python创建虚拟环境并在pycharm引用

创建虚拟环境

下面操作在cmd中执行

  1. 创建新的虚拟环境

    python 复制代码
    python -m venv 环境名
  2. 激活虚拟环境

    • 对于 Windows:

      python 复制代码
      环境名\Scripts\activate
    • 对于 Linux 或 macOS:

      python 复制代码
      source 环境名/bin/activate
  3. 在虚拟环境中安装 Pandas 和 Numpy

    python 复制代码
    pip install numpy
    pip install pandas
  4. 检查 Pandas 的版本

    python 复制代码
    python -c "import pandas; print(pandas.__version__)"
  5. 退出虚拟环境(当完成测试后):

    python 复制代码
    deactivate

在pycharm中引用虚拟环境

要在 PyCharm 中引用您刚刚创建的虚拟环境,请按照以下步骤操作:

  1. 打开 PyCharm

    • 启动 PyCharm。
  2. 选择项目

    • 如果您已经有了一个项目,直接打开它。
    • 如果您需要创建一个新的项目,请选择 "Create New Project"。
  3. 配置项目解释器

    • 在 PyCharm 中,转到主菜单的 "File" > "Settings"(对于 macOS 用户,是 "PyCharm" > "Preferences")。
    • 在设置窗口左侧的树状列表中,展开 "Project: your_project_name" 并点击 "Project Interpreter"。
  4. 添加新的解释器

    • 在右侧的 "Project Interpreter" 面板中,点击右下角的齿轮图标,然后选择 "Add..."。
    • 在弹出的窗口中,选择 "Existing environment",然后浏览到您创建的虚拟环境的位置。
    • 虚拟环境的 Python 解释器通常位于虚拟环境目录下的 Scripts(Windows)或 bin(Linux/macOS)子目录中。例如,对于 Windows,路径可能是 环境名\Scripts\python.exe
    • 选择解释器后,点击 "OK" 添加解释器。
  5. 验证解释器

    • 返回 "Project Interpreter" 设置页面,您应该能看到新添加的虚拟环境解释器。
    • 您可以在解释器列表中看到所选解释器的路径以及已安装的包列表。
  6. 编写代码并运行

    • 现在您可以在 PyCharm 中编写代码并运行它,PyCharm 会使用您选择的虚拟环境中的 Python 解释器。
    • 如果您在项目中使用了虚拟环境中的包,确保它们已经被正确安装。

示例步骤

假设您的虚拟环境名为 pandas_env,并且位于 C:\path\to\your\virtualenv,以下是具体的步骤:

  1. 打开 PyCharm。
  2. 选择您的项目。
  3. 转到 "File" > "Settings" > "Project: your_project_name" > "Project Interpreter"。
  4. 点击右下角的齿轮图标,然后选择 "Add..."。
  5. 选择 "Existing environment",然后浏览到 C:\path\to\your\virtualenv\pandas_env\Scripts\python.exe(Windows)或 C:\path\to\your\virtualenv\pandas_env\bin\python(Linux/macOS)。
  6. 点击 "OK" 添加解释器。
  7. 返回 "Project Interpreter" 设置页面,验证解释器已被添加。
  8. 编写和运行代码。

完成这些步骤后,您应该能够在 PyCharm 中使用您创建的虚拟环境了

相关推荐
兵慌码乱7 小时前
基于 MediaPipe 与 PySide2 的手势交互音乐控制系统实现:轻量化视觉交互全流程解析
python·opencv·计算机视觉·人机交互·手势识别·mediapipe·pyside2
luckdewei10 小时前
FastAPI 资产管理系统实战:复杂 ORM 关联、Alembic 迁移与 N+1 查询优化
python
aqi0016 小时前
15天学会AI应用开发(八)使用向量数据库实现RAG功能
人工智能·python·大模型·ai编程·ai应用
Csvn17 小时前
`functools.lru_cache` —— 一行代码搞定缓存加速
后端·python
金銀銅鐵1 天前
[Python] 从《千字文》中随机挑选汉字
后端·python
cup112 天前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
aqi002 天前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
金銀銅鐵2 天前
用 Python 实现 Take-Away 游戏
python·游戏