势：
• 专为科学计算设计
• 类似MATLAB的界面布局
• 集成变量浏览器
• 内置IPython控制台
• 免费开源
适合人群：科学计算、数据分析工作者
(4) Sublime Text
🌟 推荐指数：⭐⭐⭐
优势：
• 启动速度极快
• 界面简洁美观
• 插件丰富
• 轻量级编辑器
缺点：需要额外配置Python环境
适合人群：喜欢简洁界面的开发者
除了这些之外当然还有很多优秀的IDE，这里不在一一介绍。
当然我这里肯定是推荐pycharm，可能是我用的比较久，也是比较熟悉了好吧，那么Pycharm又有什么优势呢？
🎯 PyCharm的优势：
• 智能代码补全：自动提示函数、变量名，提高编码效率
• 强大的调试功能：断点调试、变量监控，快速定位问题
• 项目管理：清晰的项目结构，方便管理多个AI项目
• 版本控制集成：内置Git支持，代码管理更便捷
• 丰富的插件生态：支持各种AI框架和库的插件
💡 对比IDLE：
• IDLE适合学习和简单测试
• PyCharm适合实际项目开发和AI研究
2. pycharm的安装
PyCharm版本选择
目前PyCharm官网提供两个版本供用户选择，各有特色：
PyCharm Community（社区版）
🎯 特点：
• 完全免费开源
• 支持Python基础开发
• 集成调试器和测试工具
• 支持版本控制系统
• 跨平台兼容（Windows/macOS/Linux）
PyCharm Professional（专业版）
🎯 特点：
• 商业版本（需购买许可证）
• 包含社区版所有功能
• 额外提供Web开发支持（Django、Flask等）
• 科学计算工具（NumPy、Matplotlib等）
• 远程开发和数据库工具
• 技术支持服务
官网安装网址：PyCharm: The only Python IDE you need
或者官网网址：下载 PyCharm：JetBrains 用于数据科学和 Web 开发的 Python IDE
如果有人需要，可以单独出详细流程。
3.汉化包的下载
打开pycharm,点击插件，搜索chinese,安装再重启一下应该就好了。
4. 镜像源的配置
在使用Python进行开发时，我们经常需要安装各种第三方库（如numpy、pandas、tensorflow等）。默认情况下，pip会从国外的PyPI服务器下载这些包，这往往会导致下载速度缓慢，甚至连接超时，这时候我们就要使用到镜像源了
🎯 推荐的国内镜像源：
清华大学开源软件镜像站
• 地址：https://pypi.tuna.tsinghua.edu/simple/
• 速度：★★★★★
• 稳定性：★★★★★
阿里云PyPI镜像
• 地址：https://mirrors.aliyun/pypi/simple/
• 速度：★★★★☆
• 稳定性：★★★★☆
豆瓣PyPI镜像
• 地址：https://pypi.douban/simple/
• 速度：★★★★
• 稳定性：★★★★
中科大PyPI镜像
• 地址：https://pypi.mirrors.ustc.edu/simple/
• 速度：★★★★
• 稳定性：★★★★
那么我们如何去使用这些镜像源呢？
如果只是偶尔安装某个包，可以临时指定镜像源：
# 安装单个包时使用镜像源
pip install numpy -i https://pypi.tuna.tsinghua.edu/simple/
# 或者使用阿里云镜像
pip install pandas -i https://mirrors.aliyun/pypi/simple/命令行或者pycharm终端直接输入
为了避免每次安装包都要指定镜像源，我们可以进行永久配置
pip config set global.index-url https://pypi.tuna.tsinghua.edu/simple/配置完成后可以输入下面的命令来验证
# 查看当前pip配置
pip config list
# 测试安装一个小包
pip install requests如果安装速度快且没有报错，说明配置成功。
我们也可以选择在pycharm里面单独配置镜像源
1. 打开PyCharm
2. File → Settings → Project → Python Interpreter
3. 点击齿轮图标 → "Manage Repositories"
4. 添加镜像源地址
5. 将镜像源设置为默认
这样配置后，在PyCharm中安装包也会使用国内镜像源，大大提升下载速度。
配置好镜像源后，你会发现安装各种库的速度有了质的飞跃！
三、conda的安装及环境配置
1. Conda环境配置
在进行开发时，我们经常会遇到不同项目需要不同版本的Python和库的情况。如果所有项目都使用同一个Python环境，很容易出现版本冲突问题。Conda就是为了解决这个问题而生的强大环境管理工具。
什么是Conda？
🎯 Conda的核心作用：
• 环境管理：创建、删除、切换独立的Python环境
• 包管理：安装、更新、卸载各种Python包
• 版本控制：精确控制Python和包的版本
• 依赖解析：自动解决包之间的依赖关系
💡 为什么需要Conda：
• 项目A需要Python 3.8 + TensorFlow 2.5
• 项目B需要Python 3.9 + PyTorch 1.9
• 两个项目可以同时存在，互不干扰
Anaconda vs Miniconda
在开始安装之前，我们需要了解两个选择：
Anaconda（完整版）
✅ 优点：
• 预装了大量科学计算包（numpy、pandas、matplotlib等）
• 图形化界面工具（Anaconda Navigator）
• 开箱即用，适合新手
❌ 缺点：
• 安装包大（约3GB）
• 预装很多可能用不到的包
• 占用磁盘空间较多
Miniconda（精简版）
✅ 优点：
• 安装包小（约100MB）
• 只包含Conda和Python基础环境
• 按需安装需要的包
• 节省磁盘空间
❌ 缺点：
• 需要手动安装常用包
• 对新手可能不够友好
5.3 安装Miniconda（推荐）
这里推荐安装轻量级的Miniconda
第一步：下载Miniconda
1. 访问官网：https://docs.conda.io/en/latest/miniconda.html
2. 根据操作系统选择对应版本：
- Windows：Miniconda3-latest-Windows-x86_64.exe
- macOS：Miniconda3-latest-MacOSX-x86_64.sh
- Linux：Miniconda3-latest-Linux-x86_64.sh
第二步：Windows安装
1. 双击下载的.exe文件
2. 点击"Next"开始安装
3. 阅读并接受许可协议
4. 选择安装路径（建议使用默认）
5. ⚠️ 重要：勾选以下两个选项：
• Add Anaconda to my PATH environment variable
• Register Anaconda as my default Python 3.x
6. 点击"Install"等待安装完成
7. 安装完成后点击"Finish"
第三步：macOS安装
1. 打开终端（Terminal）
2. 运行下载的.sh文件：
bash Miniconda3-latest-MacOSX-x86_64.sh
3. 按空格键阅读许可协议，输入"yes"同意
4. 按回车使用默认安装路径
5. 输入"yes"初始化conda
6. 重启终端或运行：source ~/.bash_profile
第四步：Linux安装
1. 打开终端
2. 运行下载的.sh文件：
bash Miniconda3-latest-Linux-x86_64.sh
3. 阅读并同意许可协议
4. 使用默认安装路径
5. 初始化conda
6. 重启终端或运行：source ~/.bashrc
验证Conda安装
安装完成后，验证是否安装成功：bash
# 查看conda版本
conda --version
# 查看conda信息
conda info
# 查看当前环境
conda info --envs正常输出应该显示Conda的版本信息和环境列表。
Conda基础命令
掌握以下基础命令就足够开始使用了：
# 创建新环境
conda create -n myenv python=3.8
# 激活环境
conda activate myenv
# 退出环境
conda deactivate
# 查看所有环境
conda env list
# 删除环境
conda env remove -n myenv
# 在环境中安装包
conda install numpy
# 使用pip安装包（在激活的环境中）
pip install tensorflow为项目创建专用环境
让我们创建一个专门用于学习的环境：
# 创建学习环境
conda create -n ai_study python=3.8
# 激活环境
conda activate ai_study
# 安装常用AI库
conda install numpy pandas matplotlib jupyter
# 或者使用pip安装
pip install scikit-learn tensorflow
# 验证安装
python -c "import numpy; print('NumPy版本:', numpy.__version__)"这样就创建了一个独立的AI学习环境，不会影响系统的其他Python项目。
Conda环境配置完成后，我们就可以在不同的项目中使用不同的环境，避免版本冲突问题了！
四、内容补充及常见问题
内容补充与常见问题解答 (FAQ)
为了让读者的学习和配置过程更加顺畅，这里补充一些重要的知识点和解决大家在配置过程中经常遇到的问题。
4.1 内容补充
4.1.1 Python 虚拟环境简介
虽然我们后面会用 Conda 来管理环境，但了解 Python 自带的 `venv` 模块也很有帮助。
# 创建虚拟环境
python -m venv my_venv_env
# 激活虚拟环境 (Windows)
my_venv_env\Scripts\activate
# 激活虚拟环境 (macOS/Linux)
source my_venv_env/bin/activate
# 退出虚拟环境
deactivate作用：隔离不同项目的依赖库，避免冲突。
与 Conda 环境的区别：`venv` 是 Python 标准库的一部分，更轻量；Conda 环境功能更强大，不仅能管理 Python 包，还能管理非 Python 的依赖（如 C/C++ 库）和 Python 解释器本身。
4.1.2 PyCharm 项目解释器设置
确保 PyCharm 使用的是你配置好的 Python 环境（系统 Python、Conda 环境等）。
操作步骤：
1. 打开 PyCharm。
2. `File` -> `Settings` (Windows) 或 `PyCharm` -> `Preferences` (macOS)。
3. 导航到 `Project` -> `Python Interpreter`。
4. 点击齿轮图标 -> `Add...`。
5. 选择 `Conda Environment` 或 `System Interpreter`，然后选择或创建对应的环境/解释器路径。
6. 点击 `OK` 完成设置。
4.1.3 Conda 环境与 PyCharm 集成
如何在 PyCharm 中直接使用 Conda 创建和管理的环境。
操作步骤：
1. 在 PyCharm 的 `Python Interpreter` 设置中（参考上一点）。
2. 点击齿轮图标 -> `Add...`。
3. 选择 `Conda Environment`。
4. 如果环境已存在，选择 `Existing environment` 并指定解释器路径（例如 `~/miniconda3/envs/ai_study/bin/python` 或 `C:\Users\YourName\miniconda3\envs\ai_study\python.exe`）。
5. 如果想新建，选择 `New environment`，指定位置和 Python 版本。
6. 点击 `OK`。
4.2 常见问题与解决方法 (FAQ)
Q1: 安装 Python 时忘记勾选 "Add Python to PATH" 怎么办？
问题现象：在命令行输入 `python` 提示 "不是内部或外部命令"。
解决方法：
1. 重新安装：最简单的方法是卸载后重新安装，务必勾选 "Add Python to PATH"。
2. 手动添加 PATH**：
*找到你的 Python 安装目录（例如 `C:\Users\YourName\AppData\Local\Programs\Python\Python39\`）和其 `Scripts` 子目录 (`C:\Users\YourName\AppData\Local\Programs\Python\Python39\Scripts\`)。
* 右键 "此电脑" -> "属性" -> "高级系统设置" -> "环境变量"。
* 在 "系统变量" 或 "用户变量" 中找到 `Path`，点击 "编辑" -> "新建"，分别将 Python 主目录和 `Scripts` 目录路径添加进去。
* 重启命令行窗口，再次尝试 `python --version`。
Q2: PyCharm 启动很慢或卡顿怎么办？
可能原因：插件过多、索引文件过大、内存不足。
解决方法：
禁用不必要的插件**：`File` -> `Settings` -> `Plugins`，取消勾选不常用的插件。
调整内存设置**：找到 PyCharm 安装目录下的 `bin` 文件夹，编辑 `pycharm64.vmoptions` (Windows) 或 `pycharm.vmoptions` (macOS/Linux)，适当增加 `-Xmx` 后面的数值（例如 `-Xmx2048m` 表示最大 2GB 内存）。
* **清理缓存**：`File` -> `Invalidate Caches and Restart`。
Q3: pip 安装包时提示 "WARNING: Retrying (Retry(total=4, connect=None, read=None, ...)" 或超时？**
问题现象：使用 `pip install` 时速度极慢或失败。
解决方法：
* **配置国内镜像源**：按照文章第四部分 "镜像源配置" 的方法，配置永久或临时镜像源。
* **检查网络**：确认网络连接正常。
* **升级 pip**：有时旧版本 pip 会有问题，可以尝试 `python -m pip install --upgrade pip` （如果慢，加上镜像源 `-i https://pypi.tuna.tsinghua.edu/simple/`）。
Q4: Conda 命令无法识别（'conda' 不是内部或外部命令）？
问题现象：在命令行输入 `conda --version` 提示命令未找到。
解决方法：
* **重新安装 Miniconda/Anaconda**：安装时务必勾选 "Add Anaconda to my PATH environment variable"（虽然提示不推荐，但对于初学者更方便）。
* **手动添加 PATH**：找到 Miniconda/Anaconda 的安装目录（例如 `C:\Users\YourName\miniconda3\`）和其 `Scripts` 子目录 (`C:\Users\YourName\miniconda3\Scripts\`)，手动添加到系统环境变量 `Path` 中（参考 Q1 的手动添加 PATH 方法）。
* **使用 Anaconda Prompt**：如果安装了 Anaconda，可以在开始菜单找到 "Anaconda Prompt"，它会自动配置好环境变量，在这个命令行窗口里就可以使用 `conda` 命令。
Q5: PyCharm 中配置了 Conda 环境，但安装包还是装到了别的地方？
问题现象：在 PyCharm 的 Terminal 里用 `pip install` 安装的包，在 Python Console 或运行脚本时找不到。
解决方法：
* **确认解释器**：再次检查 `Settings/Preferences` -> `Project` -> `Python Interpreter` 设置是否正确指向了你想用的 Conda 环境。
* **在 PyCharm Terminal 中激活环境**：有时 PyCharm 的 Terminal 可能没有自动激活项目关联的 Conda 环境。可以在 Terminal 中手动输入 `conda activate your_env_name` (将 `your_env_name` 替换为你的环境名) 来激活正确的环境，然后再使用 `pip install`。
Q6: 忘记 Conda 环境的名字了怎么办？
解决方法：列出所有环境。
conda env list
# 或者
conda info --envsQ7: 如何在 PyCharm 中使用 Jupyter Notebook？
前提：确保环境中安装了 `jupyter` 包 (`conda install jupyter` 或 `pip install jupyter`)。
操作步骤：
1. 确保 PyCharm 使用的 Python 解释器是安装了 Jupyter 的那个环境。
2. 安装 PyCharm 的 Jupyter 插件（通常默认已安装）。
3. 创建或打开 `.ipynb` 文件。
4. PyCharm 会提示配置 Jupyter Server，通常选择 "Managed Server" 并指定正确的 Python 解释器即可。
五、总结
🎉这看似繁琐的一步，却是未来顺畅学习和开发的坚实基石。磨刀不误砍柴工，一个配置得当的环境能让你在后续的学习中事半功倍，告别因环境问题导致的各种“劝退”时刻。
现在，你的电脑上已经拥有了一套专业且高效的 Python 开发工具箱。下一篇文章，我们将正式进入 Python 编程的世界，开始学习 面向对象编程 (OOP) ——这是理解并运用绝大多数现代 Python 库（包括主流 AI 框架）的关键。
准备好迎接更精彩的挑战了吗？让我们一起继续探索吧！
如果你在配置过程中遇到任何问题，或者对文章内容有任何疑问，欢迎在评论区留言讨论，我会尽力为大家解答。也别忘了点赞、收藏和关注，这样你就不会错过后续的精彩内容啦！
发布评论