南京服装网站建设百度网站优化方案

时隔半年重新跑机器学习的代码，因为正好换电脑了，系统环境还比较干净，所以整理一下我们地信专业配置虚拟环境的基本步骤（非常基础小白版本）以及常用到的一些库

1.下载集成开发环境（IDE）

推荐使用VS Code或者PyCharm作为Python的IDE，本人选择了VS Code，因为它好看。

补充：什么是IDE？

IDE是一个综合性开发工具，通常集成了编译器、解释器、调试器、代码编辑器等多种开发工具，它的主要功能是帮助我们更加高效地编写、调试和管理代码。

扩展（可以不看）：

1. 什么是编译器？编译器的主要作用是将编译型语言（如 C、C++）的源代码转化为机器代码或中间代码，生成一个独立的可执行文件（例如 .exe 文件）。这个生成的文件可以在没有源代码的情况下直接运行。例如，C 语言程序的编译过程就涉及到使用编译器将 .c 文件转化为 .exe 文件。
2. 什么是解释器？解释器用于解释型语言（如 Python、JavaScript）。它在运行时逐行读取源代码，并将其翻译成机器代码执行。解释器并不生成一个可独立运行的文件，而是依赖于解释器来执行源代码。每次运行时，都需要解释器进行翻译和执行。

2.安装Python

在安装过程中，确保勾选Add Python to PATH选项，方便后续在命令行使用Python。

补充：什么是命令行？

即CMD/Anaconda Prompt（win直接在【开始】菜单中搜索即可打开/mac在启动台搜索【终端】即可打开）

命令行是与计算机交互的一种方式，可以通过输入文本命令来执行程序或者进行系统管理操作。

3. 安装Anaconda

安装过程中，可以选择默认安装路径，并勾选Add Anaconda to my PATH environment variable（方便后续在命令行中调用）。

补充：为什么要安装Anaconda？

安装Anaconda能够方便地管理Python版本和依赖库，避免版本冲突，且通过conda环境管理器可以轻松创建虚拟环境。

4. 创建虚拟环境

打开Anaconda Prompt，创建一个新环境（例如：goal_env）并指定Python版本（例如：Python 3.9）

输入代码：

conda create --name goal_env python=3.9

补充：为什么要创建虚拟环境？

我们可以通过虚拟环境管理项目的依赖包。每个虚拟环境都是一个独立的Python环境，可以避免库冲突。

5．安装相应库

我们地信中常见的库有GDAL、Rasterio、Geopandas、Rasterstats，安装这些库的方法也非常简单

（1）打开Prompt，输入代码以激活我们创建的虚拟环境：

conda activate goal_env

（2）进行虚拟环境后，输入代码

conda install -c conda-forge rasterio

（3）之后一直回车yes即可安装完成

6.安装过程中的常见问题

（1）SSL 连接错误和网络超时

解决方法：亲测有时关闭网络代理可以有效安装，或者切换镜像源

（2）EnvironmentNotWritableError报错，说明当前用户 没有权限写入目标环境

解决方法：退出Prompt，然后选择“以管理员权限运行”重新打开即可

*相关问题解答：

（1）pip install 与 conda install 的区别:

答：pip 是 Python 官方的包管理工具，用于安装 Python 生态中的纯 Python 包；conda 是 Anaconda 和 Miniconda 的包管理工具，可以安装 Python 和非 Python 依赖。

如果我们如上述步骤使用 conda 作为主要环境管理工具，建议用 conda 安装主要依赖，如果某些库在conda中没有，再使用 pip 安装。

（2）Anaconda是不是本质上也包含了Python解释器？那我可不可以只安装Anaconda，不安装Python?

答：可以的，Anaconda 是一个包含了 Python 解释器、许多常用库和工具的集成平台，特别适合数据科学和机器学习工作。安装 Anaconda 后，我们可以不需要单独安装 Python，因为 Anaconda 自带了 Python 解释器。

如果你只是想用 Python 进行普通的开发，不涉及大量的科学计算库，直接安装 Python 可能更加简单轻便，但如果你的目标是进行数据分析、机器学习等工作，Anaconda 提供了一个非常方便的环境。