1.写在开始

很多教程都会告诉你该怎么做，用什么软件，却不说明为什么，这往往是有问题的。入门python也有一段时间了。就开发环境搭建做些总结，尽量记录下每一步的动机，也是对一些运行机制的理解。

2.python版本的选择

2.1.python2 or python3

横亘在面前的就是python2和python3。一开始听到python2停更的消息很自然就想用python3, 无奈两者不兼容（关于移植也大有文章可做，淘汰这种事情是时常发生的，抓住本质才是重要的），那就两个版本都装。

2.2.版本！？

python2就上2.7了，没什么问题；python3的3.5，3.6，3.7还是有纠结的地方的，问题在哪呢，有些库不支持比较新的版本，按需求吧，之前就因为tensorflow卸载了3.7，装了3.6（tensorflow估计以后也会支持3.7吧）

2.3.多版本兼容安装

多版本兼容安装的问题其实就是各个版本相关文件同时存在，并且可以实现有序的调用，相关的方法很多（不推荐（1）和（2），这两个可以看看），基本的操作都是把python.exe的改个名字。这里涉及到window的环境变量配置，命令提示符cmd通过环境变量中的系统环境变量path查找可执行命令，修改python.exe的名字是为了区分不同版本，做到所谓“有序调用”（了解到conda的方法后，才意识到这种方法有些蹩脚，估计是有其他原因不得以而为之吧）

3.IDE的选择

IDE最重要的就是用的舒服，没有想太多，直接上pycharm（确实很占内存，不过还可以承受），debug用起来很舒服（自己装的专业版目前却只用到了社区版的功能）。当然其他选择也不是没有。

4.为什么conda

第一次用import的时候就意识到了包管理的问题，也知道了conda（以及anaconda）,但嫌太大，也没了解其包管理的原理，就弃了，以为自己管理就好了。
后来，一方面装了两个版本的python，又经历了python3.7卸载重装3.6，包都得重装，环境变量也不干净了，很是难受，直到装theano的过程中一直失败，才再次注意到conda。
conda的包管理，说白了就是通过“环境”这么一个层次进行管理的，所有的包（其实就是文件夹）都堆在一起（安装目录下的pkgs文件夹），不同“环境”里的包都在哪里统一“管理”。
还有就是conda的install考虑依赖，而自己用pip是考虑不周全的。这个很重要，缺乏依赖项会导致包无法使用或者出错。

5.推荐python开发环境搭建形式

真正做python的时间也不到一个月吧，现在看来win10环境下下面的开发环境还是可以的：
anaconda（有anaconda=miniconda+很多库，miniconda=conda+python的说法，所以anaconda和miniconda都可以）
+
pycharm（专业版or社区版，自己选吧，专业版**参考很多）

附：
conda的使用：Getting started with conda；conda cheat sheet；Getting started with Anaconda；conda环境好好搭，实现多版本python管理也就很容易了（可以一个python版本一个环境，也可以一个框架一个环境，甚至是一个工程一个环境，当然过多的冗余也不好，过多的重复浪费存储空间）。

pycharm环境的配置：File/Setting里的project interpreter设置好与conda环境对应的python.exe即可（注意是在conda安装目录下的envs中对应环境目录下的python.exe，而不是安装目录下的exe）