对于我们物理专业的同学来说,写代码似乎成为了必不可少的技能,如果想要做出创新型的工作,写程序也是一个有利的工具,可以很容易的解决很多物理问题。这里,小编介绍一下python的环境搭建,关于这网上有很多教程,包括如何安装python各种版本,选择哪种编译器之类的,这里小编根据自己的经验,推荐一个比较好用的组合,用Anaconda安装python,编译器使用Visual Studio Code。为什么使用这种组合?最后小编会解释原因。
一、安装anaconda
首先,我们到Visual Studio Code官网下载一个正版软件,这个软件是完全免费的。官方链接如下:
Visual Studio Code – Code Editing. Redefined
接着,我们安装Anaconda,我们可以先在下面的官方链接下载,也可以从清华镜像下载:
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
这里我使用的是Anaconda3-2023.03-1-Windows-x86_64版本。
安装过程很简单,直接点击下一步就行,傻瓜式操作,可以选择安装位置,这里我安装到C盘,比较醒目。
接下来添加环境变量。电脑右键选择属性,选择高级系统设置,点击环境变量,选择系统变量path,点击编辑,然后新建,将conda路径和script路径添加进去,如下图所示:

我们可以win+R,输入cmd,然后输入conda --version,看看是否添加成功,如果成功可以看到conda版本,如下图所示:

安装完成后还可以输入jupyter notebook,打开jupyter:


二、使用anaconda安装python环境
我们还可以输入python --version来查看python版本,如下图所示:

使用anaconda安装python最大的一个好处就是可以安装多个python环境,可以让不同的python版本共存,并且可以随时切换。
我们可以先查看一下已有的环境,输入conda info --envs,可以看到初始只有一个base环境:

上一步我们可以看到初始的python版本是Python 3.10.9,这时如果我们想安装其他版本的python怎么办?
举个例子,如果我想创建一个python环境,里面装的库全都是关于物理模型的开源库,可以新建一个环境,输入命令:conda create -n physics1 python==3.7.4,意思是创建一个python 3.7.4的版本,这个环境的名字命名为physics1。
安装时全部输入y,进行下一步,如图所示:

出现这些代表已经在安装了:

出现这个界面表面安装成功:

再次输入conda info --envs查看环境,可以发现多了一个名字为physics1的环境,如图所示:

在conda的安装位置可以看到多了一个envs文件夹,我们安装的环境就在这里面,想要移植可以直接复制这里面的环境,如图所示:


三、在特定的python环境中安装模块
接下来我们在这个刚建的环境中安装python库,首先激活系统,输入activate physics1,便会进入这个环境,如图所示:

输入pip list查看已安装的模块:

比如我们要安装Qsymm,输入pip install qsymm,可以看到已经在安装了:

安装成功后再次输入pip list,可以看到多了我们刚刚安装的模块。
四、选择自己想要的环境编译代码
接下来我们使用visual studio code来编译python。第一次打开需要安装python的扩展,它会自己跳出来,我们点击安装即可:


在界面的右下角,我们可以选择python版本:

点击它可以看到我们刚刚安装的名为physics1的环境:

正是因为anaconda配合visual studio conde可以方便的切换环境,所以我比较推荐这个组合。
到这里,python环境就配置成功了,大家可以愉快的写代码了!
No Comments
Leave a comment Cancel