2024最新版使用PyCharm搭建Anaconda
2024最新版使用PyCharm搭建Anaconda
因为pycharm自带的包不全，或者下载的时候比较慢，所以我们直接用anaconda的包，毕竟我们以后还会学到很多的包，不多说，直接开干！
一、下载Pycharm、Anacoda
pycharm中文网点击下载：Pycharm中文网下载
找到合适的位置就行，建议D盘
Anaconda下载：Anaconda下载
Anaconda下载完后记得设置环境变量*：
终端输入命令：sysdm.cpl，设置环境变量，在path里面设置（记住有三个都要弄，不然可能打不开Anaconda）安装Anaconda的安装围着的路径
二、进入Pycharm设置Anaconda的环境
因为下载Anaconda的时候已经自带了python的解释器，所以我们不需要下载，直接导入到Pycharm即可。
可以检查一下python是否安装成功：
-
进入Anaconda，可以看到base的环境了，我们直接用就行，他已经给的很详细了，如果不想用的话，可以点击create在自己新建一个 都是一样的
-
进入Pycharm开始导入Anaconda的python解释器
-
找到settings点击进入
这样就可以成功的导入python了，咱们也可以敲一个代码，跑一下，再引入新的包的时候，我们也发现可以直接使用了，而不是去settins里搜索下载，用起来很方便。
示例代码：
from sklearn.datasets import load_breast_cancer
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import confusion_matrixc=load_breast_cancer()
x=c['data']
y=c['target']
x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=0)
sc=StandardScaler()
x_train=sc.fit_transform(x_train)
x_test=sc.transform(x_test)
knn=KNeighborsClassifier(n_neighbors=5)
knn.fit(x_train,y_train)
y_pred=knn.predict(x_test)
print(confusion_matrix(y_test,y_pred))
运行结果：
看见导入的包没有报错，并且成功运行出了结果，那就成功了。