使用pycharm入门python的一些注意点

news2024/11/30 14:45:25

今儿在帮别人跑一段python代码,实际上我对python并不熟悉,只能边摸索边尝试。选择了pycharm这个工具。

一.怎么安装python使用的库文件

能用来安装python的库文件的,有很多种办法,这里只介绍pip和pip3。因为pip和pip3的优势是能自行解决依赖问题。

1. 搞清楚pip和pip3的区别

网上能搜到的pip和pip3的区别,都是很官方的回答,通常是pip用于python1.x和python2.x,而pip3用于python3.x,这个说法没问题,但是使用起来还有会有一些疑惑。换句话说,我理解,就是pip下载下来的库是给python1和python2用的,pip3下载的库是给python3用的。所以如果你使用的是python3.x的版本,记住要用pip3下载库文件。

2. 在linux中安装pip3和pip

在linux的命令行中安装pip3,可以用这个命令:

sudo apt install python3-pip

同样的,安装pip,可以用这个命令:

sudo apt install python-pip

3. 怎么使用pip和pip3

有在命令行中使用和在pycharm中使用,两种方法。实际上都是一样的,只是在pycharm中将命令行通过可视化界面来实现了。归根结底是这样一个命令。

3.1. 在命令行利用pip和pip3安装库文件

在此只讲解linux下的,windows下的类似。

python -m pip install libsora //写法1
pip install libsora  //写法2

这是利用pip下载的库。两种用法是一致的。

python3 -m pip install libsora  //写法1
pip3 install libsora  //写法2

这是利用pip3下载的库。两种用法是一致的。

3.2. 在pycharm中利用pip和pip3安装库文件

在pycharm使用pip和pip3安装库文件的方法相比较来说简单一些。
打开pycharm的界面,如下图。
在这里插入图片描述
不同的版本和操作系统,界面可能有差别,但路径是不会变的,就是
file->Settings…
这么一个路径,打开以后在搜索栏中输入pip,能搜出下面内容,选择Python Interpreter,出现右侧内容,即加载在这个工程中的库文件。
在这里插入图片描述

注意!
首先需要介绍pycharm新建一个工程文件时,他默认给每个工程文件一个干净的库文件的环境变量,当然你也可以选择将系统全局的环境变量添加给这个工程,或者在不同的python版本及对应的环境变量中进行切换。
在Python Interpreter后侧的下拉框中进行环境变量的选择,下拉框默认只有一个新建的本工程的环境变量,如果想要增加别的环境变量,可以点击“Add Interpreter”进行更多的环境变量的添加。下拉框下面的显示框中所显示的库文件,即选中的环境变量中所包含的库文件。
点击“Add Interpreter”按钮后选择“Add Local Interpreter”,弹框如下。
在这里插入图片描述

图中所示的第一个tab页,“Virtualenv Environment”,即创建本工程时新建的环境变量,包含了环境变量库文件保存的地址,以及运行的python版本。
图中所示的第二个tab页,是另一个库文件下载工具,这里不介绍。
图中所示的第三个tab页,“System Interpreter”,即操作系统自带的环境变量,以不同的python版本作区分,可从多个版本中进行选择。如图。
在这里插入图片描述
选中相应的python版本,即选中了相应的库文件。
点击“ok”按钮,即将相应的内容加入了前一窗口的下拉菜单中,供选择。
在库文件显示的框中,可以看见有一个"+"或者“-”号,点击“+”号则可进行库文件的增加,点击“-”号进行库文件的移除。这里所做的库文件的增减操作,只会体现在所选中的环境变量中。
点击“+”号,弹窗如下。
在这里插入图片描述
这就是“Available Packages”窗口,在此进行所选环境变量中的库文件的增减。
在搜索框中输入,如“librosa”,则可搜到相应库文件,并显示在左侧栏中,选中后,点击下面按钮“Install Package”,顺利的话,则安装成功。
在右侧“Specify version”可以选择库的版本。针对特别需求所设。
“Options”中,就类似于在命令行中添加一些参数,可以添加例如仓库源的相关内容。比如要使用清华的pip仓库源,可以在此添加“–trusted-host mirrors.aliyun.com”。

二.在安装库文件的过程中踩到的坑

1.不同的CPU即不同的指令集,可能有些库未做适配

一开始,在一台龙芯3A5000的loongnix系统上做开发,库文件一直安装失败,后来换了amd的ubuntu,就很顺利了。所以库文件安装失败,可能是CPU或者操作系统的适配问题。

2.pycharm中使用的命令pip不一定是python1的pip

在pycharm中经常可见的是pip命令,但是命名选择的是python3.x,所以一开始有些疑惑,这个pip对不对,所以一直在想办法把pip改成pip3。后来才反应过来,这里的pip,指的是下面

python3 -m pip install libsora  //写法1
pip3 install libsora  //写法2

第一句中的-m后面的那个pip。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/625778.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringCloud第一篇:服务的注册与发现Eureka

一、spring cloud简介 spring cloud 为开发人员提供了快速构建分布式系统的一些工具,包括配置管理、服务发现、断路器、路由、微代理、事件总线、全局锁、决策竞选、分布式会话等等。它运行环境简单,可以在开发人员的电脑上跑。 二、创建服务注册中心 …

oracle细节、经验锦集

【版权声明】未经博主同意,谢绝转载!(请尊重原创,博主保留追究权) https://blog.csdn.net/m0_69908381/article/details/131054454 出自【进步*于辰的博客】> 由于是随兴记录,因此阐述的比较多而乱&…

详解Eureka服务注册和调用

目录 1.概述 2.环境 2.1.项目结构 2.2.项目架构 2.3.依赖 3.注册中心 3.1.配置使用 3.2.管理页 3.3.集群 4.服务注册 5.服务调用 5.2.Ribbon 5.3.Feign 5.4.OpenFeign 1.概述 我们把从外部进入到微服务集群里的流量称为“南北流量”、微服务集群节点间流转的流量…

HTML type=“radio“ 不显示按钮

问题 HTML中type&#xff1d;"radio" 但是在界面中不显示按钮。 详细问题 HTML中type&#xff1d;"radio" 但是在界面中不显示按钮。 笔者html核心代码 <div>性别<input type"radio" id"male" name"gender" va…

chatgpt赋能python:Python中的中文分词神器——jieba

Python中的中文分词神器——jieba 介绍 如果你曾经在处理中文文本时&#xff0c;也许会遇到中文分词的需求&#xff0c;jieba就是一款不可错过的工具。 jieba 是目前最好的 Python 中文分词库&#xff0c;它具有高效、简单和可定制等优点&#xff0c;适合各种规模的文本分词…

Linux学习之vim四种模式初探

vim是一个多模式&#xff0c;有vim /所在目录/文件名&#xff0c;若是已经有了文件&#xff0c;可以打开文件进行编辑&#xff0c;若是没有文件&#xff0c;在vim中保存之后就会有一个文件&#xff0c;相当于记事本里边新建一个文件。我现在就使用vim新建一个文件&#xff0c;然…

C# .NET EF框架 webapi 安装使用sqlite

文章目录 Sqlite安装使用Sqlite特点环境安装EF 是什么&#xff1f;EF使用举例 Nuget控制台 Sqlite安装使用 Sqlite特点 Sqlite是轻量级数据库&#xff0c;不需要安装&#xff0c;跨平台使用。是用来做小软件&#xff0c;小项目&#xff0c;快速移植的最优解。不需要像mysql和…

Verilog基础:表达式中的整数常量(integer)

相关文章 Verilog基础&#xff1a;表达式位宽的确定&#xff08;位宽拓展&#xff09; Verilog基础&#xff1a;表达式符号的确定 Verilog基础&#xff1a;数据类型 Verilog基础&#xff1a;位宽拓展和有符号数运算的联系 Verilog基础&#xff1a;case、casex、ca…

chatgpt赋能python:Python如何Input一个字典:详细教程

Python 如何 Input 一个字典&#xff1a;详细教程 在 Python 中&#xff0c;字典是一种非常有用的数据结构。它可以存储键值对&#xff0c;让我们能够通过键访问值。Python 中没有固定的语法来创建字典&#xff0c;因此本文将教你如何输入一个字典。 什么是字典&#xff1f; …

chatgpt赋能python:Python语言中的Pandas库介绍

Python语言中的Pandas库介绍 Python语言是一种十分流行的编程语言&#xff0c;以其易读易写等特点而受到工程师和数据科学家的青睐。在Python语言中&#xff0c;有一款非常流行的数据处理和分析库&#xff0c;也就是Pandas库。Pandas库在数据处理和分析方面有着出色的表现&…

iOS开发最佳实践|集成声网SDK实现语音聊天室

&#x1f604;作者简介&#xff1a; 小曾同学.com,一个致力于测试开发的博主⛽️&#xff0c; 如果文章知识点有错误的地方&#xff0c;还请大家指正&#xff0c;让我们一起学习&#xff0c;一起进步。&#x1f60a; 座右铭&#xff1a;不想当开发的测试&#xff0c;不是一个好…

初探Sharding-JDBC订单表分片实现

设计订单系统有两个数据库db_order_01和db_order_02。每个数据库分别有t_order_0和t_order_1两张订单表。 订单表设计有订单ID(order_id)&#xff0c;用户ID(user_id)&#xff0c;商户ID(merchant_id)。假设商户查看订单操作要比用户查看订单的操作更加频繁。避免商户查询订单时…

NLP学习笔记五-simple RNN

NLP学习笔记五-simple RNN 我这个学习笔记&#xff0c;感兴趣的小伙伴&#xff0c;看的时候尽量从头开始看&#xff0c;这样更好理解&#xff0c;也更有收获。 simple RNN的单元结构图如下&#xff1a; 其中A就是我们需要学习的参数矩阵&#xff0c; h t − 1 h_{t-1} ht−1​…

【MySQL数据库 | 第十五篇】事务

目录 前言&#xff1a; 介绍事务&#xff1a; 控制事务&#xff1a; 事务四大特性&#xff1a; 并发事务问题&#xff1a; 事务隔离级别&#xff1a; 总结: 前言&#xff1a; 这章我们将进入到MySQL基础篇的最后一章&#xff1a;事务&#xff0c;希望大家可以坚持下去&#xf…

车间如何做好“生产计划”,打造高效运营的智能工厂

新形势下&#xff0c;面对外部不断变化的市场需求、供应链下游企业管理升级需求以及持续上涨的人力成本&#xff0c;传统工厂模式必须要变革才能更好地发展。热潮之下&#xff0c;企业纷纷规划建设智能工厂。那么&#xff0c;新工厂规划如何避免投入浪费&#xff0c;少走弯路&a…

Linux——进程间通信,信号量的使用+小demo(C语言)

一.什么是信号量呢&#xff1f;用途又是什么呢&#xff1f; 信号量就是解决进程之间竞争资源的情况&#xff0c;比如&#xff1a;我们在宿舍用的公共洗衣机&#xff0c;我们只有当它空闲的时候&#xff0c;我们才可以去使用它&#xff0c;当别人看到洗衣机在使用的时候&#xf…

LVS负载均衡群集部署(DR模式)

一.DR模式 LVS负载均衡群集部署 ipvsadm 工具选项说明&#xff1a; 工具选项作用-A添加虚拟服务器-D删除整个虚拟服务器-s指定负载调度算法&#xff08;轮询&#xff1a;rr、加权轮询&#xff1a;wrr、最少连接&#xff1a;lc、加权最少连接&#xff1a;wlc&#xff09;-a表示…

clickhouse-MergeTree

创建建表语句 create table t_order_mt(id UInt32,sku_id String,total_amount Decimal(16,2),create_time Datetime ) engine MergeTreepartition by toYYYYMMDD(create_time)primary key (id)order by (id,sku_id); 插入测试数据 insert into t_order_mt(id,sku_id,total_…

chatgpt赋能python:Python数据分析必备工具:Pandas

Python数据分析必备工具&#xff1a;Pandas Python作为一门流行的编程语言&#xff0c;广泛应用于数据科学领域。而Pandas作为Python语言下的数据分析库&#xff0c;被广泛地应用于数据处理、数据分析、数据可视化等方面。本文将介绍如何快速地入门Pandas并进行数据分析。 什…

《统计学习方法》——逻辑斯谛回归与最大熵模型(下)

最大熵模型 极大似然估计 下面证明对偶函数的极大化等价于最大熵模型的极大似然估计。 极大似然估计的思想就是通过概率最大化来求出最符合的分类。对应的步骤为&#xff1a; 根据训练集&#xff0c;写出不同分类下的概率函数将不同分类下的概率函数进行汇总&#xff0c;写…