pycharm联合Anaconda
最近想试着用python做点小东西，先去git上down别人的代码，每个人环境都不一样，所以就用到了Anaconda，来进行环境控制。
1.安装
直接去官方的网站里找，找不到直接用我这里的链接有各个版本，包括历史版本。基本都是下一步就可以，这里注意下直接打钩，要不然还要手动增加环境变量。
Anaconda官网
点开这个，输入命令看下，目前的环境，由图可见只有base，安装完成。
2.anaconda基本命令
anaconda启动真的非常慢，反正我电脑是这样，所以我这里都用命令行来操作。
#修改国内镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
#清除索引
conda clean -i
在用户目录下找到这个文件.condarc，修改里面内容保存完记得输入清除索引代码 conda clean -i，然后开始毫秒级体验。
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
- http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
ustc: http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
alibaba : https://mirrors.aliyun.com/pypi/simple/
ssl_verify: true
#升级
conda update conda
#查看环境列表
conda env list
#创建虚拟环境（不指定路径）
conda create -n env_name（环境名称） python=3.8(对应的python版本号）
#创建虚拟环境（指定路径）
conda create --prefix=env_file（环境路径） python=3.8(对应的python版本号）
conda create -p env_file（环境路径） python=3.8(对应的python版本号）
#激活虚拟环境
conda activate env_name（环境名称）
#退出虚拟环境
conda deactivate env_name（环境名称）
#删除虚拟环境（删除前记得先退出环境）
conda remove -n env_name(环境名称) --all
3.pycharm使用anaconda
设置环境即可,File-setting
设置点一下，可以添加环境，选中自己anaconda的环境
4.GitHub项目run
github上的项目都包含requirements.txt，用于记录所有依赖包及其精确的版本号，以便新环境部署。
#生成命令（借助pipreqs工具）
pip install pipreqs
pipreqs ./ --encoding=utf-8 --force
#安装命令
pip install -r requirements.txt
#指定源安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
5.python使用小心得
5.1生成的csv多了一列unamed
这是读取的时候多生成了一个索引列，实际我们是不需要的，只需增加index_col=0
data = pd.read_csv(csv_name, nrows=11, index_col=0)
