前言

在机器学习和数据分析领域，Python就是一把利器，Python语法简洁，而且Python的库也是十分多的，在日常使用中，我们会用到很多的Python包，例如NumPy， Pandas等，我们可以选择一个一个的单独下载，这可以使用Python的包管理器pip实现，但是，一个一个下载费时费力，Anaconda给我们带来了便利。

简介

引用
Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化软件包管理系统和部署。Anaconda的包使用软件包管理系统Conda进行管理。超过1200万人使用Anaconda发行版本，并且Anaconda拥有超过1400个适用于Windows、Linux和MacOS的数据科学软件包。
Anaconda拥有超过1400个软件包。其中包含Conda和虚拟环境管理，它们都被包含在Anaconda Navigator中，因此用户无需去了解独立安装每个库。用户可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。Pip提供了Conda的大部分功能，并且大多数情况下两个可以同时使用。也可以使用conda build命令构建自定义包，然后通过上传到Anaconda Cloud、PyPI或其他仓库来分享给其他人。

安装

Anaconda

在Anaconda安装界面列出了不同操作系统的平台下载器，根据需要安装即可（值得注意的是， MacOS Big Sur 在安装时可能会出现因操作系统不适配而安装失败的问题，但匪夷所思的是软件正常安装且能正常打开，各位在实际过程中根据自己问题解决即可）

安装后我们进行验证：

PyCharm

在PyCharm官网点击Download下载，完成后进行配置即可。

配置

如果本机已经安装了Python环境，那么新建项目时会默认选择Virtualenv

点击Create后，生成项目文件，我们点击下方的控制台：

如果我们要使用Conda，我们需要在创建时进行配置，当然在使用默认配置后也是可以修改的

在新建项目时，我们点击右方的按钮：

然后选择AnaConda文件夹中的python文件

创建项目成功后再次点击控制台，发现图标发生变化，而且能够导入一些库

已存在项目更改编译器

假如我们在创建之前没有变更解释器，我们可以在项目初始化完成后再更改解释器，点击File -> Settings,然后选择Python Interpreter，然后选择相应的路径即可。